تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی علم داده برای توسعه دهندگان جاوا

دوره آموزشی علم داده برای توسعه دهندگان جاوا

3 ساعت 52 دقیقهپیشرفته2021-03-24

مدرسین

Shaun Wassell

Shaun Wassell

Full-Stack Software Developer

جزئیات دوره

یادگیری اصول علوم داده و نحوه استفاده از آنها در جاوا، از نظر ساخت نرم‌افزار و فرصت‌های شغلی، دنیایی از امکانات را برای شما فراهم می‌کند. در این دوره، مدرس Shaun Wassell شما را از طریق مجموعه مهارت‌های مورد نیاز برای علم داده پیش میبرد و به شما نشان می‌دهد که چگونه می‌توانید داده‌ها را در جاوا تجسم کنید، و روش‌های مختلف تبدیل داده به اطلاعات را جستجو می‌کند. او برخی از مفاهیم اساسی و مثالهای علم داده را معرفی می‌کند، سپس شما را در روند نمایش داده‌ها در جاوا و برخی از دشواری‌هایی که ممکن است با آنها روبرو شوید، دنبال می‌کند. او درباره تکنیک‌های دستکاری داده‌ها مانند نقشه برداری، فیلتر کردن، جمع آوری و مرتب‌سازی بحث می‌کند. او نحوه یافتن، جمع آوری، تمیز کردن، دستکاری و ذخیره داده‌ها را توصیف می‌کند تا بتوانید کارهای مفیدی را با آن شروع کنید. بعد، او قسمت سرگرم کننده را به شما نشان می‌دهد: روش‌های مختلفی که می‌توانید برای تبدیل داده‌ها به اطلاعات استفاده کنید. او مفاهیمی مانند Nearest-Neighbor ، Bayes، رگرسیون خطی، درختان تصمیم، خوشه‌بندی و موارد دیگر را پوشش می‌دهد.

مهارت ها

Data Science FoundationsJavaOracleProgramming LanguagesData ScienceSoftware DevelopmentOne-Off

سرفصل ها

0. مقدمه

  • 01 - علم داده معناسازی از هرج و مرج

1. مبانی علم داده

  • 02 - علم داده چیست
  • 03 - نمونه های علم داده
  • 04 - داده ها به عنوان دارایی تجاری
  • 05 - CRISP-DM چرخه علم داده
  • 06 - انواع مسائل در علم داده

2. نمایش داده ها در جاوا

  • 07 - قالب بندی داده ها در جاوا
  • 08 - قالب بندی بیشتر داده ها
  • 09 - مشکلات داده های زندگی واقعی

3. تکنیک های دستکاری داده ها

  • 10 - نقشه برداری
  • 11 - فیلتر کردن
  • 12 - جمع آوری
  • 13 - مرتب سازی
  • 14 - چالش ترکیب عملیات داده
  • 15 - راه حل ترکیب عملیات داده

4. بارگذاری داده ها در جاوا

  • 16 - کاهش حجم فایل
  • 17 - بارگذاری داده ها از فایل های متنی
  • 18 - ایجاد کلاس داده شخص
  • 19 - تبدیل رشته ها به آبجکت های داده
  • 20 - بارگذاری فایل های جدا شده با تب
  • 21 - بارگیری CSV
  • 22 - تبدیل CSV به آبجکت داده
  • 23 - چالش دستکاری داده ها
  • 24 - راه حل دستکاری داده ها

5. تجسم داده ها با JavaFX

  • 25 - راه اندازی JavaFX
  • 26 - قالب بندی داده ها برای یک Scatterplot
  • 27 - نمایش نمودار پراکندگی
  • 28 - مجموعه داده های متعدد در یک نمودار پراکنده
  • 29 - محاسبه میانگین MPG
  • 30 - نمایش نمودار میله ای
  • 31 - چالش نمایش داده ها بر روی نمودار میله ای
  • 32 - راه حل نمایش داده ها بر روی نمودار میله ای

6. مدلسازی و یادگیری ماشینی

  • 33 - ساخت مدل های یادگیری ماشینی
  • 34 - یادگیری تحت نظارت در مقابل یادگیری بدون نظارت
  • 35 - بیش از حد تناسب و نحوه جلوگیری از آن

7. K-Nearest Neighbors KNN

  • 36 - K-نزدیکترین همسایه اصول اولیه
  • 37 - بارگذاری اطلاعات گل
  • 38 - ایجاد رابط DataItem
  • 39 - محاسبه نزدیکترین نقاط داده
  • 40 - پیاده سازی رابط DataItem
  • 41 - اجازه دادن به داده های شما رای دهند
  • 42 - تکمیل طبقه بندی کننده KNN شما

8. بیز ساده لوح

  • 43 - اصول ساده بیز
  • 44 - محاسبه برچسب های ممکن
  • 45 - تقسیم مجموعه داده بر اساس برچسب
  • 46 - محاسبه میانگین و انحراف معیار
  • 47 - محاسبه احتمالات نقطه داده

دوره های مرتبط

مسیرهای مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal