پس از یادگیری مبانی پایتون ، گام بعدی برای افزایش بهره وری ، یادگیری مهارت در یک محیط توسعه یا IDE است. این دوره به شما کمک می کند تا شروع کنید.
بیاموزید چگونه با مجموعه داده های بسیار بزرگ بدون ترک اکوسیستم داده آشنا و غنی پایتون کار کنید. این دوره به شما می آموزد که چگونه از کتابخانه Dask استفاده کنید تا بتوانید داده هایی را که برای ابزارهای معمولی مانند Pandas یا NumPy بسیار بزرگ است ، کنترل کنید.
به اشتراک گذاری کار علم داده می تواند کثیف باشد. بیاموزید که چگونه از Docker - ابزار محبوب استقرار و مدیریت برنامه ها به عنوان کانتینر - برای به اشتراک گذاری کارآمدتر مدل های یادگیری ماشین استفاده کنید.
تکنیک های اساسی برای پاکسازی و پردازش متن را در پایتون بیاموزید. نحوه تبدیل متن به فرم آماده برای تجزیه و تحلیل و پیش بینی ها را کشف کنید.
با تکنیک های تجزیه و تحلیل داده های متنی در پایتون آشنا شوید و یادگیری ماشین و پیش بینی ها را انجام دهید.
در این دوره ، شما از سلام به سلنیوم تا ترکیب آن با Python و Beautiful Soup برای یادگیری همه چیز در مورد استخراج اطلاعات از یک صفحه وب پویا ، فاصله خواهید داشت.
ساخت و آموزش شبکه های عصبی یادگیری عمیق با TensorFlow 2.0
راهنمای عملی برای MongoDB 4.0 با رویکرد توسعه مبتنی بر آزمایش برای مدیریت برنامههای کاربردی و دادههای آنها
یادگیری ماشین و علم داده برای مبتدیان برنامه نویسی با استفاده از Python با scikit-learn، SciPy، Matplotlib و Pandas.
پایگاه داده MySql را با پایتون به روشی سریع و آسان بیاموزید!
آموزش توسعه وب مبتنی بر پایگاه داده با جنگو و پایتون!
یاد بگیرید که چگونه سه ابزار مهم در علم داده را ترکیب کنید: Python، SQL و Tableau