آموزش تحلیل خوشه بندی پیشرفته با پایتون و پانداز [2025] - آخرین آپدیت

دانلود Master Cluster Analysis with Python and Pandas [2025]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

آموزش جامع تحلیل خوشه ای و یادگیری بدون نظارت با پانداز و پایتون!

تحلیل خوشه ای و یادگیری بدون نظارت از مهم‌ترین و تعیین‌کننده‌ترین وظایف در حوزه یادگیری ماشین و علم داده هستند. این روش‌ها ابزارهای اصلی برای دانشمندان داده، تحلیلگران و متخصصان هوش مصنوعی به منظور ایجاد بینش، اطلاعات و دانش جدید از داده‌ها به شمار می‌روند.

این دوره، یک دوره ویدیویی جامع و عملی ۳ در ۱ برای تسلط بر تحلیل خوشه ای و یادگیری بدون نظارت با استفاده از مدیریت پیشرفته داده با زبان برنامه نویسی پایتون 3 و کتابخانه قدرتمند پانداز 2 و 3 است.

در این دوره، با استفاده از پایتون و پانداز، پیشرفته‌ترین و کارآمدترین تکنیک‌های تحلیل خوشه ای و یادگیری بدون نظارت را فرا خواهید گرفت.

در این دوره می آموزید:

  • تسلط بر تحلیل خوشه ای و یادگیری بدون نظارت، هم از نظر تئوری و هم عملی
  • تسلط بر مدل‌های تحلیل خوشه ای ساده و پیشرفته
  • استفاده از تحلیل خوشه ای K-means، DBSCAN، مدل‌های خوشه ای سلسله مراتبی، تجزیه و تحلیل مولفه های اصلی (PCA) و غیره...
  • ارزیابی مدل‌های تحلیل خوشه ای با استفاده از ابزارهای مختلف
  • یادگیری تئوری پیشرفته یادگیری بدون نظارت و یادگیری با نظارت و آشنایی با شبیه سازی های خودکار
  • درک مفاهیمی مانند حقیقت، حقیقت پیش بینی شده یا حقیقت شرطی مبتنی بر مدل
  • استفاده از ابزارهای گرافیکی پیشرفته موثر برای ارزیابی عملکرد مدل‌ها
  • استفاده از کتابخانه های Scikit-learn برای تحلیل خوشه ای و یادگیری بدون نظارت، با پشتیبانی Matplotlib، Seaborn، پانداز و پایتون
  • تسلط بر برنامه نویسی پایتون 3 با استفاده از ساختارهای داده، تبدیل کننده های داده، توابع، شی گرایی و منطق بومی پایتون
  • استفاده و طراحی ساختارهای پیشرفته پایتون و اجرای وظایف دقیق مدیریت داده با پایتون، از جمله مدیریت فایل
  • استفاده از برنامه نویسی شی گرا پیشرفته پایتون و ایجاد اشیاء و توابع سفارشی و نحوه تعمیم توابع
  • دستکاری داده‌ها و استفاده از ساختارهای داده نامنظم چند بعدی پیشرفته
  • تسلط بر کتابخانه پانداز 2 و 3 برای مدیریت پیشرفته داده
  • استفاده از زبان و مفاهیم اساسی کتابخانه پانداز و مدیریت تمام جنبه های ایجاد، تغییر، اصلاح و انتخاب داده از یک شی DataFrame پانداز
  • استفاده از مدیریت فایل با پانداز و نحوه ترکیب DataFrameهای پانداز با استفاده از توابع/متدهای concat، join و merge پانداز
  • انجام آماده سازی داده پیشرفته، از جمله جایگذاری مبتنی بر مدل پیشرفته برای داده های از دست رفته و مقیاس بندی و استانداردسازی داده ها
  • ایجاد توضیحات و آمار پیشرفته داده با پانداز. رتبه بندی، مرتب سازی، جدول بندی متقابل، محوری، ذوب، انتقال و گروه بندی داده ها
  • [ویدیوی اضافی] ایجاد تصاویر بصری پیشرفته داده با پانداز، Matplotlib و Seaborn
  • رایانش ابری: استفاده از Anaconda Cloud Notebook (Jupyter Notebook مبتنی بر ابر). یادگیری استفاده از منابع رایانش ابری
  • گزینه: استفاده از Anaconda Distribution (برای ویندوز، مک، لینوکس)
  • گزینه: استفاده از مبانی محیط پایتون با سیستم مدیریت بسته Conda و نصب/به روز رسانی کتابخانه ها و بسته‌ها از طریق خط فرمان - نکات طلایی برای بهبود کیفیت زندگی کاری شما.
  • و خیلی بیشتر...

