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.
دسته بندی
دسته بندی

در حال حاضر محصولی در سبد خرید شما وجود ندارد.

دوره یادگیری مباحث Data Science, Machine Learning, Python, R, PySpark

دوره یادگیری مباحث Data Science, Machine Learning, Python, R, PySpark

20,900 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

در این دوره آموزشی بر استفاده از تکنولوژی های کار بر روی داده ها مسلط خواهید شد. برخی از مباحثی که در این مجموعه یاد می گیرید عبارتند از :

دیتا ساینس ، یادگیری ماشینی ، پردازش زبان طبیعی ، پایتون ، کدنویسی به زبان R و همچنین کار با بیگ دیتا و پایتون اسپارک

عنوان اصلی : DataScience_Machine Learning - NLP- Python-R-BigData-PySpark

سرفصل ها :


مقدمه:
معرفی
DS-ML-Technologies و Overview دوره
کد پایه:
پایگاه کد
آمار:
22-آمار شروع-01
22-آمار-شروع-02
22-آمار-شروع-02-NEW
23-stats-frequencydistributionsandhistogram-new-01
23-Stats-FrequencyDistributionsandmeasuresofcenterltencency
23-stats-frequencydistributionsandmeasuresofcenteraltencency-اضافه کردن در Historgam
23-stats-measuresofcenterltencency-new
24-آمار پراکندگی
24-آمار-پراکندگی-جدید
25-stats-typeofvariabls
26-stats-samplingtechniques-01
26-stats-samplingtechniques-02 صفحه اصلی
27-stats-datatypesandscales
28-آمار - فرضیه تست
29-stats-basics-of-hospothesistesting-02
Python Day 1:
01-دانلود Python - Python.org
02-Anaconda Python-R توزیع - دانلود رایگان
03-Anaconda Navigator
04-spyder (Python 3.7)
05-spyder (پایتون 3.7)
06-AdvantageSppython-Spyder (Python 3.7)
07-Python-Datatyoe-Dynamic-Typecastingspyder (Python 3.7)
11-Python-List-Inpython-Spyder (Python 3.7)
12-Python-ListinsIdetuple-TuPleinSidelSpeyder (Python 3.7)
13-Python-Dictonary-Python
14-Python-Set-Pyhon
15-Python اپراتورها
16-python-condition & loops-loopcontrol
17-python-keybpoard-ورودی
18-pythonfileoperations-1
20-Python-introduction-class-object-method-oops
20-Python-Oops-1
21-Python-Modulesinphon

Python Day 2:
30-python-pandas
31-Python-Pandas-02
32-Python-Basic-Stats-01
33-Python-Basic-Stats-02
34-python-basic-stats-03

r r_day1:
01-R-R Studio نصب و ارتقاء نسخه برای وابستگی
نسخه نصب و راه اندازی و ارتقاء نسخه های وابسته به Indepencies-2-Cran R پروژه
01-R-R Studio نصب و ارتقاء نسخه برای وابستگی-کران R پروژه
02-R-Working با نسخه های متعدد
03-R-START با R programming3
اطلاعات 04-R-data-integer-numeric-logical-factor-factor-complex-complex
05-R-DataStructures-Vectors-Matrix-Array-List-List
06-R-MUCTORS-ARGUMENDY انواع اعمال
07-R-ApplyFamily
07-R-applyFamily-01
08-R-Workwith با PACKEGES - کتابخانه در R
09-R-Bredpencency با نسخه R
10-split-data به قطار و testig-r
bigdata:
01-BIGDATA- مقدمه
02-bigdata-hadoop-مقدمه
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-COTIDMENT & OVERVIEW
09-bigdata-spark-production و overview-02-mrvsspark
10-Bigdata-Spark-Framework & ExecutionModes
11-Bigdata-ExecutionModes-Yarn-Mode
12-bigdata-spark-api's-rdd-dataframe-dataset- معرفی
13-bigdata-spark-texic-recketecture از داده های بزرگ فن آوری ها و صنعت STA
14-bigdata-install-hadoop - spark و jupyter برای جرقه در ویندوز
14-bigdata-install-hadoop - جرقه زدن با استفاده از Sandbox
14-bigdata-install-hadoop - جرقه با استفاده از Sandbox-02
15-bigdata-spark-transformation-casons-practice-pysparkshell
16-bigdata-spark-dataframes-sparksql-jupyter
17-bigdata-spark-transformation-transformation - با استفاده از rdd-jupyter
18-bigdata-spark-spark-sql-engentation
19-bigdata-pyspark-rdd-transformations و اقدامات-عملیات-پسیپارک
20-bigdata-pyspark-dataframe-operations-pyspark
ml lineargression:
ml-lineRegression-intro-01
ml-lineRegression-intro-02
ml-linearregression-03
ml-linearregression-04
ML-LineRegression-05
ML-Lineargression-Summery-Metrics-06




ML-Logistic-Regression-01
ML-Logistic-Regression-02

ml knn:
ML-KNN طبقه بندی
ml decession_trees:
ml-decession-trees-01
ML Bagging-RandomForest-02
ML-Boosting-intro-03
ml unsupervisedlearning_clustering:
ML-UnsupervisedLearning-clustering-kmeans
ml svm & naive_bayes:
ML-SVM-01
ML-SVM-01-1
ML-SVM-02
ML-SVM-03
ML AssiciationRulemining:
ml-orucogyrulemining-01
ml-factoryRulemining-apriory-01
ml-factoryrulemining-apriory-01-1
ml-factoryRulemining-apriory-02
ml deeplearning_neuralnetowkks:
ml-deeplearning-neuralnetworks-01
ml سری زمانی:
01-ml-thateries vs رگرسیون 01
01-ml-timeseries-intro
02-ML-timeeries-components در داده های سری زمانی
03-ML-Timeeries-components & algorithms در داده های سری زمانی
04-ML-T