آموزش یادگیری ماشین و علم داده با پایتون، کگل و پانداس - آخرین آپدیت

سرفصل ها و درس ها

نصب و راه‌اندازی Installations

• نصب توزیع آناکوندا برای ویندوز Installing Anaconda Distribution for Windows

• لینک فایل‌های پروژه نوت‌بوک کتابخانه زبان برنامه‌نویسی پایتون NumPy Notebook Project Files Link regarding NumPy Python Programming Language Library

• نصب توزیع آناکوندا برای MacOS Installing Anaconda Distribution for MacOs

• ۶ توصیه و لینک مقاله درباره NumPy، پایتون NumPy 6 Article Advice And Links about Numpy, Numpy Pyhon

• نصب توزیع آناکوندا برای لینوکس Installing Anaconda Distribution for Linux

مقدمه‌ای بر کتابخانه NumPy NumPy Library Introduction

• معرفی کتابخانه NumPy Introduction to NumPy Library

• لینک فایل‌های پروژه نوت‌بوک کتابخانه زبان برنامه‌نویسی پایتون NumPy Notebook Project Files Link regarding NumPy Python Programming Language Library

• قدرت NumPy The Power of NumPy

• آزمون Quiz

ایجاد آرایه NumPy در پایتون Creating NumPy Array in Python

• ایجاد آرایه NumPy با تابع Array() Creating NumPy Array with The Array() Function

• ایجاد آرایه NumPy با تابع Zeros() Creating NumPy Array with Zeros() Function

• ایجاد آرایه NumPy با تابع Ones() Creating NumPy Array with Ones() Function

• ایجاد آرایه NumPy با تابع Full() Creating NumPy Array with Full() Function

• ایجاد آرایه NumPy با تابع Arange() Creating NumPy Array with Arange() Function

• ایجاد آرایه NumPy با تابع Eye() Creating NumPy Array with Eye() Function

• ایجاد آرایه NumPy با تابع Linspace() Creating NumPy Array with Linspace() Function

• ایجاد آرایه NumPy با تابع Random() Creating NumPy Array with Random() Function

• ویژگی‌های آرایه NumPy Properties of NumPy Array

• آزمون Quiz

توابع در کتابخانه NumPy Functions in the NumPy Library

• تغییر شکل آرایه NumPy: تابع Reshape() Reshaping a NumPy Array: Reshape() Function

• شناسایی بزرگترین عنصر آرایه NumPy Identifying the Largest Element of a Numpy Array

• شناسایی کوچکترین عنصر آرایه NumPy: Min(), Ar Detecting Least Element of Numpy Array: Min(), Ar

• الحاق آرایه‌های NumPy: تابع Concatenate() Concatenating Numpy Arrays: Concatenate() Function

• تقسیم آرایه‌های تک‌بعدی NumPy: تابع Split Splitting One-Dimensional Numpy Arrays: The Split

• تقسیم آرایه‌های دو‌بعدی NumPy: تابع Split() Splitting Two-Dimensional Numpy Arrays: Split(),

• مرتب‌سازی آرایه‌های NumPy: تابع Sort() Sorting Numpy Arrays: Sort() Function

• آزمون Quiz

نمایه‌گذاری، برش و انتساب آرایه‌های NumPy Indexing, Slicing, and Assigning NumPy Arrays

• نمایه‌گذاری آرایه‌های NumPy Indexing Numpy Arrays

• برش آرایه‌های تک‌بعدی NumPy Slicing One-Dimensional Numpy Arrays

• برش آرایه‌های دو‌بعدی NumPy Slicing Two-Dimensional Numpy Arrays

• اختصاص مقدار به آرایه‌های تک‌بعدی Assigning Value to One-Dimensional Arrays

• اختصاص مقدار به آرایه دو‌بعدی Assigning Value to Two-Dimensional Array

• نمایه‌گذاری پیشرفته آرایه‌های تک‌بعدی Fancy Indexing of One-Dimensional Arrrays

• نمایه‌گذاری پیشرفته آرایه‌های دو‌بعدی Fancy Indexing of Two-Dimensional Arrrays

• ترکیب نمایه‌گذاری پیشرفته با نمایه‌گذاری عادی Combining Fancy Index with Normal Indexing

• ترکیب نمایه‌گذاری پیشرفته با برش عادی Combining Fancy Index with Normal Slicing

