در حال حاضر محصولی در سبد خرید شما وجود ندارد.
در این دوره پردازش زبان طبیعی ، دیتا ساینس و یادگیری ماشینی را خواهید آموخت. در نهایت بر کار با بیگ دیتا ، اسپارک و پایتون اسپارک مسلط خواهید شد.
عنوان اصلی : DataScience_Machine Learning - NLP- BigData - Spark- PySpark
معرفی :
DS-ML-Technologies & Course-Overview
پایه کد:
پایه کد
02-آمار:
22-آمار-شروع-01
22-آمار-ابتدا-02
22-آمار-شروع-02-جدید
23-Stats-FrequencyDistributionsandHistogram-New-01
23-Stats-FrequencyDistributionsandMeasuresofcentralTendency
23-Stats-FrequencyDistributionsandMeasuresofcentralTendency-Add at Historgam
23-Stats-MeasuresofcentralTendency-جدید
24-آمار-پراکندگی
24-Stats-Dispersion-New
25-Stats-TypeOfVariabls
26-Stats-SamplingTechniques-01
26-Stats-SamplingTechniques-02
26-Stats-SamplingTechniques-Editat-WithReplacementandwithoutReplacement
27-Stats-DataTypesAndScales
28-آمار-فرضیه-آزمون
29-آمار-مبانی-آزمایش فرضیه-02
روز اول پایتون:
01-دانلود پایتون - Python.org
02-Anaconda Python-R Distribution - دانلود رایگان
03-Anaconda Navigator
04-Spyder (Python 3.7)
05-Spyder (Python 3.7)
06-AdvantagesOfPython-Spyder (Python 3.7)
07-Python-DataTyoe-Dynamic-TypecastingSpyder (Python 3.7)
11-Python-List-inPython-Spyder (Python 3.7)
12-Python-ListInsideTuple-TupleInsideListSpyder (Python 3.7)
13-Python-Dictonary-Python
14-Python-Set-Pyhon
15-Python-Operators
16-Python-Conditions&Loops-LoopControl
17-Python-keybpoard-Input
18-PythonFileOperations-1
20-Python-IntroDuctionto-Class-Object-Method-OOPS
20-Python-OOPS-1
21-Python-ModulesinPython
Python-OOPS
اطلاعات بزرگ :
01-BigData-مقدمه
02-BigData-Hadoop-Introduction
03-BigData-Hadoop-Architecture
04-BigData-Hadoop-OverView
05-BigData-MapReduce-Architecture
06-BigData-YARN
07-BigData-hadoop-ClusterModes
08-BigData-Limitations-Of-MapReduce
09-BigData-Spark-Introduction&OverView
09-BigData-Spark-Introduction&OverView-02-MRvsSpark
10-BigData-Spark-FrameWork&ExecutionModes
11-BigData-ExecutionModes-YARN-Mode
12-BigData-SPARK-API's-RDD-DataFrame-DataSet-Introduction
13-BigData-SPARK-Typical-Archetecture of Big Data-Technologies- and Industry Sta
14-BigData-INSTALL-Hadoop - SPARK و Jupyter برای Spark در ویندوز
14-BigData-INSTALL-Hadoop - SPARK-Using Sandbox
14-BigData-INSTALL-Hadoop - SPARK-Using Sandbox-02
15-BigData-SPARK-Transformation-Actions-Practice-PySparkShell
16-BigData-SPARK-DataFrames-SparkSQL-Jupyter
17-BigData-SPARK-Transformation-Actions-using RDD-Jupyter
18-BigData-Spark-SQL-Hive یکپارچه سازی
19-BIgData-PySpark-RDD-Transformations and Actions-Operations-PySpark
20-BIgData-PySpark-DataFrame-Operations-PySpark
رگرسیون خطی ML:
ML-LinearRegression-Intro-01
ML-LinearRegression-Intro-02
ML-LinearRegression-03
ML-LinearRegression-04
ML-LinearRegression-05
ML-LinearRegression-Summery-Metrics-06
رگرسیون لجستیک ML:
ML-Logistic-Regression-01
ML-Logistic-Regression-02
ML-KNN:
ML-KNN-طبقه بندی
درختان تصمیم ML:
ML-Decession-Trees-01
ML-Bagging-RandomForest-02
ML-Boosting-Intro-03
یادگیری بدون نظارت ML:
ML-UnSuperVisedLearning-Clustering-Kmeans
ML-svm و ساده لوح bayes:
ML-SVM-01
ML-SVM-01-1
ML-SVM-02
ML-SVM-03
استخراج قوانین ML-Association:
ML-AssociationRuleMining-01
ML-AssociationRuleMining-Apriory-01
ML-AssociationRuleMining-Apriory-01-1
ML-AssociationRuleMining-Apriory-02
ML-DeepLearning-NeuralNetworks:
ML-DeepLearning-NeuralNetworks-01
ML-Time Series:
01-ML-TimeSeries در مقابل رگرسیون-01
01-ML-TimeSeries-Intro
02-ML-TimeSeries-Components در داده های سری زمانی
03-ML-TimeSeries-Components & Algorithms in Time Series Data
04-ML-TimeSeries-Components داده های سری زمانی را تجسم کنید
05-ML-TimeSeries-AR-MA-ARIMA
06-ML-TimeSeries-ACF و PACF
ML-Model-EvalutionMetrics
ML-SomeTerminollogiesOfML
ML-TreePruning-HyperParmIntro
ML-UnderFit-Fit-OverFit-CrossValidationMethos
ML-UnderFit-OverFit-Cross validation-ParmTuning-Purning
NLP:
01-ML-NLP-NLP-Into
02-ML-NLP-Flow
03-ML-NLP-NLP موضوعات و مراحل مرتبط
04-ML-NLP-الگوریتم ها
05-ML-Machine Learning - الگوریتم های طبقه بندی داده های متنی
06-ML-NLP-کلمات مثبت و منفی-فرهنگ
NLP-Spark:
08-BigData-NLP-Spam Detector-NaiveBayes and Text Pre Processing for NLP -Py
ساخت رزومه و مصاحبه:
علم داده-چگونگی ساخت CV-حضور در مصاحبه
محدوده ابزار:
دانشمند داده - محدوده ابزارها - فناوری ها و داده های بزرگ
دانشمند داده -حوزه ابزار-فناوری و کلان داده-بریده شده
DataScience_Machine Learning - NLP- BigData - Spark- PySpark
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