این دوره یک روش عالی برای یادگیری و تسلط بر تحلیل خوشه ای، یادگیری بدون نظارت، پایتون، پانداز و مدیریت پیشرفته داده است!

تحلیل خوشه ای و یادگیری بدون نظارت به عنوان انواع اکتشافی تجزیه و تحلیل داده در نظر گرفته می شوند و برای کشف اطلاعات و دانش جدید مفید هستند. یادگیری بدون نظارت و تحلیل خوشه ای اغلب به عنوان یکی از معدود راه های ایجاد دانش یا اطلاعات داده جدید توسط هوش مصنوعی و هوش ماشین بدون کمک یا نظارت انسان، به اصطلاح یادگیری با نظارت، در نظر گرفته می شوند.

مدیریت داده فرآیند مفید کردن داده ها برای تجزیه و تحلیل است. اکثر دانشمندان داده و مهندسان یادگیری ماشین حدود 80 درصد از تلاش و زمان کاری خود را صرف وظایف مدیریت داده می کنند. تسلط بر مدیریت داده با پایتون و پانداز یک مهارت بسیار مفید و صرفه جویی در زمان است که به عنوان یک ضریب نیرو برای بهره وری عمل می کند.

این دوره به شما این امکان را می دهد که از رایانش ابری با Anaconda Cloud Notebook استفاده کنید و نحوه استفاده از منابع رایانش ابری را یاد بگیرید، یا می توانید از هر محیطی با قابلیت پایتون به انتخاب خود استفاده کنید.

این دوره برای همه کسانی که می خواهند طراحی شده است:

  • یاد بگیرند که بر تحلیل خوشه ای و یادگیری بدون نظارت تسلط پیدا کنند
  • یاد بگیرند که از ابتدا یا سطح مبتدی بر پایتون 3 تسلط پیدا کنند
  • یاد بگیرند که بر پایتون 3 تسلط پیدا کنند و زبان برنامه نویسی دیگری را می دانند
  • به سطح برنامه نویس پایتون مستر - متوسط ​​برسند، همانطور که توسط بسیاری از دوره های پیشرفته Udemy در پایتون، علم داده یا یادگیری ماشین مورد نیاز است
  • یاد بگیرند که بر کتابخانه پانداز تسلط پیدا کنند
  • مهارت های مدیریت داده را بیاموزند که به عنوان یک ضریب نیرو عمل می کنند و در کل حرفه خود از آنها استفاده خواهند کرد
  • مدیریت پیشرفته داده را یاد بگیرند و قابلیت ها و بهره وری خود را بهبود بخشند

نیازمندی ها:

  • تجربه روزمره استفاده از رایانه با ویندوز، MacOS، iOS، Android، ChromeOS یا Linux توصیه می شود
  • دسترسی به رایانه با اتصال به اینترنت
  • تجربه برنامه نویسی لازم نیست و هر چیزی که نیاز دارید به شما آموزش داده می شود
  • این دوره فقط از نرم افزار رایگان استفاده می کند
  • ویدیوهای راهنمای نصب و راه اندازی رایانش ابری و ویندوز 10/11 گنجانده شده است

این دوره، دوره ای است که خودمان می خواستیم بتوانیم در آن ثبت نام کنیم اگر می توانستیم در زمان سفر کنیم و دانش آموز جدید شویم. به نظر ما، این دوره بهترین دوره برای یادگیری و تسلط بر تحلیل خوشه ای، یادگیری بدون نظارت، پایتون، پانداز و مدیریت داده است.

