آموزش آماده‌سازی داده‌ها برای یادگیری ماشین در پایتون - آخرین آپدیت

مقدمه‌ای بر آماده‌سازی داده‌ها Introduction to Data Prep

• معرفی دوره Course Introduction

• دانش پیش‌نیاز Pre-requisite Knowledge

• راهنمای سریع ساختار دوره، نوت‌بوک‌ها و تمرین‌ها A Quick Guide to Course Structure, Notebooks, and Exercises

وارد کردن و پاکسازی داده‌ها Importing & Cleaning Data

• مقدمه: وارد کردن و پاکسازی داده‌ها Introduction - Importing & Cleaning Data

• وارد کردن داده‌ها از فایل‌های CSV، اکسل و SQL Importing Data - CSV, Excel and SQL

• انتخاب ستون‌ها Selecting Columns

• فیلتر کردن ردیف‌ها Filtering Rows

• تمرین: وارد کردن و فیلتر کردن داده‌ها Exercise - Import & Filter Data

• مرور تمرین: وارد کردن و فیلتر کردن داده‌ها Exercise Review - Import & Filter Data

• تئوری انواع داده‌ها Data Types Theory

• اعتبارسنجی پایه داده‌ها Basic Data Validation

• مقایسه با یک منبع داده معتبر Comparing to a Trusted Datasource

• تمرین: اعتبارسنجی داده‌ها Exercise - Data Validation

• مرور تمرین: اعتبارسنجی داده‌ها Exercise Review - Data Validation

• تئوری جایگذاری (Imputation) Imputation Theory

• پاکسازی داده‌ها Cleaning Data

• خطاهای نوع داده Data Type Errors

• جایگذاری با استفاده از صفر Imputation with Zeros

• جایگذاری پایه مقادیر Basic Imputation of Values

• تمرین: پاکسازی و جایگذاری Exercise - Cleaning & Imputation

• مرور تمرین: پاکسازی و جایگذاری Exercise Review - Cleaning & Imputation

تحلیل اکتشافی داده‌ها (EDA) Exploratory Data Analysis

• مقدمه: تحلیل اکتشافی داده‌ها (EDA) Introduction - Exploratory Data Analysis

• آمار توصیفی برای ویژگی‌های عددی Descriptive Stats for Numeric Features

• نمودارهای پایه برای ویژگی‌های عددی + ترکیب محورها و توابع Basic Plots for Numeric Features + Combining Axis & Functions

• نمودارهای پایه برای ویژگی‌های طبقه‌بندی‌شده (Categorical) Basic Plots for Categorical Features

• تمرین: بصری‌سازی ویژگی‌های عددی و طبقه‌بندی‌شده Exercise - Visuals for Numeric & Categoric Features

• مرور تمرین: بصری‌سازی ویژگی‌های عددی و طبقه‌بندی‌شده Exercise Review - Visuals for Numeric & Categoric Features

• تحلیل متغیر پیوسته در مقابل پیوسته (بخش ۱) Continuous vs Continuous Variable Analysis 1

• تحلیل متغیر پیوسته در مقابل پیوسته (بخش ۲) Continuous vs Continuous Variable Analysis Part 2

• تحلیل متغیر طبقه‌بندی‌شده در مقابل پیوسته Categorical vs Continuous Variable Analysis

• تمرین: ایجاد و تحلیل نمودارهای چندمتغیره Exercise - Creating and Analyzing Multivariate Plots

• مرور تمرین: ایجاد و تحلیل نمودارهای چندمتغیره Exercise Review - Creating and Analyzing Multivariate Plots

تقسیم داده‌های آموزش و تست (مرور) Train-Test Split (Recap)

• آموزش در مقابل تست Training Vs Testing

• تقسیم داده‌های آموزش و تست در SKLearn Train-Test Split in SKLearn

چالش هفته اول Week 1 Challenge

مهندسی ویژگی بخش ۱: کدگذاری و تبدیل Feature Engineering Part 1 - Encoding & Transformation

• مقدمه: مهندسی ویژگی Introduction - Feature Engineering

• تئوری آموزش در مقابل تست Training Vs Testing Theory

• تئوری کدگذاری (شامل One Hot Encoding) Encoding Theory (inc One Hot Encoding)

