این دوره شامل تکنیک های مربوط به آمار استنباطی ، از جمله آزمون فرضیه ، آزمون t و آزمون مجذور کای پیرسون ، همراه با ANOVA است که برای تجزیه و تحلیل اثرات بین متغیرهای طبقه ای و تعامل بین متغیرها استفاده می شود.
این دوره جنبه های مهم انتخاب محیط توسعه برای پایتون ، تفاوت های Conda و Pip برای کار با کتابخانه های پایتون ، IDE های معروف مانند PyCharm ، IDLE ، Eclipse و Spyder و همچنین اجرای پایتون را پوشش می دهد ...
برنامه نویسی پایتون را برای علم داده بیاموزید. بخش 2 نحوه استفاده از یادگیری ماشین برای تولید پیش بینی ها و توصیه ها و خودکار کردن کارهای معمول را شرح می دهد.
برنامه نویسی پایتون را برای علم داده بیاموزید. با ساخت یک پروژه عملی: یک دستگاه تراش دهنده وب خودکار ، نحوه تمیز کردن ، تبدیل ، تجزیه و تحلیل و تجسم داده ها را کشف کنید.
از صفر شروع کنید و با نوشتن بیش از 20 برنامه هک همزمان به تسلط بر پایتون و هک اخلاقی پیشرفت کنید.
آموزش عملی پایتون برای مبتدی تا پیشرفته. در حین کار بر روی این پروژه ها دانش عملی و اعتماد به نفس به دست آورید و پایه ای محکم در برنامه نویسی پایتون ایجاد کنید.
نحوه پیاده سازی یادگیری انتقال را با استفاده از PyTorch ، چارچوب محبوب یادگیری ماشین کشف کنید.
آشنایی سریع با پایتون داشته باشید. اصول پایتون ، از جمله انواع داده ها ، عملکردها و جریان کنترل را بیاموزید و در مورد زبان مناسب پروژه های خود تصمیم بگیرید.
با استفاده از PyTorch اصول یادگیری عمیق را کاوش کنید. با استفاده از مجموعه داده Fashion MNIST ، درباره اجزای مدل شناسایی تصویر اطلاعات کسب کنید.
برنامه نویسی پایتون 3 را سریع یاد بگیرید!
هفت درس و تمرین کوتاه برای شروع یادگیری عمیق با استفاده از TensorFlow 2.0 سریعتر از سایر دوره ها!
آموزش برنامه نویسی با پایتون 3، تجسم الگوریتم ها و ساختارهای داده و پیاده سازی آنها در پروژه های پایتون