آموزش استفاده از منابع آنلاین برای پردازش داده ها با Python

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 : Leveraging Online Resources for Python Analytics

سرفصل ها :

بررسی اجمالی دوره
نمای کلی ماژول
پیش نیازها و رئوس مطالب دوره
پایتون برای تحلیلگران داده
منابع پایتون برای تحلیلگران
نسخه ی نمایشی: کاوش در منابع آنلاین
گردش کار در تجزیه و تحلیل داده ها
نسخه ی نمایشی: پاک کردن داده ها
نسخه ی نمایشی: آمار خلاصه و تجزیه و تحلیل پایه
نسخه ی نمایشی: تجسم روابط در داده ها
نسخه ی نمایشی: به اشتراک گذاری تجسم ها به صورت آنلاین با استفاده از Plotly
نسخه ی نمایشی: نمونه سازی اولیه یک طبقه بندی کننده
نسخه ی نمایشی: نوشتن یک اسکریپت پایتون برای یک مدل طبقه بندی
خلاصه ماژول
نمای کلی ماژول
معرفی Big ML
نسخه ی نمایشی: شروع به کار با Big ML
نسخه ی نمایشی: پیکربندی منابع داده و ایجاد مجموعه داده ها
نسخه ی نمایشی: آماده سازی و تجسم داده ها
نسخه ی نمایشی: تقسیم به زیر مجموعه های آموزشی و آزمایشی
نسخه ی نمایشی: مدل های ساختمان
نسخه ی نمایشی: ارزیابی مدل ها
نسخه ی نمایشی: پیش بینی های دسته ای و فردی
نسخه ی نمایشی: خوشه بندی
نسخه ی نمایشی: تشخیص ناهنجاری
خلاصه ماژول
نمای کلی ماژول
معرفی Google Colab
نسخه ی نمایشی: معرفی رابط Google Colab
نسخه ی نمایشی: نوت بوک های Colab - مشابه و در عین حال متفاوت
نسخه ی نمایشی: فرم های تعاملی
نسخه ی نمایشی: دسترسی به محتوای Google Drive از Colab
نسخه ی نمایشی: ابزارک ها
نسخه ی نمایشی: ساخت یک مدل رگرسیون
نسخه ی نمایشی: ادغام با Github
خلاصه و مطالعه بیشتر