عملیات در کتابخانه NumPy Operations in Numpy Library

• عملیات با عملگرهای مقایسه‌ای Operations with Comparison Operators

• عملیات محاسباتی در NumPy Arithmetic Operations in Numpy

• عملیات آماری در NumPy Statistical Operations in Numpy

• حل معادلات درجه دوم با NumPy Solving Second-Degree Equations with NumPy

مقدمه‌ای بر کتابخانه Pandas Pandas Library Introduction

• معرفی کتابخانه Pandas Introduction to Pandas Library

• لینک فایل‌های پروژه Pandas Pandas Project Files Link

• آزمون Quiz

ساختارهای Series در کتابخانه Pandas Series Structures in the Pandas Library

• ایجاد Pandas Series با لیست Creating a Pandas Series with a List

• ایجاد Pandas Series با دیکشنری Creating a Pandas Series with a Dictionary

• ایجاد Pandas Series با آرایه NumPy Creating Pandas Series with NumPy Array

• انواع شیء در Series Object Types in Series

• بررسی ویژگی‌های اصلی Pandas Series Examining the Primary Features of the Pandas Seri

• پرکاربردترین متدهای روی Pandas Series Most Applied Methods on Pandas Series

• نمایه‌گذاری و برش Pandas Series Indexing and Slicing Pandas Series

• آزمون Quiz

ساختارهای DataFrame در کتابخانه Pandas DataFrame Structures in Pandas Library

• ایجاد Pandas DataFrame با لیست Creating Pandas DataFrame with List

• ایجاد Pandas DataFrame با آرایه NumPy Creating Pandas DataFrame with NumPy Array

• ایجاد Pandas DataFrame با دیکشنری Creating Pandas DataFrame with Dictionary

• بررسی ویژگی‌های Pandas DataFrames Examining the Properties of Pandas DataFrames

• آزمون Quiz

عملیات انتخاب عنصر در ساختارهای DataFrame Element Selection Operations in DataFrame Structures

• عملیات انتخاب عنصر در Pandas DataFrames: درس ۱ Element Selection Operations in Pandas DataFrames: Lesson 1

• عملیات انتخاب عنصر در Pandas DataFrames: درس ۲ Element Selection Operations in Pandas DataFrames: Lesson 2

• انتخاب عنصر سطح بالا در Pandas DataFrames: درس ۱ Top Level Element Selection in Pandas DataFrames:Lesson 1

• انتخاب عنصر سطح بالا در Pandas DataFrames: درس ۲ Top Level Element Selection in Pandas DataFrames:Lesson 2

• انتخاب عنصر سطح بالا در Pandas DataFrames: درس ۳ Top Level Element Selection in Pandas DataFrames:Lesson 3

• انتخاب عنصر با عملیات شرطی در Element Selection with Conditional Operations in

• آزمون Quiz

عملیات ساختاری بر روی Pandas DataFrame Structural Operations on Pandas DataFrame

• اضافه کردن ستون به Pandas DataFrames Adding Columns to Pandas Data Frames

• حذف ردیف‌ها و ستون‌ها از Pandas DataFrames Removing Rows and Columns from Pandas Data frames

• مقادیر خالی در Pandas DataFrames Null Values in Pandas Dataframes

• حذف مقادیر خالی: تابع Dropna() Dropping Null Values: Dropna() Function

• پر کردن مقادیر خالی: تابع Fillna() Filling Null Values: Fillna() Function

• تنظیم ایندکس در Pandas DataFrames Setting Index in Pandas DataFrames

• آزمون Quiz

ساختارهای DataFrame چند-ایندکسی Multi-Indexed DataFrame Structures

• چند-ایندکس و سلسله‌مراتب ایندکس در Pandas DataFrames Multi-Index and Index Hierarchy in Pandas DataFrames

• انتخاب عنصر در DataFrames چند-ایندکسی Element Selection in Multi-Indexed DataFrames

• انتخاب عناصر با استفاده از تابع xs() در DataFrames چند-ایندکسی Selecting Elements Using the xs() Function in Multi-Indexed DataFrames

• آزمون Quiz

عملیات الحاق ساختاری در Pandas DataFrame Structural Concatenation Operations in Pandas DataFrame

• الحاق Pandas DataFrames: تابع Concat Concatenating Pandas Dataframes: Concat Function

• ادغام Pandas DataFrames: تابع Merge(): درس ۱ Merge Pandas Dataframes: Merge() Function: Lesson 1

