آموزش اصول علم داده پایتون: شروع به کار
Python Data Science Fundamentals: Getting Started
شرح دوره: پایتون برای یادگیری ماشینی: شروع یک مبتدی
به Python for Machine Learning خوش آمدید: یک دوره ابتدایی Kickstart! این دوره مقدماتی طراحی شده است تا مهارت ها و دانش اساسی مورد نیاز برای فرو رفتن در دنیای هیجان انگیز یادگیری ماشین با استفاده از پایتون را در اختیار شما قرار دهد.
بررسی اجمالی دوره: در این دوره، تجربه عملی با کتابخانه های ضروری پایتون برای دستکاری داده ها، تجزیه و تحلیل، تجسم سازی و یادگیری ماشین کسب خواهید کرد. این دوره بر روی سه کتابخانه اصلی تمرکز دارد: NumPy، Pandas، Matplotlib و Scikit-learn. این کتابخانه‌ها ستون فقرات علم داده و یادگیری ماشین در پایتون هستند و تسلط بر آن‌ها پایه محکمی برای کشف موضوعات پیشرفته‌تر یادگیری ماشین به شما می‌دهد.
آنچه خواهید آموخت:
NumPy: نحوه کار موثر با آرایه ها و ماتریس ها، انجام عملیات ریاضی و دستکاری داده ها در Python با استفاده از NumPy را بیاموزید.
پانداها: قدرت پانداها را برای جدال و دستکاری داده ها، از مدیریت فریم های داده تا انجام تجزیه و تحلیل داده ها و تمیز کردن، کشف کنید.
Matplotlib: تکنیک های تجسم داده ها را با استفاده از Matplotlib برای ایجاد نمودارها و نمودارهای معنی دار کاوش کنید.
Scikit-learn: با Scikit-learn وارد دنیای یادگیری ماشین شوید. اصول اولیه پیش پردازش داده ها، ساخت مدل، آموزش، ارزیابی و پیش بینی را بدانید.
سفر علم داده خود را راه اندازی کنید: یک سفر یادگیری متحول کننده را آغاز کنید که شما را با مهارت ها و دانش اساسی مورد نیاز برای برتری در زمینه علم داده مجهز می کند. با پایتون در قلب این دوره، از قدرت NumPy، Pandas، Matplotlib و Scikit-learn استفاده می کنید تا به یک دانشمند داده ماهر تبدیل شوید.
چرا از اینجا شروع کنید: این دوره برای اولین قدم شما در دنیای هیجان انگیز علم داده و یادگیری ماشین طراحی شده است. ما شما را به یک ماجراجویی مبتدی دوستانه می بریم، با تمرکز بر کتابخانه های ضروری پایتون: NumPy برای محاسبات عددی، پانداها برای دستکاری داده ها، Matplotlib برای تجسم داده ها، و Scikit-learn برای یادگیری ماشینی مقدماتی.
مهارت‌های ضروری را بسازید: با راهنمایی‌تان از طریق مفاهیم اساسی هر کتابخانه، قدرت پایتون را در علم داده کشف کنید. در پایان دوره، درک کاملی از نحوه انجام تجزیه و تحلیل داده های اولیه، تجسم، و حتی ایجاد مدل های یادگیری ماشینی ساده خواهید داشت.
معرفی Introduction
-
مقدمه دوره: اصول علم داده پایتون: شروع به کار Introduction to Course : Python Data Science Fundamentals: Getting Started
-
یادداشت خوش آمد گویی نویسنده Welcome Note by the Author
-
پیش نیاز این دوره: سفر علم داده خود را آغاز کنید Prerequisite for This Course: Embark on Your Data Science Journey
راه اندازی محیط زیست Setting up the Environment
-
محیط Anaconda را دانلود و نصب کنید Download and Install Anaconda Environment
مقدمه ای بر NumPy: مبانی محاسبات عددی Introduction to NumPy: Foundations of Numerical Computing
-
مقدمه ای بر NumPy Introduction to NumPy
-
یک شی NumPy ndarray ایجاد کنید Create a NumPy ndarray Object
-
نمایه سازی آرایه NumPy NumPy Array Indexing
-
برش آرایه NumPy [Python عددی] NumPy Array Slicing [ Numerical Python ]
-
NumPy Array Copy در مقابل View [Python عددی] NumPy Array Copy vs View [ Numerical Python ]
-
تغییر شکل آرایه NumPy [Python عددی] NumPy Array Reshaping [ Numerical Python ]
-
تکرار آرایه NumPy [Python عددی] NumPy Array Iterating [ Numerical Python ]
مقدمه ای بر پانداها: کتابخانه قدرتمند تجزیه و تحلیل داده ها Introduction to Pandas: A Powerful Data Analysis Library
-
معرفی پانداها Pandas Introduction
-
پانداس دیتا فریم Pandas DataFrames
-
پانداها CSV را می‌خوانند و فریم‌های داده را تجزیه و تحلیل می‌کنند Pandas Read CSV & Analyzing DataFrames
-
پانداها - تمیز کردن سلول های خالی Pandas - Cleaning Empty Cells
-
پانداها - حذف موارد تکراری Pandas - Removing Duplicates
-
پانداها - همبستگی داده ها Pandas - Data Correlations
آموزش Matplotlib Matplotlib Tutorial
-
آموزش Matplotlib قسمت 1 Matplotlib Tutorial Part 1
ملزومات Scikit-Learn: Python's ML Powerhouse [شروع به کار] Scikit-learn Essentials: Python's ML Powerhouse [Getting started ]
-
یادگیری ماشین پایتون: Scikit-Learn [شروع به کار] Python Machine Learning: Scikit-Learn [Getting started ]
-
یادگیری ماشین پایتون: Scikit-Learn [پیش پردازش داده ها] Python Machine Learning: Scikit-Learn [Data Preprocessing ]
-
یادگیری ماشین پایتون: Scikit-Learn [آموزش مدل] Python Machine Learning: Scikit-Learn [ Model Training ]
-
یادگیری ماشین پایتون: Scikit-Learn [مدل سازی و ارزیابی] Python Machine Learning: Scikit-Learn [Model Building & Evaluation ]
Udemy (یودمی)
یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.
یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.
https://donyad.com/d/068bd5
Academy of Computing & Artificial Intelligence
مدرس ارشد / سرپرست پروژه / مشاور من 9 سال سابقه کار به عنوان محقق ، مدرس ارشد ، ناظر پروژه و مهندس دارم. کارشناسی ارشد هوش مصنوعی (دانشگاه موراتووا) ، مهندسی نرم افزار کارشناسی - افتخارات درجه یک (دانشگاه وست مینستر) ، SCJP ، SCWC من کارشناسی ارشد هوش مصنوعی را گذرانده ام. مهندسی نرم افزار کارشناسی ارشد - افتخارات درجه یک از دانشگاه وست مینستر (انگلستان). Sun Certified Java Programmer (SCJP). - 93٪ و یک توسعه دهنده مجاز وب Sun Component 97٪. . من تجربه تحقیق در داده کاوی ، یادگیری ماشین ، رایانش ابری ، هوش تجاری و مهندسی نرم افزار را دارم
نمایش نظرات