در حال حاضر محصولی در سبد خرید شما وجود ندارد.
برای انجام کارهای آماری ، Data Science ، بیگ دیتا و یادگیری ماشینی باید کمی بر روی مجموعه ای از داده ها کار کرد. در این دوره آموزشی انجام کارهای لازم بر روی داده ها را در سه حوزه یاد میگیرید.
عنوان اصلی : Representing, Processing, and Preparing Data
بررسی اجمالی دوره
نمای کلی ماژول
پیش نیازها و رئوس مطالب دوره
یافتن و اتصال نقاط: جمع آوری و تجزیه و تحلیل داده ها
مقابله با ارزش های گمشده: حذف و انتساب
شناسایی و مقابله با موارد پرت
خلاصه
نمای کلی ماژول
Excel: کار با موارد تکراری و مقادیر از دست رفته
اکسل: شناسایی و حذف موارد پرت با استفاده از امتیاز Z
Excel: Clamping Outliers
پایتون: پر کردن مقادیر از دست رفته
پایتون: کار با مقادیر گمشده روی داده های دنیای واقعی
پایتون: شناسایی و حذف موارد پرت
پایتون: آموزش یک طبقه بندی کننده ML با استفاده از مجموعه داده های پاک شده
خلاصه
نمای کلی ماژول
استاندارد سازی
عادی سازی
بنینگ
پردازش معاملاتی و تحلیلی
مقیاس بندی عمودی و افقی
داده های دسته ای و جریانی
زمان رویداد، زمان مصرف و زمان پردازش
خلاصه
نمای کلی ماژول
ایجاد یک پایگاه داده Azure SQL
استودیوی مدیریت سرور SQL
بارگیری و جستجوی داده های CSV
آپلود داده ها در Blob Storage و ایجاد یک Data Factory
بارگذاری داده ها با استفاده از Azure Data Factory
خلاصه
نمای کلی ماژول
داده های مستمر و طبقه بندی شده
نمایش عددی داده های متنی
نمایش داده های تصویر به عنوان ماتریس
محصولات داده Azure
نصب و کار با Azure Data Studio
تجسم Insights با استفاده از Azure Data Studio
نصب و تجسم داده ها در Power BI
ایجاد تجسم های مختلف در Power BI
خلاصه و مطالعه بیشتر
Representing, Processing, and Preparing Data
در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.
Building Deep Learning Models on Databricks
Expediting Deep Learning with Transfer Learning: PyTorch Playbook
Apache Airflow Essential Training
Data Validation Techniques in Microsoft Excel
آموزش ساخت مدل های رگرسیون بوسیله scikit-learn
Distributed Databases with Apache Ignite
استفاده از یادگیری ماشینی در بهداشت
فیلم یادگیری Deploying PyTorch Models in Production: PyTorch Playbook
Communicating Data Insights
Streamlining API Management Using Google Apigee