آموزش آماده سازی داده ها در زبان پایتون شامل Import و Cleaning

با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با پایتون یاد می گیرید.

عنوان اصلی : Data Preparation (Import and Cleaning) for Python

سرفصل ها :

معرفی:
معرفی دوره
بسته های پایتون مورد استفاده در این دوره
دروس پیش نیاز و مرتبط
دسترسی به پایگاه داده:
مقدمه بخش: Python DB-API
پایگاه های داده رابطه ای
پایگاه های داده NoSQL (غیر رابطه ای).
پایگاه های داده تعبیه شده
خلاصه بخش: دسترسی به پایگاه داده
استفاده از PostgreSQL با پایتون
استفاده از MongoDB با پایتون
تجسم داده ها:
مقدمه بخش: چرا تجسم داده ها؟
پایتون چه نوع داده هایی را می تواند بخواند؟
خواندن و نوشتن داده های جدولی
محاسبه آمار خلاصه
پروفایل داده ها
خلاصه بخش: تجسم داده ها
تبدیل داده های CSV به JSON با استفاده از Pandas Python Package
ایجاد خلاصه آمار با استفاده از بسته Pandas Python
پروفایل کردن داده ها با استفاده از بسته پایتون pandas_profiling
پاک کردن داده:
بخش مقدمه: ایجاد درخشش و درخشش داده های شما
داده های گم شده و نامعتبر
داده های دور از دسترس
پردازش رشته
خلاصه بخش: پاکسازی داده ها
پاک کردن داده های از دست رفته با استفاده از Pandas Python Package
پاک کردن داده‌های دور از دسترس با استفاده از Pandas Python Package
پیش پردازش داده ها برای یادگیری ماشین:
مقدمه بخش: بسته sklearn.preprocessing چیست؟
استاندارد کردن مجموعه داده شما
تبدیل غیر خطی
عادی سازی و گسسته سازی
ویژگی های دسته بندی
ویژگی های چند جمله ای و ترانسفورماتورهای سفارشی
خلاصه بخش: پیش پردازش داده ها برای یادگیری ماشین
پیش پردازش داده ها با بسته Python-Learn Package
نتیجه:
دام پایتون
خلاصه دوره
نتیجه گیری و چه چیزی بعد