کورس کدنویسی Tableau, Python, SQL

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

عنوان اصلی : SQL + Tableau + Python

سرفصل ها :

1. یکپارچه سازی نرم افزار:
تبادل اطلاعات با استفاده از فایل های متنی - 365
مقدمه ای بر اتصال داده ها، API ها و نقاط پایانی - 365
مقدمه ای بر داده ها، سرورها، مشتریان، درخواست ها و پاسخ ها - 365
اطلاعات بیشتر در مورد API - 365
یکپارچه سازی نرم افزار- Python-SQL-Tableau - 365
2. What_s Next در دوره:
تعریف تکلیف- غیبت در کار - 365
مجموعه داده - 365
آنچه در دوره بعدی وجود دارد - 365
3. پیش پردازش داده های _غیبت_:
2. یک رویکرد تحلیلی برای حل تکلیف - 365
3. رها کردن -ID- ستون - 365
4. مقادیر ستون الحاقی - 365
4. گروه بندی دلایل مختلف غیبت - 365
4. کار با متغیرهای ساختگی از دیدگاه آماری - 365
5. تجزیه و تحلیل 5 ستون بعدی در DataFrame ما - 365
5. اصلاح -آموزش- و بحث در مورد -کودکان- و -حیوانات خانگی- - 365
تحلیل -دلیل غیبت- ستون - 365
تبدیل یک ویژگی به چند متغیر ساختگی - 365
ایجاد نقاط بازرسی در Jupyter - 365
ایجاد ستون -روز هفته - 365
استخراج مقدار ماه - 365
چشم انداز داده ها - 365
اظهارات پایانی در مورد بخش پیش پردازش داده ها از تمرین - 365
وارد کردن مجموعه داده در پایتون - 365
مقدمه ای بر اصطلاحات با معانی متعدد - 365
ترتیب مجدد ستون ها - 365
کار بر روی ستون -Date- - 365
4. استفاده از یادگیری ماشینی در داده های از پیش پردازش شده:
ایجاد یک مقیاس‌کننده سفارشی برای استاندارد کردن فقط ویژگی‌های عددی - 365
ایجاد یک ماژول برای استفاده بعدی از مدل - 365
ایجاد اهداف برای رگرسیون - 365
ایجاد جدول _predicted_outputs_ در MySQL - 365
بررسی مسئله از دیدگاه یادگیری ماشینی - 365
استخراج فاصله و ضرایب - 365
تفسیر ضرایب (مهم) - 365
تفسیر ضرایب - 365
در حال بارگیری ماژول _غیبت_غیبت_ - 365
ذخیره مدل رگرسیون لجستیک - 365
انتخاب ورودی برای رگرسیون - 365
ساده سازی مدل (حذف به عقب) - 365
استاندارد کردن مجموعه داده برای نتایج بهتر - 365
آزمایش مدل رگرسیون لجستیک - 365
Train-Test Split - 365
آموزش و ارزیابی مدل - 365
5. اتصال پایتون و SQL:
ایجاد ساختار پایگاه داده در MySQL - 365
اجرای پرس و جوی SQL از پایتون - 365
نصب و وارد کردن _pymysql_ - 365
انتقال داده ها از پایتون به SQL - قسمت اول - 365
انتقال داده ها از پایتون به SQL - قسمت دوم - 365
انتقال داده ها از پایتون به SQL - قسمت III - 365
راه اندازی یک اتصال و ایجاد مکان نما - 365
کار با _ماژول_غیبت_ - 365
6. تجزیه و تحلیل داده های به دست آمده در جدول:
تجزیه و تحلیل جدول - سن در مقابل احتمال - 365
تجزیه و تحلیل جدول - دلایل در مقابل احتمال - 365
تجزیه و تحلیل تابلو - هزینه حمل و نقل در مقابل احتمال - 365