اکنون ثبت نام کنید تا بیش از 25 ساعت آموزش ویدیویی با زیرنویس انگلیسی ویرایش شده دستی و گواهی پایان دوره پس از اتمام دوره دریافت کنید!


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • راه اندازی نوت بوک Anaconda Cloud Setup of the Anaconda Cloud Notebook

  • دانلود و نصب توزیع Anaconda (اختیاری) Download and installation of the Anaconda Distribution (optional)

  • سیستم مدیریت بسته Conda (اختیاری) The Conda Package Management System (optional)

تسلط بر پایتون برای مدیریت داده Master Python for Data Handling

  • بررسی اجمالی Overview

  • اعداد صحیح پایتون Python Integers

  • اعداد اعشاری پایتون Python Floats

  • رشته های پایتون Python Strings

  • متدهای رشته پایتون Python String Methods

  • رشته های پایتون و اشیاء DateTime Python Strings and DateTime Objects

  • بررسی اجمالی ذخیره سازی داده در پایتون Python Data Storage Overview

  • مجموعه پایتون Python Set

  • تاپل پایتون Python Tuple

  • دیکشنری پایتون Python Dictionary

  • لیست پایتون Python List

  • بررسی اجمالی توابع و تبدیل کننده های داده Data Transformers and Functions Overview

  • حلقه While پایتون Python While-loop

  • حلقه For پایتون Python For-loop

  • شاخه بندی کد شرطی پایتون و عملگرهای منطقی Python Conditional Code Branching and Logic Operators

  • نظریه تابع پایتون Python Function Theory

  • توابع پایتون II: توابع سفارشی خود را ایجاد کنید Python Functions II: create your own functions

  • برنامه نویسی شی گرا در پایتون I: برخی نظریه ها Python Object Oriented Programming I: Some theory

  • برنامه نویسی شی گرا در پایتون II: اشیاء سفارشی خود را ایجاد کنید Python Object Oriented Programming II: create your own custom objects

  • برنامه نویسی شی گرا در پایتون III: فایل ها و جداول Python Object Oriented Programming III: Files and Tables

  • برنامه نویسی شی گرا در پایتون IV: خلاصه و بیشتر Python Object Oriented Programming IV: Recap and More

تسلط بر پانداز برای مدیریت داده Master Pandas for Data Handling

  • تسلط بر پانداز برای مدیریت داده: بررسی اجمالی Master Pandas for Data Handling: Overview

  • نظریه و اصطلاحات پانداز Pandas theory and terminology

  • ایجاد یک DataFrame پانداز از ابتدا Creating a Pandas DataFrame from scratch

  • مدیریت فایل در پانداز: بررسی اجمالی Pandas File Handling: Overview

  • مدیریت فایل در پانداز: فرمت فایل csv. Pandas File Handling: The .csv file format

  • مدیریت فایل در پانداز: فرمت فایل xlsx. Pandas File Handling: The .xlsx file format

  • مدیریت فایل در پانداز: فایل های پایگاه داده SQL و DataFrame پانداز Pandas File Handling: SQL-database files and Pandas DataFrame

  • عملیات و تکنیک های پانداز: بررسی اجمالی Pandas Operations & Techniques: Overview

  • عملیات و تکنیک های پانداز: بازرسی شی Pandas Operations & Techniques: Object Inspection

  • عملیات و تکنیک های پانداز: بازرسی DataFrame Pandas Operations & Techniques: DataFrame Inspection

  • عملیات و تکنیک های پانداز: انتخاب ستون Pandas Operations & Techniques: Column Selections

  • عملیات و تکنیک های پانداز: انتخاب سطر Pandas Operations & Techniques: Row Selections

