کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش یافتن روابط در داده ها با پایتون

Finding Relationships in Data with Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: این دوره تکنیک های مهم کاوش داده ها به منظور یافتن روابط بین متغیرها را شامل می شود ، از جمله تکنیک های خلاصه سازی و توصیف داده های شما ، و چندین ابزار قدرتمند تجسم برای بیان روابط در آن داده ها. علم داده و مدل سازی داده ها به سرعت به عنوان توانایی های اساسی ظهور می کنند این روزها باید هر بنگاه اقتصادی و هر تکنسینی داشته باشد. سازمانهای مختلف به طور فزاینده ای از همان مدلها و ابزارهای مدل سازی یکسان استفاده می کنند ، بنابراین آنچه تفاوت می کند نحوه اعمال این مدلها بر روی داده ها است. امروز ، بیش از هر زمان دیگر ، بسیار مهم است که شما اطلاعات خود را به خوبی بشناسید. در این دوره ، با پیدا کردن روابط در داده ها با پایتون ، شما توانایی پیدا کردن روابط درون داده های خود را خواهید داشت که می توانید برای ساخت مدل های پیچیده تر از آن بهره ببرید. ابتدا یاد می گیرید که با استفاده از آمارهای تک متغیره ، دو متغیره و چند متغیره ، داده های خود را خلاصه کنید. در مرحله بعدی ، خواهید فهمید که چگونه اشکال خاص تجسم برای شناسایی و گرفتن انواع خاصی از روابط تکامل یافته است. سپس برخی از ابزارهای پیشرفته مانند استفاده از نمودارهای همبستگی و نمودارهای KDE را که به مدل سازی توزیع احتمال کمک می کنند ، فرا خواهید گرفت. سرانجام ، شما با استفاده از چهار کتابخانه - Matplotlib ، Seaborn ، Altair و Plotly برای یافتن روابط ، دانش خود را جمع آوری می کنید. پس از اتمام این دوره ، با کاوش و تجسم کارآمد آن داده ها ، مهارت و دانش لازم برای شناسایی و بهره برداری از روابط موجود در داده های شما را خواهید داشت.
سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

شناسایی و تجسم روابط مشترک در داده ها Identifying and Visualizing Common Relationships in Data

  • بررسی اجمالی ماژول Module Overview

  • پیش نیازها و طرح کلی دوره Prerequisites and Course Outline

  • آمار در درک داده ها Statistics in Understanding Data

  • اقدامات تمایل و پراکندگی مرکزی Measures of Central Tendency and Dispersion

  • آمار توصیفی دو متغیره و چند متغیره Bivariate and Multivariate Descriptive Statistics

  • نسخه ی نمایشی: بارگیری تمیز کردن و آماده سازی داده ها Demo: Loading Cleaning and Preparing Data

  • نسخه ی نمایشی: کاوش و تجسم روابط Demo: Exploring and Visualizing Relationships

  • نسخه ی نمایشی: محاسبه و تجسم همبستگی ها Demo: Calculating and Visualizing Correlations

  • همبستگی خودکار Autocorrelation

  • نسخه ی نمایشی: محاسبه و تجسم همبستگی خودکار Demo: Calculating and Visualizing Autocorrelation

  • نسخه ی نمایشی: نمودارها و نمودارهای میله ای Demo: Line Plots and Bar Graphs

  • نسخه ی نمایشی: جعبه ها نمودارهای ویولن و نمودارهای پای Demo: Box Plots Violin Plots and Pie Charts

  • خلاصه ماژول Module Summary

ماژول جدید شناسایی و تجسم روابط احتمالی و آماری New ModuleIdentifying and Visualizing Probabilistic and Statistical Relationships

  • بررسی اجمالی ماژول Module Overview

  • برآورد تراکم هسته Kernel Density Estimation

  • نسخه ی نمایشی: هیستوگرام ها ، نمودارهای KDE ، نمودارهای فرش Demo: Histograms, KDE Plots, Rug Plots

  • نسخه ی نمایشی: کاوش در روابط مداوم و دسته بندی شده Demo: Exploring Continuous and Categorical Relationships

  • نسخه ی نمایشی: روابط به صورت جفت Demo: Pairwise Relationships

  • نسخه ی نمایشی: تجسم روابط چندگانه با وجوه Demo: Visualizing Multiple Relationships with Facets

  • خلاصه ماژول Module Summary

استفاده از تجسمهای تعاملی برای کاوش روابط در داده ها Using Interactive Visualizations to Explore Relationships in Data

  • بررسی اجمالی ماژول Module Overview

  • معرفی Altair Introducing Altair

  • نسخه ی نمایشی: شروع با Altair Demo: Getting Started with Altair

  • نسخه ی نمایشی: نمودارهای ساده Altair برای برش و کاوش داده ها Demo: Simple Altair Plots to Slice and Explore Data

  • نسخه ی نمایشی: تجسم روابط با استفاده از Binning و Aggregation Demo: Visualizing Relationships Using Binning and Aggregation

  • نسخه ی نمایشی: تجسم های تعاملی با Altair Demo: Interactive Visualizations with Altair

  • معرفی Plotly Introducing Plotly

  • نسخه ی نمایشی: تجسم های تعاملی برای داده های مالی با استفاده از طرح کلی Demo: Interactive Visualizations for Financial Data Using Plotly

  • نسخه ی نمایشی: نقشه های جغرافیایی با استفاده از نقشه های حباب Demo: Geographical Plots Using Bubble Maps

  • خلاصه و مطالعه بیشتر Summary and Further Study

آموزش طراحی خود را برای همیشه بهبود بخشید - یک چالش نقاشی 10 روزه برای تمرین دادن عضلات و مغز

آموزش طراحی خود را برای همیشه بهبود بخشید - یک چالش نقاشی 10 روزه برای تمرین دادن عضلات و مغز

Improve Your Drawing For Good - A 10-Day Drawing Challenge to Train Muscles And Brain

آموزش به طراحی بازی خوش آمدید - بوم طراحی بازی و سند

آموزش به طراحی بازی خوش آمدید - بوم طراحی بازی و سند

Welcome To Game Design - Game Design Canvas And Document

آموزش Fusion 360 برای چاپ سه بعدی - کلاس 3 - طراحی قلاب کت

آموزش Fusion 360 برای چاپ سه بعدی - کلاس 3 - طراحی قلاب کت

Fusion 360 for 3D Printing - Class 3 - Design a Coat Hook

نمایش نظرات

آموزش یافتن روابط در داده ها با پایتون
جزییات دوره
2h 4m
31
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
27
4.1 از 5
دارد
دارد
دارد
Janani Ravi

https://donyad.com/d/c77a

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.

دنیاد