تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی مبانی علم داده: داده کاوی در پایتون

دوره آموزشی مبانی علم داده: داده کاوی در پایتون

3 ساعت 4 دقیقهمتوسط2021-03-26

مدرسین

Barton Poulson

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

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