  • عملیات و تکنیک های پانداز: انتخاب شرطی Pandas Operations & Techniques: Conditional Selections

  • عملیات و تکنیک های پانداز: مقیاسگرها و استانداردسازی Pandas Operations & Techniques: Scalers and Standardization

  • عملیات و تکنیک های پانداز: ادغام DataFrames Pandas Operations & Techniques: Concatenate DataFrames

  • عملیات و تکنیک های پانداز: اتصال DataFrames Pandas Operations & Techniques: Joining DataFrames

  • عملیات و تکنیک های پانداز: ادغام DataFrames Pandas Operations & Techniques: Merging DataFrames

  • عملیات و تکنیک های پانداز: توابع جابجایی و محوربندی Pandas Operations & Techniques: Transpose & Pivot Functions

  • آماده سازی داده در پانداز I: بررسی اجمالی و گردش کار Pandas Data Preparation I: Overview & workflow

  • آماده سازی داده در پانداز II: ویرایش برچسب های DataFrame Pandas Data Preparation II: Edit DataFrame labels

  • آماده سازی داده در پانداز III: داده های تکراری Pandas Data Preparation III: Duplicates

  • آماده سازی داده در پانداز IV: داده های از دست رفته و جایگزینی Pandas Data Preparation IV: Missing Data & Imputation

  • آماده سازی داده در پانداز V: دسته بندی داده ها [ویدیوی اضافی] Pandas Data Preparation V: Data Binnings [Extra Video]

  • آماده سازی داده در پانداز VI: ویژگی های نشانگر [ویدیوی اضافی] Pandas Data Preparation VI: Indicator Features [Extra Video]

  • توضیح داده در پانداز: بررسی اجمالی Pandas Data Description: Overview

  • توضیح داده در پانداز II: مرتب سازی و رتبه بندی Pandas Data Description II: Sorting and Ranking

  • توضیح داده در پانداز III: آمار توصیفی Pandas Data Description III: Descriptive Statistics

  • توضیح داده در پانداز IV: جداول متقاطع و گروه بندی Pandas Data Description IV: Crosstabulations & Groupings

  • تصویرسازی داده در پانداز: بررسی اجمالی Pandas Data Visualization: Overview

  • تصویرسازی داده در پانداز II: هیستوگرام ها Pandas Data Visualization II: Histograms

  • تصویرسازی داده در پانداز III: نمودارهای جعبه ای Pandas Data Visualization III: Boxplots

  • تصویرسازی داده در پانداز IV: نمودارهای پراکندگی Pandas Data Visualization IV: Scatterplots

  • تصویرسازی داده در پانداز V: نمودارهای دایره ای Pandas Data Visualization V: Pie Charts

  • تصویرسازی داده در پانداز VI: نمودارهای خطی Pandas Data Visualization VI: Line plots

تسلط بر تحلیل خوشه ای و یادگیری بدون نظارت Master Cluster Analysis and Unsupervised Learning

  • بررسی اجمالی Overview

  • تحلیل خوشه ای K-Means K-Means Cluster Analysis

  • تحلیل خوشه ای K-Means با به روز رسانی خودکار، مقدمه و شبیه سازی Auto-updated K-Means Cluster Analysis, introduction and simulation

  • خوشه بندی فضایی مبتنی بر چگالی برنامه های کاربردی با نویز (DBSCAN) Density-Based Spatial Clustering of Applications with Noise (DBSCAN)

  • چهار الگوریتم خوشه بندی سلسله مراتبی Four Hierarchical Clustering algorithms

  • تجزیه و تحلیل مولفه های اصلی (PCA) Principal Component Analysis (PCA)

نمایش نظرات

آموزش تحلیل خوشه بندی پیشرفته با پایتون و پانداز [2025]
جزییات دوره
32.5 hours
65
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
685
5 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Henrik Johansson Henrik Johansson

مدرس در Udemy