دوره آموزشی علم داده برای توسعه دهندگان جاوا
3 ساعت 52 دقیقهپیشرفته2021-03-24
مدرسین

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
مقدمه
- علم داده معناسازی از هرج و مرج
مبانی علم داده
- علم داده چیست
- نمونه های علم داده
- داده ها به عنوان دارایی تجاری
- CRISP-DM چرخه علم داده
- انواع مسائل در علم داده
نمایش داده ها در جاوا
- قالب بندی داده ها در جاوا
- قالب بندی بیشتر داده ها
- مشکلات داده های زندگی واقعی
تکنیک های دستکاری داده ها
- نقشه برداری
- فیلتر کردن
- جمع آوری
- مرتب سازی
- چالش ترکیب عملیات داده
- راه حل ترکیب عملیات داده
بارگذاری داده ها در جاوا
- کاهش حجم فایل
- بارگذاری داده ها از فایل های متنی
- ایجاد کلاس داده شخص
- تبدیل رشته ها به آبجکت های داده
- بارگذاری فایل های جدا شده با تب
- بارگیری CSV
- تبدیل CSV به آبجکت داده
- چالش دستکاری داده ها
- راه حل دستکاری داده ها
تجسم داده ها با JavaFX
- راه اندازی JavaFX
- قالب بندی داده ها برای یک Scatterplot
- نمایش نمودار پراکندگی
- مجموعه داده های متعدد در یک نمودار پراکنده
- محاسبه میانگین MPG
- نمایش نمودار میله ای
- چالش نمایش داده ها بر روی نمودار میله ای
- راه حل نمایش داده ها بر روی نمودار میله ای
مدلسازی و یادگیری ماشینی
- ساخت مدل های یادگیری ماشینی
- یادگیری تحت نظارت در مقابل یادگیری بدون نظارت
- بیش از حد تناسب و نحوه جلوگیری از آن
K-Nearest Neighbors KNN
- K-نزدیکترین همسایه اصول اولیه
- بارگذاری اطلاعات گل
- ایجاد رابط DataItem
- محاسبه نزدیکترین نقاط داده
- پیاده سازی رابط DataItem
- اجازه دادن به داده های شما رای دهند
- تکمیل طبقه بندی کننده KNN شما
بیز ساده لوح
- اصول ساده بیز
- محاسبه برچسب های ممکن
- تقسیم مجموعه داده بر اساس برچسب
- محاسبه میانگین و انحراف معیار
- محاسبه احتمالات نقطه داده