دوره آموزشی نکات ، ترفندها و روشهای پایتون بیشتر برای علوم داده
1 ساعت 58 دقیقهمتوسط2020-10-01
مدرسین
Harshit Tyagi
Data Science Instructor and Mentor
جزئیات دوره
قدرت و تطبیق پذیری پایتون - همراه با اکوسیستم بزرگ بسته های شخص ثالث - آن را برای دانشمندان داده ضروری می کند. در این دوره ، مربی Harshit Tyagi نکات و تکنیک های عملی را به اشتراک می گذارد که می تواند به شما کمک کند گردش کار علم داده Python خود را تقویت کنید. Harshit نحوه کار با نوت بوک های IPython ، از جمله نحوه اشکال زدایی خطاها را پوشش می دهد. وی نحوه استفاده از NumPy برای دستکاری آرایه ها و همچنین نحوه کار با پانداها ، ابزار دستکاری و تجزیه و تحلیل داده ها را نشان می دهد. وی نکاتی را برای تجسم داده های شما با Matplotlib ارائه می دهد و توضیح می دهد که چگونه می توانید متن را به نمودارها اضافه کرده و عناصر حاشیه را در نمودار اضافه کنید. بعلاوه ، بهترین روشها را برای کار با یادگیری قلبی ، و همچنین سایر نکات یادگیری ماشین به دست آورید.
مهارت ها
Data Science FoundationsTips, Tricks, & TechniquesPythonProgramming LanguagesData ScienceOpen SourceSoftware Development
سرفصل ها
0. مقدمه
- 01-نکات و ترفندها در پایتون
1. نوت بوک IPython و Jupyter
- 02-روش ها و مستندات دسترسی
- 03-خطاها و اشکال زدایی
- 04- پروفایل کد و زمان بندی
2. NumPy و پانداها
- 05- ملزومات آرایه های NumPy
- 06-پخش
- 07-مقایسه، ماسک ها و منطق بولی
- 08- نمایه سازی و زیرمجموعه پانداها
- 09- رسیدگی به داده های از دست رفته
- 10-تجمیع و گروه بندی
- 11- استعلام و فیلتر کردن داده ها
3. تجسم با Matplotlib
- 12- نکات کلی نقشه کشی
- 13-اضافه کردن متن و حاشیه نویسی
- 14-قطعات فرعی متعدد
4. نکات یادگیری ماشین
- 15-sklearn Astimator API
- 16- اعتبارسنجی مدل و تنظیم هایپرپارامتر
- 17-مهندسی ویژگی
- 18-ایجاد خطوط لوله یادگیری ماشین
نتیجه
- 19- مراحل بعدی