• ادغام Pandas DataFrames: تابع Merge(): درس ۲ Merge Pandas Dataframes: Merge() Function: Lesson 2

• ادغام Pandas DataFrames: تابع Merge(): درس ۳ Merge Pandas Dataframes: Merge() Function: Lesson 3

• ادغام Pandas DataFrames: تابع Merge(): درس ۴ Merge Pandas Dataframes: Merge() Function: Lesson 4

• پیوستن Pandas DataFrames: تابع Join() Joining Pandas Dataframes: Join() Function

• آزمون Quiz

توابعی که می‌توانند روی DataFrame اعمال شوند Functions That Can Be Applied on a DataFrame

• بارگذاری یک مجموعه داده از کتابخانه Seaborn Loading a Dataset from the Seaborn Library

• بررسی مجموعه داده ۱ Examining the Data Set 1

• توابع تجمیع در Pandas DataFrames Aggregation Functions in Pandas DataFrames

• بررسی مجموعه داده ۲ Examining the Data Set 2

• استفاده هماهنگ از توابع گروه‌بندی و تجمیع در Pandas DataFrames Coordinated Use of Grouping and Aggregation Functions in Pandas Dataframes

• توابع تجمیع پیشرفته: تابع Aggregate() Advanced Aggregation Functions: Aggregate() Function

• توابع تجمیع پیشرفته: تابع Filter() Advanced Aggregation Functions: Filter() Function

• توابع تجمیع پیشرفته: تابع Transform() Advanced Aggregation Functions: Transform() Function

• توابع تجمیع پیشرفته: تابع Apply() Advanced Aggregation Functions: Apply() Function

• آزمون Quiz

جداول محوری در کتابخانه Pandas Pivot Tables in Pandas Library

• بررسی مجموعه داده ۳ Examining the Data Set 3

• جداول محوری در کتابخانه Pandas Pivot Tables in Pandas Library

• آزمون Quiz

عملیات فایل در کتابخانه Pandas File Operations in Pandas Library

• دسترسی و در دسترس قرار دادن فایل‌ها Accessing and Making Files Available

• ورود داده با فایل‌های Csv و Txt Data Entry with Csv and Txt Files

• ورود داده با فایل‌های اکسل Data Entry with Excel Files

• خروجی به عنوان یک پسوند CSV Outputting as an CSV Extension

• خروجی به عنوان فایل اکسل Outputting as an Excel File

• آزمون Quiz

اولین تماس با یادگیری ماشین First Contact with Machine Learning

• یادگیری ماشین چیست؟ What is Machine Learning?

• اصطلاحات یادگیری ماشین Machine Learning Terminology

• یادگیری ماشین: فایل‌های پروژه Machine Learning: Project Files

• سوالات متداول درباره پایتون FAQ regarding Python

• سوالات متداول درباره یادگیری ماشین FAQ regarding Machine Learning

معیارهای ارزیابی در یادگیری ماشین Evaluation Metrics in Machine Learning

• طبقه‌بندی در مقابل رگرسیون در یادگیری ماشین Classification vs Regression in Machine Learning

• ارزیابی عملکرد مدل یادگیری ماشین: معیارهای خطای طبقه‌بندی Machine Learning Model Performance Evaluation: Classification Error Metrics

• ارزیابی عملکرد: معیارهای خطای رگرسیون در پایتون Evaluating Performance: Regression Error Metrics in Python

• یادگیری ماشین با پایتون Machine Learning With Python

• آزمون Quiz

یادگیری نظارت‌شده با یادگیری ماشین Supervised Learning with Machine Learning

• یادگیری نظارت‌شده در یادگیری ماشین چیست؟ What is Supervised Learning in Machine Learning?

• آزمون Quiz

الگوریتم رگرسیون خطی در یادگیری ماشین از A تا Z Linear Regression Algorithm in Machine Learning A-Z

• تئوری الگوریتم رگرسیون خطی در یادگیری ماشین از A تا Z Linear Regression Algorithm Theory in Machine Learning A-Z

• الگوریتم رگرسیون خطی با پایتون - بخش ۱ Linear Regression Algorithm With Python Part 1

• الگوریتم رگرسیون خطی با پایتون - بخش ۲ Linear Regression Algorithm With Python Part 2

• الگوریتم رگرسیون خطی با پایتون - بخش ۳ Linear Regression Algorithm With Python Part 3

• الگوریتم رگرسیون خطی با پایتون - بخش ۴ Linear Regression Algorithm With Python Part 4

موازنه بایاس و واریانس در یادگیری ماشین Bias Variance Trade-Off in Machine Learning

• موازنه بایاس و واریانس چیست؟ What is Bias Variance Trade-Off?

