در حال حاضر محصولی در سبد خرید شما وجود ندارد.
با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با Python, SQL یاد می گیرید.
عنوان اصلی : 18. SQL + Tableau + Python
1. یکپارچه سازی نرم افزار:
1. مقدمه ای بر داده ها، سرورها، مشتریان، درخواست ها و پاسخ ها
2. مقدمه ای بر اتصال داده ها، API ها و نقاط پایانی
3. بیشتر در مورد API ها
4. تبادل اطلاعات با استفاده از فایل های متنی
5. یکپارچه سازی نرم افزار - Python-SQL-Tableau
2. بعدی در دوره:
1. بعدی در دوره
2. تعریف وظیفه - غیبت در کار
3. مجموعه داده ها
3. پیش پردازش "غیبت_داده":
1. وارد کردن مجموعه داده در پایتون
10. به هم پیوستن مقادیر ستون
11. ترتیب مجدد ستون ها
12. ایجاد نقاط بازرسی در Jupyter
13. کار بر روی ستون "تاریخ".
14. استخراج ارزش ماه
15. ایجاد ستون "روز هفته".
16. تجزیه و تحلیل 5 ستون بعدی در DataFrame ما
17. اصلاح «آموزش» و بحث درباره «کودکان» و «حیوانات خانگی»
18. اظهارات پایانی در مورد بخش پیش پردازش داده ها از تمرین
2. چشم انداز داده ها
3. مقدمه ای بر اصطلاحات با معانی متعدد
4. یک رویکرد تحلیلی برای حل کار
5. رها کردن ستون 'ID'
6. تحلیل ستون "دلیل غیبت".
7. تبدیل یک ویژگی به چند متغیر ساختگی
8. کار با متغیرهای ساختگی از دیدگاه آماری
9. گروه بندی دلایل مختلف غیبت
4. استفاده از یادگیری ماشینی در داده های از پیش پردازش شده:
1. بررسی مسئله از دیدگاه یادگیری ماشینی
10. تفسیر ضرایب (مهم).
11. ساده سازی مدل (حذف به عقب)
12. آزمایش مدل رگرسیون لجستیک
13. ذخیره مدل رگرسیون لجستیک
14. ایجاد یک ماژول برای استفاده بعدی از مدل
2. ایجاد اهداف برای رگرسیون
3. انتخاب ورودی برای رگرسیون
4. استاندارد کردن مجموعه داده برای نتایج بهتر
5. Train-Test Split
6. آموزش و ارزیابی مدل
7. استخراج فاصله و ضرایب
8. تفسیر ضرایب
9. ایجاد یک مقیاس کننده سفارشی برای استانداردسازی فقط ویژگی های عددی
5. اتصال پایتون و SQL:
1. بارگیری «مدول_غیبت»
10. انتقال داده ها از پایتون به SQL - قسمت سوم
2. کار با "غیبت_مدول"
3. ایجاد ساختار پایگاه داده در MySQL
4. نصب و وارد کردن "pymysql"
5. راه اندازی یک اتصال و ایجاد مکان نما
6. ایجاد جدول 'predicted_outputs' در MySQL
7. اجرای پرس و جوی SQL از پایتون
8. انتقال داده ها از پایتون به SQL - قسمت اول
9. انتقال داده ها از پایتون به SQL - قسمت دوم
6. تجزیه و تحلیل داده های به دست آمده در جدول:
1. تجزیه و تحلیل تابلو - سن در مقابل احتمال
2. تجزیه و تحلیل تابلو - دلایل در مقابل احتمال
3. تجزیه و تحلیل تابلو - هزینه حمل و نقل در مقابل احتمال
18. SQL + Tableau + Python
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.
اطلاع رسانی حذف دوره های قدیمی و تخفیفات نوروزی مشاهده
