تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی مقدمه ای بر علم داده (2019)

دوره آموزشی مقدمه ای بر علم داده (2019)

1 ساعت 49 دقیقهعمومی2019-11-12

مدرسین

Lavanya Vijayan

Lavanya Vijayan

Coding instructor who is passionate about STEM education and diversity

Madecraft

Madecraft

Full-Service Learning Content Company

جزئیات دوره

دنیای علم داده در حال تغییر شکل هر کسب و کاری است. هیچ زمانی بهتر از الان برای یادگیری آن وجود ندارد. در این دوره آموزشی Madecraft، مربی پایتون و دانشمند داده Lavanya Vijayan به اشتراک می‌گذارد که علم داده چیست و چه تفاوتی با سایر رشته‌های متمرکز بر اطلاعات دارد. سپس او به جریان کار - چرخه حیات علم داده - می پردازد و مجموعه ابزار دانشمند داده را از زبان های برنامه نویسی و کتابخانه های تخصصی گرفته تا ابزارهای بهره وری مانند نوت بوک های Jupyter معرفی می کند. در فصل‌های بعدی، Lavanya بر تکنیک‌های عملی مانند تجزیه و تحلیل داده‌های اکتشافی، تمیز کردن داده‌ها و تجسم داده‌ها تمرکز می‌کند. در نهایت، در مورد نمونه گیری، آزمایش و طبقه بندی بیاموزید. در پایان دوره، دانش لازم برای انجام تجزیه و تحلیل داده‌ها و گزارش‌دهی اولیه و باز کردن فرصت‌هایی برای سرعت بخشیدن به شغل خود در این زمینه هیجان‌انگیز را خواهید داشت.

اهداف یادگیری
علم داده چیست؟
چرخه حیات علم داده
پایتون در مقابل R برای علم داده
خواندن داده های جدولی
تجزیه و تحلیل داده های اکتشافی
پاک کردن داده ها
تجسم داده ها
استنتاج
طبقه بندی برای یادگیری ماشین

مهارت ها

Data Science FoundationsIntroduction toData Science

سرفصل ها

0. مقدمه

  • 01 - کاوش علم داده خود را آغاز کنید

1. تعریف علم داده

  • 02 - علم داده چیست
  • 03 - چرا علم داده

2. چرخه حیات علم داده

  • 04 - چرخه حیات علم داده چیست

3. طراحی داده ها

  • 05 - نمونه گیری احتمالی

4. ابزارهای محاسباتی

  • 06 - پایتون در مقابل R
  • 07 - محیط را تنظیم کنید - Jupyter

5. داده های جدولی

  • 08 - داده های جدولی چیست
  • 09 - خواندن داده های جدولی
  • 10 - جمع آوری بینش
  • 11 - پاسخ به سؤالات خاص

6. تجزیه و تحلیل داده های اکتشافی

  • 12 - تجزیه و تحلیل داده های اکتشافی چیست
  • 13 - انواع داده های آماری
  • 14 - خواص داده ها

7. پاکسازی داده ها

  • 15 - پاکسازی داده ها چیست
  • 16 - سوالاتی که باید قبل از تمیز کردن بپرسید

8. تجسم داده ها

  • 17 - تجسم داده چیست
  • 18 - داده های کیفی را تجسم کنید
  • 19 - داده های کمی را تجسم کنید

9. استنتاج

  • 20 - استنباط چیست
  • 21 - آزمون فرضیه طراحی کنید
  • 22 - آزمایش جایگشت انجام دهید
  • 23 - فاصله اطمینان را بوت استرپ کنید

10. طبقه بندی

  • 24 - طبقه بندی چیست
  • 25 - مقدمه ای بر الگوریتم k-Nearest Neighbor

نتیجه

  • 26 - 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