• آزمون Quiz

الگوریتم رگرسیون لجستیک در یادگیری ماشین از A تا Z Logistic Regression Algorithm in Machine Learning A-Z

• الگوریتم رگرسیون لجستیک در یادگیری ماشین چیست؟ What is Logistic Regression Algorithm in Machine Learning?

• الگوریتم رگرسیون لجستیک با پایتون - بخش ۱ Logistic Regression Algorithm with Python Part 1

• الگوریتم رگرسیون لجستیک با پایتون - بخش ۲ Logistic Regression Algorithm with Python Part 2

• الگوریتم رگرسیون لجستیک با پایتون - بخش ۳ Logistic Regression Algorithm with Python Part 3

• الگوریتم رگرسیون لجستیک با پایتون - بخش ۴ Logistic Regression Algorithm with Python Part 4

• الگوریتم رگرسیون لجستیک با پایتون - بخش ۵ Logistic Regression Algorithm with Python Part 5

• آزمون Quiz

اعتبارسنجی متقاطع K-fold در یادگیری ماشین از A تا Z K-fold Cross-Validation in Machine Learning A-Z

• تئوری اعتبارسنجی متقاطع K-Fold K-Fold Cross-Validation Theory

• اعتبارسنجی متقاطع K-Fold با پایتون K-Fold Cross-Validation with Python

الگوریتم نزدیکترین همسایگان K در یادگیری ماشین از A تا Z K Nearest Neighbors Algorithm in Machine Learning A-Z

• تئوری الگوریتم نزدیکترین همسایگان K K Nearest Neighbors Algorithm Theory

• الگوریتم نزدیکترین همسایگان K با پایتون - بخش ۱ K Nearest Neighbors Algorithm with Python Part 1

• الگوریتم نزدیکترین همسایگان K با پایتون - بخش ۲ K Nearest Neighbors Algorithm with Python Part 2

• الگوریتم نزدیکترین همسایگان K با پایتون - بخش ۳ K Nearest Neighbors Algorithm with Python Part 3

• آزمون Quiz

بهینه‌سازی هایپرپارامتر Hyperparameter Optimization

• تئوری بهینه‌سازی هایپرپارامتر Hyperparameter Optimization Theory

• بهینه‌سازی هایپرپارامتر با پایتون Hyperparameter Optimization with Python

الگوریتم درخت تصمیم در یادگیری ماشین از A تا Z Decision Tree Algorithm in Machine Learning A-Z

• تئوری الگوریتم درخت تصمیم Decision Tree Algorithm Theory

• الگوریتم درخت تصمیم با پایتون - بخش ۱ Decision Tree Algorithm with Python Part 1

• الگوریتم درخت تصمیم با پایتون - بخش ۲ Decision Tree Algorithm with Python Part 2

• الگوریتم درخت تصمیم با پایتون - بخش ۳ Decision Tree Algorithm with Python Part 3

• الگوریتم درخت تصمیم با پایتون - بخش ۴ Decision Tree Algorithm with Python Part 4

• الگوریتم درخت تصمیم با پایتون - بخش ۵ Decision Tree Algorithm with Python Part 5

• آزمون Quiz

الگوریتم جنگل تصادفی در یادگیری ماشین از A تا Z Random Forest Algorithm in Machine Learning A-Z

• تئوری الگوریتم جنگل تصادفی Random Forest Algorithm Theory

• الگوریتم جنگل تصادفی با پایتون - بخش ۱ Random Forest Algorithm with Pyhon Part 1

• الگوریتم جنگل تصادفی با پایتون - بخش ۲ Random Forest Algorithm with Pyhon Part 2

الگوریتم ماشین بردار پشتیبان در یادگیری ماشین از A تا Z Support Vector Machine Algorithm in Machine Learning A-Z

• تئوری الگوریتم ماشین بردار پشتیبان Support Vector Machine Algorithm Theory

• الگوریتم ماشین بردار پشتیبان با پایتون - بخش ۱ Support Vector Machine Algorithm with Python Part 1

