×
ribbon

پایتون برای علم داده: بوت کمپ کامل علم داده

مدرس:Udemy

Muhammad Riaz Uddin

پایتون برای علم داده: بوت‌کمپ کامل علم داده

جدید
زیرنویس
21دانشجو
4ساعت
سرفصل‌ها
مقدماتی تا پیشرفته سطح دوره
بروزرسانیمهر ۱۴۰۵
محتوای دوره
سرفصل‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

آنچه در این دوره می‌آموزید

درک مفاهیم علم داده و دلیل استفاده از پایتون برای این حوزه

کار با محیط‌های تعاملی مانند Jupyter برای اجرای کدها و تحلیل داده‌ها

استفاده از کتابخانه‌های Pandas، Matplotlib و Seaborn برای خواندن، پاک‌سازی و تجسم داده‌ها

پیاده‌سازی فرایندهای پاک‌سازی و پیش‌پردازش داده‌ها از جمله کار با CSV، Excel و JSON و مدیریت خطا و کنترل جریان در پایتون

این دوره شامل:

4 ساعت ویدئو

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

زیرنویس اختصاصی مکتب‌خونه

سرفصل‌های دوره

9 فصل44 جلسه4 ساعت ویدیو
مقدمه‌ای بر علوم داده و پایتون
  علوم داده چیست؟
04:43
  چرا پایتون برای علوم داده؟
04:52
  معرفی دفترچه‌های جی‌یوپر
01:14
  اولین اسکریپت پایتون سلام داده‌ها
05:37
اصول پایتون برای علوم داده
  متغیرها، انواع داده و عملگرها
06:25
  جریان‌های کنترلی، شرطی‌ها و حلقه‌ها
06:31
  توابع و دامنه
05:29
  کار با ماژول‌ها و بسته‌ها
06:43
  مدیریت خطا و ادعاهای صحت
07:41
کار با داده‌ها با استفاده از پانداس
  مقدمه‌ای بر سری‌های پانداس و دیتافریم‌های آن
06:15
  خواندن و نوشتن داده‌ها (CSV، Excel و JSON)
06:14
  پاک‌سازی داده‌ها و پیش‌پردازش
07:43
  مدیریت مقادیر گمشده و داده‌های تکراری
07:58
  تبدیل داده‌ها و مهندسی ویژگی‌ها
07:33
  گروه‌بندی، مرتب‌سازی و تجمیع داده‌ها
06:07
محاسبات عددی با کتابخانه NumPy
  آرایه‌ها در برابر لیست‌ها
04:09
  ایجاد شاخص‌گذاری و برش آرایه‌ها
03:44
  عملیات ریاضی با کتابخانه NumPy
05:20
  پخش و بردارسازی
03:38
  توابع مفید NumPy برای علم داده
06:07
نمایش داده‌ها
  مقدمه‌ای بر نمایش داده‌ها
04:51
  رسم نمودار با Matplotlib
07:09
  سفارشی‌سازی نمودارها (رنگ‌ها، برچسب‌ها و راهنماهای نمودار)
06:19
  نمودارهای پیشرفته: نقشه‌های گرمایی، نمودارهای جفتی و نمودارهای ویولین
06:09
  تصویرسازی‌های تعاملی (اختیاری: Plotly و Altair)
04:07
تحلیل داده‌های اکتشافی
  چیستی تحلیل داده‌های اکتشافی
04:12
  شناسایی الگوها، داده‌های پرت و روندها
04:58
  آمار توصیفی
05:26
  تحلیل همبستگی
03:48
  استفاده از Pandas Profiling و Sweetviz (اختیاری)
04:51
مقدمه‌ای بر آمار برای علم داده
  میانگین، میانه، نما، واریانس، انحراف معیار
04:11
  مفاهیم احتمال
03:48
  آزمون فرضیه
03:34
  بازه‌های اطمینان
03:51
  درک شهودی رگرسیون خطی
06:22
یادگیری ماشین با Scikit Learn
  یادگیری ماشین چیست
03:11
  یادگیری با نظارت در برابر یادگیری بدون نظارت
05:27
  روند کار یادگیری ماشین (آماده‌سازی، آموزش، ارزیابی، بهینه‌سازی)
05:00
  الگوریتم‌های رگرسیون: خطی، ریج، لاسو
06:37
  الگوریتم‌های طبقه‌بندی: رگرسیون لجستیک، کی نزدیک‌ترین همسایه‌ها، درخت‌های تصمیم‌گیری
06:26
  خوشه‌بندی با الگوریتم کی میانگین
02:54
مواضيع پیشرفته (پاداش اختیاری)
  مقدمه‌ای بر تحلیل سری‌های زمانی
05:38
  مقدمه‌ای بر یادگیری عمیق با تنسور فلو و کراس
05:58
  کار با داده‌های بزرگ: مقدمه‌ای بر پی‌اسپارک
05:53

توضیحات دوره

این دوره شامل تحلیل داده، بصری‌سازی و یادگیری ماشین با پایتون است. شما با مفاهیم علم داده آشنا خواهید شد و یاد خواهید گرفت که چرا پایتون بهترین انتخاب برای این کار است. با Jupyter Notebooks کار خواهید کرد و با متغیرها، انواع داده و عملگرها آشنا می‌شوید. همچنین کنترل جریان، مدیریت خطا، و کار با ماژول‌ها و بسته‌ها را یاد خواهید گرفت. در این دوره با کتابخانه Pandas، خواندن و نوشتن داده‌ها (CSV، Excel، JSON)، پاک‌سازی داده‌ها و پیش‌پردازش آن‌ها، و بصری‌سازی داده‌ها با Matplotlib و Seaborn آشنا می‌شوید.

دیدگاه کاربران

5

بر اساس امتیاز 1 دانشجو

1
2
3
4
5

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه

ضمانت بازگشت وجه

کیفیت این آموزش توسط مکتب‌خونه تضمین شده است. در صورت عدم رضایت، با شرایط زیر می‌توانید درخواست بازگشت وجه کنید.

مهلت درخواستتا ۱۵ روز پس از خرید دوره
میزان مشاهدهکمتر از ۲۰ درصد یا ۵ جلسه از دوره
6دوره
96دانشجو
2نظر و امتیاز
سلام، من محمد ریاض اودین هستم. من ۶ سال تجربه کار در هوش مصنوعی، تحلیل داده‌ها، توسعه وب و طراحی وب دارم. در طول سال‌ها پروژه‌های واقعی انجام داده‌ام که حل مسئله، خلاقیت و پیاده‌سازی عملی را تلفیق می‌کند. سبک تدریس من بر ساده‌سازی مفاهیم پیچیده و توضیح آن‌ها به روشی است که برای مبتدیان نیز قابل درک باشد. معتقدم بهترین روش یادگیری از طریق انجام کار است، بنابراین دوره‌های من بر نمونه‌های عملی، راهنمایی گام به گام و پروژه‌های دنیای واقعی تأکید دارند. هدف من در Udemy این است که دانش‌آموزان پایه‌های فنی محکمی بسازم، اعتماد به نفس آنان را افزایش دهم و آنچه می‌آموزند را در موقعیت‌های واقعی به کار ببرند—چه آغاز راه باشند چه بخواهند مهارت‌های خود را ارتقا دهند. بیایید با هم یاد بگیریم، بسازیم و رشد کنیم. نمایش بیشتر/نمایش کمتر
poster

پایتون برای علم داده: بوت کمپ کامل علم داده

21دانشجو

دوره‌های مشابه

دیگر دوره‌های Muhammad Riaz Uddin