آموزش اصول علم داده پایتون: شروع به کار

Python Data Science Fundamentals: Getting Started

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: مبانی علم داده پایتون: برای اطلاعات قدرتمند داده‌ها، به NumPy، Pandas، Matplotlib و Scikit-learn بروید. تحلیل داده‌ها با استفاده از NumPy و Pandas برای دستکاری کارآمد ایجاد تجسم داده‌های تاثیرگذار با Matplotlib، انتقال بینش به طور موثر. مقدمه‌ای برای Scikit و ارزیابی مدل‌های پیش‌بینی افزایش مهارت‌های عملی در تجزیه و تحلیل داده‌ها، تجسم، و تکنیک‌های اساسی یادگیری ماشینی

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.


سرفصل ها و درس ها

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 ]

نمایش نظرات

آموزش اصول علم داده پایتون: شروع به کار
جزییات دوره
2 hours
22
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
3,617
4.2 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Academy of Computing & Artificial Intelligence 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