• الگوریتم ماشین بردار پشتیبان با پایتون - بخش ۲ Support Vector Machine Algorithm with Python Part 2

• الگوریتم ماشین بردار پشتیبان با پایتون - بخش ۳ Support Vector Machine Algorithm with Python Part 3

• الگوریتم ماشین بردار پشتیبان با پایتون - بخش ۴ Support Vector Machine Algorithm with Python Part 4

• آزمون Quiz

یادگیری بدون نظارت با یادگیری ماشین Unsupervised Learning with Machine Learning

• مروری بر یادگیری بدون نظارت Unsupervised Learning Overview

• آزمون Quiz

الگوریتم خوشه‌بندی K-Means در یادگیری ماشین از A تا Z K Means Clustering Algorithm in Machine Learning A-Z

• تئوری الگوریتم خوشه‌بندی K-Means K Means Clustering Algorithm Theory

• الگوریتم خوشه‌بندی K-Means با پایتون - بخش ۱ K Means Clustering Algorithm with Python Part 1

• الگوریتم خوشه‌بندی K-Means با پایتون - بخش ۲ K Means Clustering Algorithm with Python Part 2

• الگوریتم خوشه‌بندی K-Means با پایتون - بخش ۳ K Means Clustering Algorithm with Python Part 3

• الگوریتم خوشه‌بندی K-Means با پایتون - بخش ۴ K Means Clustering Algorithm with Python Part 4

• آزمون Quiz

الگوریتم خوشه‌بندی سلسله‌مراتبی در علم داده یادگیری ماشین Hierarchical Clustering Algorithm in machine learning data science

• تئوری الگوریتم خوشه‌بندی سلسله‌مراتبی Hierarchical Clustering Algorithm Theory

• الگوریتم خوشه‌بندی سلسله‌مراتبی با پایتون - بخش ۱ Hierarchical Clustering Algorithm with Python Part 1

• الگوریتم خوشه‌بندی سلسله‌مراتبی با پایتون - بخش ۲ Hierarchical Clustering Algorithm with Python Part 2

• آزمون Quiz

تحلیل مؤلفه‌های اصلی (PCA) در یادگیری ماشین از A تا Z Principal Component Analysis (PCA) in Machine Learning A-Z

• تئوری تحلیل مؤلفه‌های اصلی (PCA) Principal Component Analysis (PCA) Theory

• تحلیل مؤلفه‌های اصلی (PCA) با پایتون - بخش ۱ Principal Component Analysis (PCA) with Python Part 1

• تحلیل مؤلفه‌های اصلی (PCA) با پایتون - بخش ۲ Principal Component Analysis (PCA) with Python Part 2

• تحلیل مؤلفه‌های اصلی (PCA) با پایتون - بخش ۳ Principal Component Analysis (PCA) with Python Part 3

الگوریتم سیستم توصیه‌گر در یادگیری ماشین از A تا Z Recommender System Algorithm in Machine Learning A-Z

• سیستم توصیه‌گر چیست؟ بخش ۱ What is the Recommender System? Part 1

• سیستم توصیه‌گر چیست؟ بخش ۲ What is the Recommender System? Part 2

• آزمون Quiz

اولین تماس با Kaggle First Contact with Kaggle

• Kaggle چیست؟ What is Kaggle?

• سوالات متداول درباره Kaggle FAQ about Kaggle

• ثبت‌نام در Kaggle و مراحل ورود اعضا Registering on Kaggle and Member Login Procedures

• لینک فایل پروژه - پروژه پیش‌بینی حمله قلبی، یادگیری ماشین Project Link File - Hearth Attack Prediction Project, Machine Learning

• آشنایی با صفحه اصلی Kaggle Getting to Know the Kaggle Homepage

• آزمون Quiz

بخش رقابت‌ها در Kaggle Competition Section on Kaggle

• رقابت‌ها در Kaggle: درس ۱ Competitions on Kaggle: Lesson 1

• رقابت‌ها در Kaggle: درس ۲ Competitions on Kaggle: Lesson 2

• آزمون Quiz

بخش مجموعه داده‌ها در Kaggle Dataset Section on Kaggle

• مجموعه داده‌ها در Kaggle Datasets on Kaggle

• آزمون Quiz

بخش کد در Kaggle Code Section on Kaggle

• بررسی بخش کد در Kaggle: درس ۱ Examining the Code Section in Kaggle: Lesson 1

• بررسی بخش کد در Kaggle: درس ۲ Examining the Code Section in Kaggle Lesson 2

• بررسی بخش کد در Kaggle: درس ۳ Examining the Code Section in Kaggle Lesson 3

• آزمون Quiz

بخش بحث و گفتگو در Kaggle Discussion Section on Kaggle

• بحث و گفتگو در Kaggle چیست؟ What is Discussion on Kaggle?

