دوره آموزشی یادگیری جامع پایتون برای علم داده و یادگیری ماشین بخش دوم
5 ساعت 16 دقیقهمتوسط2024-07-30
مدرسین
Lillian Pierson, P.E.
Engineer, CEO, and Head of Product at Data-Mania
جزئیات دوره
اگر شما یک حرفه ای هستید که می خواهید از داده های تجاری برای تصمیم گیری بهتر از طریق تجزیه و تحلیل پیش بینی استفاده کنید، این دوره می تواند به شما کمک کند. لیلیان پیرسون - مهندس، مدیر عامل و رئیس محصول در Data-Mania - شما را از طریق ترکیبی قوی از تجربیات کدنویسی علوم داده پایه، نمایشها، چالشها، راهحلها و تمرینهایی راهنمایی میکند که میتوانید به سرعت در تجزیه و تحلیل دادهها و پروژههای تجزیه و تحلیل سفارشیشده اعمال کنید. . بهترین روش ها برای پاکسازی داده ها، تجسم داده ها، تجزیه و تحلیل داده ها و برنامه نویسی پایتون را بیاموزید.
در پایان دوره، شما قادر خواهید بود از پایتون برای موارد زیر استفاده کنید:
داده ها را پاک کنید، شکل دهید، دوباره قالب بندی کنید و توصیف کنید
ایجاد تجسم داده ها برای ارائه داده ها و تجزیه و تحلیل اکتشافی بصری
موارد پرت را شناسایی و حذف کنید
تجزیه و تحلیل ساده داده ها را انجام دهید
منبع، ذخیره و تجزیه و تحلیل داده ها از اینترنت
دارایی های تحلیلی مشترک با استفاده از Plot.ly ایجاد کنید
در پایان دوره، شما قادر خواهید بود از پایتون برای موارد زیر استفاده کنید:
داده ها را پاک کنید، شکل دهید، دوباره قالب بندی کنید و توصیف کنید
ایجاد تجسم داده ها برای ارائه داده ها و تجزیه و تحلیل اکتشافی بصری
موارد پرت را شناسایی و حذف کنید
تجزیه و تحلیل ساده داده ها را انجام دهید
منبع، ذخیره و تجزیه و تحلیل داده ها از اینترنت
دارایی های تحلیلی مشترک با استفاده از Plot.ly ایجاد کنید
مهارت ها
Data Science FoundationsMachine LearningPythonEssential TrainingArtificial Intelligence (AI)Programming LanguagesData ScienceOpen SourceSoftware Development
سرفصل ها
مقدمه
- هکهای زندگی علم داده
- آنچه باید بدانید
- نحوه استفاده از Codespaceها در این دوره
مقدمه ای بر یادگیری ماشین
- تعریف علم داده
- دیدن مکان یادگیری ماشین
- مبانی هوش مصنوعی یادگیری ماشین
- گروه بندی الگوریتمهای یادگیری ماشین
- نقشه راه یادگیری ماشینی سطح بالا
مدلهای رگرسیون
- رگرسیون خطی
- رگرسیون خطی چندگانه
- رگرسیون لجستیک - مفاهیم
- رگرسیون لجستیک - آماده سازی داده ها
- رگرسیون لجستیک - ارزشهای گمشده را درمان کنید
- رگرسیون لجستیک - متغیر رمزگذاری مجدد
- رگرسیون لجستیک - اعتبارسنجی مجموعه داده
- رگرسیون لجستیک - استقرار مدل
- رگرسیون لجستیک - ارزیابی مدل
- رگرسیون لجستیک - پیشبینی آزمون
مدلهای خوشه بندی
- تحلیل خوشه ای با روش K-means
- تحلیل خوشه ای سلسله مراتبی
- DBSCAN برای تشخیص نقاط پرت
روشهای کاهش ابعاد
- تحلیل عاملی تبیینی
- تجزیهوتحلیل مؤلفه اصلی (PCA)
سایر روشهای محبوب یادگیری ماشینی
- مدل قوانین انجمن با الگوریتم Apriori
- یادگیری مبتنی بر نمونه با KNN
- درختان تصمیم با سبد خرید
- آمار بیزی با Na ve Bayes
- یادگیری گروهی با جنگل تصادفی
- شبکههای عصبی با پرسپترون
- ساخت شبکه عصبی
شروع به پردازش زبان طبیعی
- مقدمه ای بر پردازش زبان طبیعی (NLP)
- پاکسازی و ریشه یابی دادههای متنی
- واژه سازی و تجزیهوتحلیل دادههای متنی
شروع به کار با مدلهای هوش مصنوعی مولد
- مقدمه ای بر هوش مصنوعی مولد
- فرو رفتن عمیق در مدلهای هوش مصنوعی مولد
- همگام با پیشرفتهای هوش مصنوعی
- کد نویسی نسخه ی نمایشی - پیادهسازی یک مدل هوش مصنوعی مولد
نتیجه
- مراحل بعدی و منابع اضافی
دوره های مرتبط
- دوره آموزشی یادگیری جامع پایتون برای علم داده و یادگیری ماشین بخش اول
- دوره آموزشی جامع پایتون برای علم داده بخش 2
- دوره آموزشی یادگیری جامع نوتبوک گوگل کولب
- دوره آموزشی یادگیری جامع NumPy: بخش دوم قابلیت های MatPlotlib و جبر خطی
- دوره آموزشی یادگیری جامع NumPy: بخش اول مبانیهای NumPy
- دوره آموزشی یادگیری جامع اسکالا برای علوم داده
- دوره آموزشی یادگیری جامع Azure Spark Databricks
- دوره آموزشی تجزیه و تحلیل متن و پیش بینی با یادگیری جامع پایتون
مسیرهای مرتبط
- مسیر آموزشی ارتقا مهارت های پایتون برای علم داده
- مسیر آموزشی مقدمهای بر مهارتهای پایه برای کار با داده: پردازش دادهها
- مسیر آموزشی ارتقاء مهارت های خود را در هوش مصنوعی و یادگیری ماشین
- مسیر آموزشی تسلط بر تجزیه و تحلیل داده ها در سطح اجرایی
- مسیر آموزشی تبدیل شدن به یک متخصص تجزیه و تحلیل کسب و کار
- مسیر آموزشی تبدیل شدن به یک استاد Microsoft Power BI
- مسیر آموزشی از تحلیلگر داده به یک دانشمند داده تبدیل شوید
- مسیر آموزشی تبدیل به یک دانشمند داده شوید