استاد شدن در تحلیل و مدل سازی داده ها در زبان Python

یک پروژه دنیای واقعی با استفاده از نوت بوک Jupyter، Numpy، Scipy، Pandas، Matplotlib، StatModels، Scikit-Learn، و بسیاری دیگر

عنوان اصلی : Master Python Data Analysis and Modelling Essentials

سرفصل های دوره :

مقدمه:
مقدمه ای بر محتوای دوره
معرفی به تجزیه و تحلیل داده ها و مدل سازی
تنظیم محیط پایتون:
نصب Anaconda Python
بسته های Python مورد نیاز
نصب بسته های مورد نیاز
ایجاد و دسترسی به دایرکتوری کار
اکتشاف داده ها:
خواندن و نوشتن داده ها
دسترسی به اطلاعات اولیه DataFrame
رونویسی ستون های DataFrame
Slicing DataFrame
مرتب سازی داده ها
Filterframe FrameFrame
گروه بندی داده ها
محاسبه آمار خلاصه ای از داده ها
آماده سازی داده ها:
تشخیص ارزش های گم شده
مقادیر گمشده
تشخیص ناپایدار
درمان های درمان
تجزیه و تحلیل همبستگی و انتخاب ویژگی
رمزگذاری ارزش های طبقه بندی شده
تقسیم داده ها
normalization داده ها
مدل های رگرسیون خطی آماری کلاسیک:
فرایند مدل سازی آماری
انتشار داده ها در رگرسیون آماری کلاسیک
برآورد مدل و تفسیر نتیجه
Multicollinearity
بهبود مدل
ارزیابی مدل
تجسم نتیجه مدل
یادگیری مدل های رگرسیون خطی ماشین:
مدل Trainning
ارزیابی مدل
بهبود مدل
تجسم نتیجه مدل