• آزمون Quiz

سایر گزینه‌های پرکاربرد در Kaggle Other Most Used Options on Kaggle

• دوره‌ها در Kaggle Courses in Kaggle

• رتبه‌بندی بین کاربران در Kaggle Ranking Among Users on Kaggle

• بخش‌های بلاگ و مستندات Blog and Documentation Sections

• آزمون Quiz

جزئیات درباره Kaggle Details on Kaggle

• بررسی صفحه کاربری در Kaggle User Page Review on Kaggle

• گنجینه در Kaggle Treasure in The Kaggle

• انتشار نوت‌بوک‌ها در Kaggle Publishing Notebooks on Kaggle

• برای دستیابی به موفقیت در Kaggle چه باید کرد؟ What Should Be Done to Achieve Success in Kaggle?

• آزمون Quiz

مقدمه‌ای بر یادگیری ماشین با پروژه واقعی پیش‌بینی حمله قلبی Introduction to Machine Learning with Real Hearth Attack Prediction Project

• اولین گام به سوی پروژه First Step to the Project

• سوالات متداول درباره یادگیری ماشین، علم داده FAQ about Machine Learning, Data Science

• طراحی نوت‌بوک برای استفاده در پروژه Notebook Design to be Used in the Project

• لینک فایل پروژه - پروژه پیش‌بینی حمله قلبی، یادگیری ماشین Project Link File - Hearth Attack Prediction Project, Machine Learning

• بررسی موضوع پروژه Examining the Project Topic

• شناسایی متغیرها در مجموعه داده Recognizing Variables In Dataset

• آزمون Quiz

سازماندهی اولیه First Organization

• کتابخانه‌های پایتون مورد نیاز Required Python Libraries

• بارگذاری مجموعه داده Loading the Dataset

• تحلیل اولیه روی مجموعه داده Initial analysis on the dataset

• آزمون Quiz

آماده‌سازی برای تحلیل اکتشافی داده (EDA) Preparation For Exploratory Data Analysis (EDA)

• بررسی مقادیر گمشده Examining Missing Values

• بررسی مقادیر منحصر به فرد Examining Unique Values

• جداسازی متغیرها (عددی یا دسته‌بندی‌شده) Separating variables (Numeric or Categorical)

• بررسی آمار متغیرها Examining Statistics of Variables

• آزمون Quiz

تحلیل اکتشافی داده (EDA) - تحلیل تک‌متغیره Exploratory Data Analysis (EDA) - Uni-variate Analysis

• متغیرهای عددی (تحلیل با Distplot): درس ۱ Numeric Variables (Analysis with Distplot): Lesson 1

• متغیرهای عددی (تحلیل با Distplot): درس ۲ Numeric Variables (Analysis with Distplot): Lesson 2

• متغیرهای دسته‌بندی‌شده (تحلیل با نمودار دایره‌ای): درس ۱ Categoric Variables (Analysis with Pie Chart): Lesson 1

• متغیرهای دسته‌بندی‌شده (تحلیل با نمودار دایره‌ای): درس ۲ Categoric Variables (Analysis with Pie Chart): Lesson 2

• بررسی داده‌های گمشده بر اساس نتیجه تحلیل Examining the Missing Data According to the Analysis Result

• آزمون Quiz

تحلیل اکتشافی داده (EDA) - تحلیل دو‌متغیره Exploratory Data Analysis (EDA) - Bi-variate Analysis

• متغیرهای عددی – متغیر هدف (تحلیل با FacetGrid): درس ۱ Numeric Variables – Target Variable (Analysis with FacetGrid): Lesson 1

• متغیرهای عددی – متغیر هدف (تحلیل با FacetGrid): درس ۲ Numeric Variables – Target Variable (Analysis with FacetGrid): Lesson 2

• متغیرهای دسته‌بندی‌شده – متغیر هدف (تحلیل با Count Plot): درس ۱ Categoric Variables – Target Variable (Analysis with Count Plot): Lesson 1

