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

مقدمه

  • کاوش علم داده خود را آغاز کنید

تعریف علم داده

  • علم داده چیست
  • چرا علم داده

چرخه حیات علم داده

  • چرخه حیات علم داده چیست

طراحی داده ها

  • نمونه گیری احتمالی

ابزارهای محاسباتی

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

داده های جدولی

  • داده های جدولی چیست
  • خواندن داده های جدولی
  • جمع آوری بینش
  • پاسخ به سؤالات خاص

تجزیه و تحلیل داده های اکتشافی

  • تجزیه و تحلیل داده های اکتشافی چیست
  • انواع داده های آماری
  • خواص داده ها

پاکسازی داده ها

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

تجسم داده ها

  • تجسم داده چیست
  • داده های کیفی را تجسم کنید
  • داده های کمی را تجسم کنید

استنتاج

  • استنباط چیست
  • آزمون فرضیه طراحی کنید
  • آزمایش جایگشت انجام دهید
  • فاصله اطمینان را بوت استرپ کنید

طبقه بندی

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

نتیجه

  • مراحل بعدی
۴۰,۰۰۰ تومان