دسته بندی

در حال حاضر محصولی در سبد خرید شما وجود ندارد.

پنل کاربری

رمز خود را فراموش کرده اید؟ اگر اولین بار است از سایت جدید استفاده میکنید باید پسورد خود را ریست نمایید.

آموزش کدنویسی پروژه های دیتا ساینس در زبان Python

دانلود PacktPub Data Science Projects with Python

14,900 تومان
بیش از یک محصول به صورت دانلودی میخواهید؟ محصول را به سبد خرید اضافه کنید.
افزودن به سبد خرید
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.

ویدئو معرفی این محصول

با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با دیتا ساینس در زبان پایتون یاد می گیرید.

عنوان اصلی : Data Science Projects with Python

این مجموعه آموزش ویدیویی محصول موسسه آموزشی PacktPub است که بر روی 2 حلقه دیسک به همراه فایلهای تمرینی ارائه شده و به مدت زمان 6 ساعت و 10 دقیقه در اختیار علاقه مندان قرار می گیرد.

در ادامه با برخی از سرفصل های درسی این مجموعه آموزش آشنا می شویم :


Data Exploration and Cleaning:
Course Overview
Installation and Setup
Lesson Overview
Python and the Anaconda Package Management System
Different Types of Data Science Problems
Loading the Case Study Data with Jupyter and pandas
Getting Familiar with Data and Performing Data Cleaning
Boolean Masks
Data Quality Assurance and Exploration
Deep Dive: Categorical Features
Exploring the Financial History Features in the Dataset
Lesson Summary

Introduction to Scikit-Learn and Model Evaluation:
Lesson Overview
Exploring the Response Variable and Concluding the Initial Exploration
Introduction to Scikit-Learn
Model Performance Metrics for Binary Classification
True Positive Rate, False Positive Rate, and Confusion Matrix
Obtaining Predicted Probabilities from a Trained Logistic Regression Model
Lesson Summary

Details of Logistic Regression and Feature Exploration:
Lesson Overview
Examining the Relationships between Features and the Response
Finer Points of the F-test: Equivalence to t-test for Two Classes and Cautions
Univariate Feature Selection: What It Does and Doesn't Do
Generalized Linear Models (GLMs)
Lesson Summary

The Bias-Variance Trade-off:
Lesson Overview
Estimating the Coefficients and Intercepts of Logistic Regression
Assumptions of Logistic Regression
How Many Features Should You Include?
Lasso (L1) and Ridge (L2) Regularization
Cross Validation: Choosing the Regularization Parameter and Other Hyperparameters
Reducing Overfitting on the Synthetic Data Classification Problem
Options for Logistic Regression in Scikit-Learn
Lesson Summary

Decision Trees and Random Forests:
Lesson Overview
Decision Trees
Training Decision Trees: Node Impurity
Using Decision Trees: Advantages and Predicted Probabilities
Random Forests: Ensembles of Decision Trees
Fitting a Random Forest
Lesson Summary

Imputation of Missing Data, Financial Analysis, and Delivery to Client:
Lesson Overview
Review of Modeling Results
Dealing with Missing Data: Imputation Strategies
Cleaning the Dataset
Mode and Random Imputation of PAY_1
A Predictive Model for PAY_1
Using the Imputation Model and Comparing it to Other Methods
Financial Analysis
Final Thoughts on Delivering the Predictive Model to the Client
Lesson Summary

مشخصات این مجموعه :
زبان آموزش ها انگلیسی روان و ساده
دارای آموزشهای ویدیویی و دسته بندی شده
ارائه شده بر روی 2 حلقه دیسک به همراه فایلهای تمرینی
مدت زمان آموزش 6 ساعت و 10 دقیقه !
محصول موسسه آموزشی PacktPub