• متغیرهای دسته‌بندی‌شده – متغیر هدف (تحلیل با Count Plot): درس ۲ Categoric Variables – Target Variable (Analysis with Count Plot): Lesson 2

• بررسی متغیرهای عددی در میان خود (تحلیل با Pair Plot) درس ۱ Examining Numeric Variables Among Themselves (Analysis with Pair Plot) Lesson 1

• بررسی متغیرهای عددی در میان خود (تحلیل با Pair Plot) درس ۲ Examining Numeric Variables Among Themselves (Analysis with Pair Plot) Lesson 2

• مقیاس‌بندی ویژگی‌ها با متد Robust Scaler Feature Scaling with the Robust Scaler Method

• ایجاد DataFrame جدید با تابع Melt() Creating a New DataFrame with the Melt() Function

• متغیرهای عددی - دسته‌بندی‌شده (تحلیل با Swarm Plot): درس ۱ Numerical - Categorical Variables (Analysis with Swarm Plot): Lesson 1

• متغیرهای عددی - دسته‌بندی‌شده (تحلیل با Swarm Plot): درس ۲ Numerical - Categorical Variables (Analysis with Swarm Plot): Lesson 2

• متغیرهای عددی - دسته‌بندی‌شده (تحلیل با Box Plot): درس ۱ Numerical - Categorical Variables (Analysis with Box Plot): Lesson 1

• متغیرهای عددی - دسته‌بندی‌شده (تحلیل با Box Plot): درس ۲ Numerical - Categorical Variables (Analysis with Box Plot): Lesson 2

• روابط بین متغیرها (تحلیل با Heatmap): درس ۱ Relationships between variables (Analysis with Heatmap): Lesson 1

• روابط بین متغیرها (تحلیل با Heatmap): درس ۲ Relationships between variables (Analysis with Heatmap): Lesson 2

• آزمون Quiz

آماده‌سازی برای مدل‌سازی در یادگیری ماشین Preparation for Modelling in Machine Learning

• حذف ستون‌ها با همبستگی پایین Dropping Columns with Low Correlation

• تجسم داده‌های پرت Visualizing Outliers

• مدیریت داده‌های پرت – متغیر Trtbps: درس ۱ Dealing with Outliers – Trtbps Variable: Lesson 1

• مدیریت داده‌های پرت – متغیر Trtbps: درس ۲ Dealing with Outliers – Trtbps Variable: Lesson 2

• مدیریت داده‌های پرت – متغیر Thalach Dealing with Outliers – Thalach Variable

• مدیریت داده‌های پرت – متغیر Oldpeak Dealing with Outliers – Oldpeak Variable

• تعیین توزیع متغیرهای عددی Determining Distributions of Numeric Variables

• عملیات تبدیل بر روی داده‌های نامتقارن Transformation Operations on Unsymmetrical Data

• اعمال متد One Hot Encoding به متغیرهای دسته‌بندی‌شده Applying One Hot Encoding Method to Categorical Variables

• مقیاس‌بندی ویژگی‌ها با متد Robust Scaler برای الگوریتم‌های یادگیری ماشین Feature Scaling with the Robust Scaler Method for Machine Learning Algorithms

• جداسازی داده‌ها به مجموعه آزمایشی و آموزشی Separating Data into Test and Training Set

• آزمون Quiz

مدل‌سازی برای یادگیری ماشین Modelling for machine learning

• رگرسیون لجستیک Logistic Regression

• اعتبارسنجی متقاطع Cross Validation

• منحنی Roc و مساحت زیر منحنی (AUC) Roc Curve and Area Under Curve (AUC)

• بهینه‌سازی هایپرپارامتر (با GridSearchCV) Hyperparameter Optimization (with GridSearchCV)

• الگوریتم درخت تصمیم Decision Tree Algorithm

• الگوریتم ماشین بردار پشتیبان Support Vector Machine Algorithm

• الگوریتم جنگل تصادفی Random Forest Algorithm

• بهینه‌سازی هایپرپارامتر (با GridSearchCV) Hyperparameter Optimization (with GridSearchCV)

• آزمون Quiz

نتیجه‌گیری Conclusion

• نتیجه‌گیری و اشتراک‌گذاری پروژه Project Conclusion and Sharing

• آزمون Quiz

تکمیلی Extra

• یادگیری ماشین و علم داده با Kaggle، Pandas، Numpy Machine Learning & Data Science with Kaggle, Pandas , Numpy