• شناسایی ستون‌ها و مقادیر طبقه‌بندی‌شده Identifying Categorical Columns & Values

• اجرای One Hot Encoding در Pandas One Hot Encoding in Pandas

• اجرای One Hot Encoding در SKLearn One Hot Encoding in SKLearn

• تمرین: One Hot Encoding Exercise - One Hot Encoding

• مرور تمرین: One Hot Encoding Exercise Review - One Hot Encoding

• مرور تمرین One Hot Encoding (بخش ۲) Exercise Review On Hot Encoding Pt 2

• مقایسه GetDummies با OneHotEncoder GetDummies vs OneHotEncoder

• تئوری تبدیل توزیع‌ها Transforming Distributions Theory

• شناسایی چولگی (Skew) در پایتون Identifying Skew in Python

• تبدیل ویژگی‌ها در پایتون Transforming Features in Python

• سناریوهای استفاده از Log Taking Logs Scenarios

• تمرین: تبدیل‌ها Exercise - Transformations

• مرور تمرین: تبدیل‌ها Exercise Review - Transformations

مهندسی ویژگی بخش ۲: داده‌های پرت، دسته‌بندی و مقیاس‌گذاری Feature Engineering Part 2 - Outliers, Binning, and Scaling

• تئوری داده‌های پرت (Outliers) Outliers Theory

• حذف داده‌های پرت Removing Outliers

• اصلاح داده‌های پرت Modifying Outliers

• تمرین: داده‌های پرت Exercise - Outliers

• مرور تمرین: داده‌های پرت Exercise Review - Outliers

• تئوری دسته‌بندی (Binning) Binning Theory

• دسته‌بندی طبقه‌بندی‌شده Categorical Binning

• دسته‌بندی بر اساس عرض و فرکانس Binning by Width & Frequency

• دسته‌بندی دستی Manual Binning

• نکات پایانی در مورد دسته‌بندی Final Thoughts on Binning

• هموارسازی (Smoothing) Smoothing

• هموارسازی در عمل Smoothing in Practice

• تمرین: دسته‌بندی Exercise - Binning

• مرور تمرین: دسته‌بندی Exercise Review - Binning

• نکات پیشرفته در مورد دسته‌بندی Advanced Thoughts on Binning

• چرا مقیاس‌گذاری ویژگی‌ها اهمیت دارد؟ Why Feature Scaling Matters

• تئوری مقیاس‌گذاری ویژگی‌ها Scaling Features Theory

• مقیاس‌گذاری Min-Max Min Max Scaling

• مقیاس‌گذاری داده‌های تست Scaling Testing Data

• نکات پایانی در مورد مقیاس‌گذاری Final Thoughts on Scaling

• مقیاس‌گذاری استاندارد (Standard Scaler) Standard Scaler

• تمرین: مقیاس‌گذاری Exercise - Scaling

• مرور تمرین: مقیاس‌گذاری Exercise Review - Scaling

• تصمیم‌گیری در مهندسی ویژگی Making Feature Engineering Decisions

انتخاب ویژگی Feature Selection

• مقدمه: انتخاب ویژگی Introduction - Feature Selection

• انتخاب دستی ویژگی Manual Feature Selection

• انتخاب ویژگی با هدف پیوسته Feature Selection with Continuous Target

• ضرایب همبستگی: متغیر پیوسته + ویژگی پیوسته Correlation Coefficients - Continuous Var + Continuous Feature

• روش ANOVA: هدف پیوسته + ویژگی طبقه‌بندی‌شده ANOVA - Continuous Target + Categorical Feature

• انتخاب ویژگی با متغیر هدف طبقه‌بندی‌شده Feature Selection with Categorical Target Variable

• نمودار جعبه‌ای: متغیر طبقه‌بندی‌شده + ویژگی پیوسته Box Plots - Categorical Var + Continous Feature

• آزمون کای‌اسکوئر: متغیر طبقه‌بندی‌شده + ویژگی طبقه‌بندی‌شده Chi-square - Categorical Var + Categorical Feature

• خلاصه‌ای از تکنیک‌های انتخاب ویژگی Summary of Feature Selection Techniques

جمع‌بندی دوره Course Conclusion

• نتیجه‌گیری Conclusion

چالش هفته دوم Week 2 Challenge