آموزش بررسی علم داده [ویدئو]

Survey of Data Science [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: دوره "بررسی علوم داده" ما یک فرو رفتن عمیق در دنیای تجزیه و تحلیل و مدل سازی داده ها را فراهم می کند و یادگیرندگان را با مهارت هایی برای تبدیل داده های خام به تصمیم گیری های روشنگرانه مجهز می کند. این دوره با مقدمه ای بر نقش ها و فعالیت های دانشمندان داده شروع می شود، دوره از طریق کاوش و تجزیه و تحلیل داده ها پیشرفت می کند. شما در مورد اهمیت بهداشت داده ها، مبانی آماری و قدرت تجسم برای برقراری ارتباط موثر بینش های مبتنی بر داده ها خواهید آموخت. همانطور که این دوره در حال گسترش است، موضوعات پیچیده ای مانند مدیریت داده های بدون ساختار، ساختن قوانین انجمنی، درخت های تصمیم گیری، و مدل های رگرسیون را پوشش می دهد و در حوزه های پیچیده مانند شبکه های عصبی و پردازش زبان طبیعی می پردازد. بخش معماری لامبدا، پردازش داده‌های بی‌درنگ و دسته‌ای را که برای مدیریت سناریوهای کلان داده در تنظیمات حرفه‌ای ضروری است، روشن می‌کند. این دوره نه تنها مهارت های فنی را ارائه می دهد، بلکه بر کاربرد عملی نیز تأکید دارد و شرکت کنندگان را آماده می کند تا دانش خود را در موقعیت های واقعی به کار ببرند. این سفر شما را به تخصص برای عبور از چالش های علم داده مدرن مجهز می کند و شما را به یک دارایی در نقش های مختلف صنعت تبدیل می کند. مفاهیم و نقش های کلیدی علم داده را تعریف کنید مجموعه داده ها را برای تجزیه و تحلیل کاوش و تمیز کنید از روش های آماری برای استخراج بینش استفاده کنید تجسم داده ها برای ارتباط یافته ها مدیریت و تجزیه و تحلیل داده های بدون ساختار مدل های پیش بینی با یادگیری ماشین توسعه دهید پیاده سازی معماری های پردازش داده ها در زمان واقعی آماده شدن برای نقش در تیم علم داده این دوره برای افرادی طراحی شده است که قصد ورود به حوزه علم داده یا ارتقای مهارت های موجود خود را دارند. نامزدهای ایده آل شامل متخصصان فناوری اطلاعات، آماردانان و تحلیلگران تجاری هستند که به دنبال استفاده از علم داده در کار خود هستند. پیش نیازها شامل دانش اولیه برنامه نویسی و درک اساسی از آمار است. برنامه درسی جامع از مقدماتی تا پیشرفته * نمایش های عملی و برنامه های کاربردی در دنیای واقعی * دسترسی به ابزارهای علوم داده فعلی و در حال ظهور * راهنمایی در مورد مسیرهای شغلی در علم داده

سرفصل ها و درس ها

علم داده چیست What is Data Science

  • بررسی اجمالی Overview

  • فعالیت های علم داده Data Science Activities

علم داده های اکتشافی Exploratory Data Science

  • مبانی کاوش داده ها The Foundations of Data Exploration

  • آمار داده ها Statistics of Data

  • تجسم داده ها Visualization of Data

  • بهداشت داده ها Data Hygiene

  • انتخاب عوامل داده Selection of Data Factors

داده های بدون ساختار Unstructured Data

  • ساختار مهم است Structure is Important

  • ذخیره سازی داده های بدون ساختار Storage of Unstructured Data

  • نتایج را در داده های بدون ساختار پیدا کنید Find Results in Unstructured Data

  • مقایسه ویدئویی داده های بدون ساختار Video Compare Unstructured Data

قوانین انجمنی Associative Rules

  • انجمن اندازه گیری Measuring Association

  • کیفیت قوانین Quality of Rules

درختان تصمیم Decision Trees

  • طبقه بندی داده ها Classifying Data

  • درختان تصمیم گیری اساسی Basic Decision Trees

  • تغییرات درخت تصمیم Decision Tree Variations

رگرسیون خطی Linear Regression

  • رگرسیون خطی ساده Simple Linear Regression

  • کیفیت مدل های خطی Quality of Linear Models

رگرسیون لجستیک Logistic Regression

  • اولین رگرسیون لجستیک A First Logistic Regression

  • ارزیابی مدل های رگرسیون لجستیک Evaluating Logistic Regression Models

شبکه های عصبی Neural Networks

  • پایه های شبکه عصبی Neural Network Foundations

  • پردازش زبان طبیعی Natural Language Processing

  • بازنمایی متن Text Representation

  • الگوریتم Skip-Gram The Skip-Gram Algorithm

معماری لامبدا The Lambda Architecture

  • معماری لامبدا The Lambda Architecture

  • مبانی کافکا Kafka Basics

  • لایه دسته ای The Batch Layer

  • لایه سرعت The Speed Layer

  • لایه سرویس The Serving Layer

نقش های علم داده Data Science Roles

  • تیم علم داده The Data Science Team

  • داده رانگلر Data Wrangler

  • مهندس داده Data Engineer

  • تحلیلگر کمی Quantitative Analyst

  • مهندس یادگیری ماشین Machine Learning Engineer

  • مدیر چارچوب Framework Administrator

  • تحلیلگر کسب و کار Business Analyst

نمایش نظرات

Packtpub یک ناشر دیجیتالی کتاب‌ها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرم‌افزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتاب‌ها، ویدیوها و دوره‌های آموزشی می‌پردازد که به توسعه‌دهندگان و متخصصان فناوری اطلاعات کمک می‌کند تا مهارت‌های خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامه‌نویسی، توسعه وب، داده‌کاوی، امنیت سایبری و هوش مصنوعی را پوشش می‌دهد. محتوای این منابع به صورت کاربردی و به‌روز ارائه می‌شود تا کاربران بتوانند دانش و توانایی‌های لازم برای موفقیت در پروژه‌های عملی و حرفه‌ای خود را کسب کنند.

آموزش بررسی علم داده [ویدئو]
جزییات دوره
8 h 42 m
36
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

ACI Learning ACI Learning

ACI Learning رهبرانی را در زمینه امنیت سایبری، حسابرسی و فناوری اطلاعات آموزش می دهد. چه شروع یک حرفه فناوری اطلاعات، چه تسلط بر یک حرفه یا توسعه یک تیم، آنها در هر مرحله پشتیبانی ضروری را ارائه می دهند.

Chris Mawata PHD Chris Mawata PHD

کریس بیش از 30 سال تجربه فناوری اطلاعات، از جمله 17 سال تدریس در سطح دانشگاه، و 15 سال آموزش برنامه نویسان جاوا و بیگ دیتا دارد. کریس به عنوان یک مربی آموزش درخت، چهار دوره را تالیف کرده است. او به عنوان یک مشاور، یک خوشه 20 گره ای را اجرا می کند که چندین فریمورک Big Data را روی آن نصب کرده است. او مقالاتی در زمینه پردازش تصویر، هوش مصنوعی و ریاضیات محض منتشر کرده است.

Justin Dennison Justin Dennison

جاستین رهبری AWS و ایجاد محتوای توسعه دهنده برای ITProTV را بر عهده دارد. او در چندین زبان برنامه نویسی تجربه دارد. گواهینامه های او شامل AWS Certified Solutions Architect - Associate، AWS Certified Developer - Associate، AWS Certified Cloud Practitioner، Oracle Certified Associate، Java SE 7 Programmer است.