وب سایت تخصصی شرکت فرین
دسته بندی دوره ها

یادگیری Data Science و ML : کار با داده های بزرگ ، Spark و PySpark

سرفصل های دوره

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

سرفصل ها :


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

نمایش سرفصل های انگلیسی

DataScience_Machine Learning - NLP- BigData - Spark- PySpark

45,900 تومان
بیش از یک محصول به صورت دانلودی میخواهید؟ محصول را به سبد خرید اضافه کنید.
خرید دانلودی فوری

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.

ایمیل شما:
تولید کننده:
شناسه: UD21165
حجم: 7164 مگابایت
مدت زمان: 939 دقیقه
تعداد دیسک: 2 عدد
زیرنویس انگلیسی: دارد
زبان: انگلیسی ساده و روان
تاریخ انتشار: 16 آبان 1400
یادگیری Data Science و ML : کار با داده های بزرگ ، Spark و PySpark
یادگیری Data Science و ML : کار با داده های بزرگ ، Spark و PySpark 1
یادگیری Data Science و ML : کار با داده های بزرگ ، Spark و PySpark 2
یادگیری Data Science و ML : کار با داده های بزرگ ، Spark و PySpark 3
یادگیری Data Science و ML : کار با داده های بزرگ ، Spark و PySpark 4
یادگیری Data Science و ML : کار با داده های بزرگ ، Spark و PySpark 5
یادگیری Data Science و ML : کار با داده های بزرگ ، Spark و PySpark 6
طراحی سایت و خدمات سئو

45,900 تومان
افزودن به سبد خرید