در حال حاضر محصولی در سبد خرید شما وجود ندارد.
مبتدیان تجزیه و تحلیل داده های پایتون: علوم داده مقدمه: آموزش داده ها علوم داده: آموزش روشهای تجزیه و تحلیل داده های پایتون
عنوان اصلی : Analyze Features with Python and Seaborn in Google Colab
سرفصل های دوره :
00 بررسی اجمالی دوره:
بررسی اجمالی دوره
01 دوره های تعاملی ماموت مقدمه:
پرونده های منبع
02 یادگیری ماشین چیست (پیش نیاز):
01 یادگیری ماشین چیست
02 انواع مدل های یادگیری ماشین
03 آنچه تحت نظارت است
03 مقدمه بر پایتون (پیش نیاز):
00. معرفی به دوره و پایتون
01. متغیرها
02. نمونه های تبدیل را تایپ کنید
03. عملگر
04. مجموعه ها
05. نمونه های لیست
06. نمونه های Tuples
07. نمونه های فرهنگ لغت
08. نمونه هایی
09. شرط
10. اگر مثال بیانیه
11. حلقه
12. کارکرد
13. پارامترها و نمونه های بازگشت مقادیر
14. کلاس ها و اشیاء
15. نمونه های وراثت
16. مثالهای اعضای استاتیک
17. خلاصه و OUTRO
پرونده های منبع
04 تجزیه و تحلیل ویژگی ها و علم داده ها را انجام دهید:
01 بارگیری و ایجاد داده ها
02 تجزیه و تحلیل داده های اکتشافی را انجام دهید
03 داده ها را با توطئه های مختلف تجسم کنید
04 ویژگی ها را با توطئه های بیشتر تجزیه و تحلیل کنید
05 ساخت توطئه با Seaborn
06 ساخت یک طرح بوکه
07 یک طرح پراکندگی سه بعدی بسازید
08 رتبه بندی اهمیت
09 بازده مثبت و منفی را مقایسه کنید
پرونده های منبع
Analyze Features with Python and Seaborn in Google Colab
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.
The Complete NEAR Blockchain Smart Contract + Dapp Course
Creating Basic Custom Plugins for Auto-GPT with Python
Simple Watch Creation in Blender 3.3
برنامه نویسی R: علوم داده و یادگیری ماشینی
Social Media, Blog Content with ChatGPT 4 Prompts
Social Media Rust Smart Contract Development for NEAR
Crafting a Living Room Scene in Blender 3.5
ساختمان داده ها ، الگوریتم ها و راهنمای پیچیدگی زمانی
Unit Testing Rust Smart Contracts on NEAR Blockchain
Creating a Witch’s Hut with Detailed Textures