دوره آموزشی مبانی علم داده: داده کاوی در پایتون
3 ساعت 4 دقیقهمتوسط2021-03-26
مدرسین

Barton Poulson
Professor, Designer, Data Analytics Expert
جزئیات دوره
داده کاوی، منطقهای از دانش داده است که بر یافتن الگوهای عملی در مجموعه دادههای بزرگ و متنوع متمرکز است: خوشههای مشتریان مشابه، روندهایی که در طول زمان تنها پس از جدا کردن اثرات فصلی و تصادفی قابل مشاهده هستند و روشهای جدید برای پیش بینی نتایج مهم. در این دوره، مدرس Barton Poulson شما را با داده کاوی آشنا میکند که از زبان برنامه نویسی Python استفاده میکند. او برخی از مقدمات را مرور میکند، مانند ابزارهایی که میتوانید برای داده کاوی استفاده کنید. وی در مورد جنبههای کاهش ابعاد بحث میکند، سپس خوشه بندی، از جمله خوشهبندی سلسله مراتبی، k-Means، DBSCAN و موارد دیگر را توضیح میدهد. بارتون طبقه بندی، از جمله kNN و درختان تصمیم را پوشش میدهد. او وارد تجزیه و تحلیل انجمن میشود و شما را با Apriori، Eclat و FP-Growth آشنا میکند. او شما را در یک تجزیه سری زمانی قرار میدهد، سپس با امتیاز دهی به احساسات و سایر ابزارهای استخراج متن نتیجه میگیرد.
مهارت ها
PythonData AnalysisFoundationsProgramming LanguagesData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen SourceSoftware Development
سرفصل ها
0. مقدمه
- 01 - پایتون برای داده کاوی
- 02 - آنچه باید بدانید
- 03 - فایل های تمرینی
1. مقدماتی
- 04 - ابزارهای داده کاوی
- 05 - مدل داده کاوی CRISP-DM
- 06 - حق چاپ حریم خصوصی و تعصب
- 07 - تایید نتایج
2. کاهش ابعاد
- 08 - بررسی اجمالی کاهش ابعاد
- 09 - مجموعه داده ارقام دست نویس
- 10 - PCA
- 11 - LDA
- 12 - t-SNE
- 13 - PCA را به چالش بکشید
- 14 - راه حل PCA
3. خوشه بندی
- 15 - نمای کلی خوشه بندی
- 16 - مجموعه داده پنگوئن
- 17 - خوشه بندی سلسله مراتبی
- 18 - ک - معنی
- 19 - DBSCAN
- 20 - چالش K-means
- 21 - حلول ک - معنی
4. طبقه بندی
- 22 - بررسی اجمالی طبقه بندی
- 23 - مجموعه داده Spambase
- 24 - KNN
- 25 - بیز ساده لوح
- 26 - درختان تصمیم
- 27 - چالش KNN
- 28 - راه حل KNN
5. تجزیه و تحلیل انجمن
- 29 - بررسی اجمالی تحلیل انجمن
- 30 - مجموعه داده خواربار
- 31 - آپریوری
- 32 - اکلات
- 33 - FP-Growth
- 34 - چالش Apriori
- 35 - راه حل Apriori
6. استخراج سری زمانی
- 36 - استخراج سری زمانی
- 37 - مجموعه داده مسافران هوایی
- 38 - تجزیه سری های زمانی
- 39 - آریما
- 40 - MLP
- 41 - تجزیه چالش
- 42 - تجزیه محلول
7. متن کاوی
- 43 - نمای کلی متن کاوی
- 44 - مجموعه داده ایلیاد
- 45 - تجزیه و تحلیل احساسات طبقه بندی باینری
- 46 - تجزیه و تحلیل احساسات نمره گذاری احساسات
- 47 - جفت کلمات
- 48 - امتیازدهی به احساسات چالشی
- 49 - نمره گذاری احساسات راه حل
نتیجه
- 50 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی مبانی علوم داده: داده کاوی
- دوره آموزشی یادگیری جامع پایتون برای علم داده و یادگیری ماشین بخش اول
- دوره آموزشی یادگیری ماشین کاربردی: برآورد ارزش
- دوره آموزشی آمار و پایتون برای مخابرات: استفاده از تحلیل داده برای تصمیمگیری در مخابرات مدرن
- دوره آموزشی مبانی علم داده: داده کاوی در R
- دوره آموزشی مبانی علم داده: اصول اولیه
- دوره آموزشی مبانی علم داده: ارزیابی دادهها برای مدلسازی پیش بینی
- دوره آموزشی مسیرهای شغلی و گواهینامه های علم داده و تجزیه و تحلیل: گام های اول
مسیرهای مرتبط
- مسیر آموزشی از دانشمند داده به یک تحلیلگر داده تبدیل شوید
- مسیر آموزشی توسعه دادن مهارت تجزیه و تحلیل داده های خود
- مسیر آموزشی از تحلیلگر داده به یک دانشمند داده تبدیل شوید
- مسیر آموزشی تبدیل شدن به یک متخصص تجزیه و تحلیل کسب و کار
- مسیر آموزشی ارتقا مهارت های پایتون برای علم داده
- مسیر آموزشی پیشرو بودن در علوم داده
- مسیر آموزشی یادگیری ماشینی بدون کد با KNIME
- مسیر آموزشی تبدیل به یک دانشمند داده شوید