تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی کدنویسی Vibe برای تحلیل‌گران داده

دوره آموزشی کدنویسی Vibe برای تحلیل‌گران داده

1 ساعت 2 دقیقهمتوسط2025-08-14

مدرسین

Seth Berry

Seth Berry

Associate Teaching Professor and MSBA Academic Co-Director at the University of Notre Dame

جزئیات دوره

توی این دوره، با vibe coding برای کارهای تحلیلی آشنا می‌شی، مخصوص تحلیل‌گران داده طراحی شده. Seth Berry بهت یاد می‌ده چطور محیطت رو برای vibe coding آماده کنی و یک اپلیکیشن کامل برای اجرای مدل‌های یادگیری ماشین بسازی.

از وارد کردن داده‌ها تا انتشار مدل، یاد می‌گیری کدوم بخش‌ها رو بهتره انسان انجام بده و کدوم بخش‌ها رو می‌شه با کمک LLM و ابزارهای هوش مصنوعی سریع‌تر و دقیق‌تر کرد. در پایان دوره، مهارت‌های لازم برای ساخت پروژه vibe coding با پشتیبانی صدا و تعامل با مدل‌های یادگیری ماشین خودت رو داری.

اهداف یادگیری
پیاده‌سازی استراتژی‌های vibe coding برای انجام وظایف تحلیلی معمول
درک و توضیح اینکه کدوم مراحل چرخه تحلیل داده‌ها نیاز به توجه انسانی دارند و vibe coding مناسبشون نیست
ساخت یک اپلیکیشن کامل برای تعامل کاربران با مدل‌های یادگیری ماشین
ایجاد خط لوله voice-to-code برای تبدیل صدا به کد

مهارت ها

Programming FoundationsGenerative AIArtificial Intelligence FoundationsData AnalysisArtificial Intelligence (AI)Data ScienceBusiness Analysis and StrategyBusiness Software and ToolsSoftware DevelopmentOne-Off

سرفصل ها

۰. مقدمه

  • 01 - پیش‌بینی آهنگ‌های برتر جدول با کدگذاری ویبره
  • 02 - تنظیم محیط شما

۱. وارد کردن داده‌ها

  • 03 - بارگذاری داده‌ها با pandas و PyArrow
  • 04 - دانلود داده‌ها با Polars
  • 05 - خواندن داده‌ها از جداول HTML
  • 06 - تولید SQL
  • 07 - ادغام داده‌ها

۲. کاوش و بررسی داده‌ها

  • 08 - تولید آمار توصیفی
  • 09 - تبدیل انواع داده
  • 10- بررسی همبستگی‌ها
  • 11 - جمع‌آوری داده‌ها
  • 12 - تغییر شکل داده‌ها
  • 13 - ایجاد متغیرهای مشتق شده
  • 14 - وظیفه یک انسان - دانستن اینکه داده‌های شما آماده است

۳. خطوط لوله داده

  • 15 - مقیاس‌بندی ویژگی‌ها و نسبت‌دهی داده‌ها برای scikit-learn
  • 16 - کدگذاری متغیرهای دسته‌بندی‌شده
  • 17 - پارتیشن‌بندی داده‌ها
  • 18 - ایجاد پیکربندی‌های داده برای PyTorch Tabular

۴. ایجاد و آزمایش مدل

  • 19 - آزمایش مدل‌های پایه مختلف
  • 20 - مدل‌های تنظیم
  • 21 - ایجاد یک شبکه عصبی با PyTorch Tabular
  • 22- شغل انسان - ارزیابی عملکرد

۵. مصورسازی‌ها و داشبوردها

  • 23 - ایجاد طرح‌ها
  • 24- ایجاد نمودارهای توضیحی
  • 25 - وظیفه یک انسان - ایجاد بینش
  • 26 - ساخت مدل خود در یک برنامه Streamlit
  • 27 - استقرار مدل شما در یک برنامه Streamlit

جمع‌بندی

  • 28 - ملاحظات امنیتی
  • 29 - تشویق و تنبیه

دوره های 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