دوره آموزشی مقدمه ای بر علم داده (2019)
1 ساعت 49 دقیقهعمومی2019-11-12
مدرسین

Lavanya Vijayan
Coding instructor who is passionate about STEM education and diversity

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
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
- دوره آموزشی یادگیری جامع پایتون برای علم داده و یادگیری ماشین بخش اول
- دوره آموزشی تسلط بر داده ها: کاوش و توصیف داده ها
- دوره آموزشی کلانداده در عصر هوش مصنوعی
- دوره آموزشی مبانی علوم تصمیمگیری
- دوره آموزشی آیا نتیجه داد؟ ارزیابی برنامه در علم داده
- دوره آموزشی ارزیابی برنامه برای علم داده
- دوره آموزشی پاکسازی دادهها برای علم داده مؤثر: واردکردن دادهها، تشخیص ناهنجاری، پرکردن مقادیر گمشده و مهندسی ویژگیها
- دوره آموزشی یادگیری جامع اسکالا برای علوم داده