پیشنهاد فرادرس

آموزش مقدماتی علم داده با پایتون و Jupyter

دسته بندی ها: آموزش های Packtpub ، علم داده (Data Science) ، آموزش پایتون (Python)

شروه کار با علم داده نباید تبدیل به یک نبرد سخت شود. این دوره ویدیویی گام به گام، برای مبتدیانی ایده آل است که دانش کمی از پایتون دارند و به دنبال مقدمه ای سریع هستند. در این دوره به دانش پایتون و Jupyter نیاز دارید. شما در مورد برخی از کتابخانه های مورد استفاده بخشی از توزیع Anaconda، مدل های یادگیری ماشینی با مجموعه داده های واقعی، درک مبانی Jupyter و ویژگی های استاندارد، تحلیل نمونه ای از یک گزارش تحلیل داده، پیاده سازی الگوریتم های طبقه بندی چندگانه، جمع آوری داده از open web، مصورسازی داده و غیره آشنا می شوید.

سرفصل:

  • فصل اول
  • مبانی عملکرد
  • ویژگی های مفید Jupyter
  • کتابخانه های پایتون
  • اولین تحلیل ما - مجموعه داده های مسکن بوستون
  • معرفی  تحلیل پیش بینی
  • فصل 2: درس 2: تمیز کردن داده ها و یادگیری ماشینی پیشرفته
  • آماده سازی آموزش یک مدل پیش بینی کننده
  • آموزش مدل های طبقه بندی
  • K-Fold Cross-Validation
  • فصل 3: درس 3: Web Scraping و مصورسازی های تعاملی
  • Scraping Web Page Data
  • مصورسازی های تعاملی
آیا این نوشته را دوست داشتید؟
Beginning Data Science with Python and Jupyter Publisher:Packt Publishing Author:Chris Dalla Villa

Perform reproducible data analyses with these data exploration tools.
Getting started with data science doesn’t have to be an uphill battle. This step-by-step video course is ideal for beginners who know a little Python and are looking for a quick, fast-paced introduction. Get to grips with the skills you need for entry-level data science in this hands-on Python and Jupyter course. You’ll learn about some of the most commonly used libraries that are part of the Anaconda distribution, and then explore machine learning models with real datasets to give you the skills and exposure you need for the real world.We'll start with understanding the basics of Jupyter and its standard features. You'll be analyzing an example of a data analytics report. After analyzing a data analytics report, next step is to implement multiple classification algorithms. We’ll then show you how easy it can be to scrape and gather your own data from the open web, so that you can apply your new skills in an actionable context. Finish up by learning to visualize these data interactively
Table of Contents:
Chapter 1 :
Title Overview 00:07:37
Lesson Overview 00:03:36
Basic Functionality 00:30:01
Useful Features of Jupyter 00:13:11
Python Libraries 00:06:07
Our First Analysis - The Boston Housing Dataset 00:13:31
Introduction to Predictive Analytics 00:13:34
Lesson Summary 00:00:52
Chapter 2 : Lesson 2: Data Cleaning and Advanced Machine Learning
Lesson Overview 00:03:09
Preparing to Train a Predictive Model 00:11:16
Preparing to Train a Predictive Model 00:13:05
Training Classification Models 00:09:34
K-Fold Cross-Validation 00:12:37
Lesson Summary 00:00:26
Chapter 3 : Lesson 3: Web Scraping and Interactive Visualizations
Lesson Overview 00:04:01
Scraping Web Page Data 00:16:48
Interactive Visualizations 00:07:52
Lesson Summary 00:01:44

پیشنهاد فرادرس

لینک های دانلود حجم فایل: 711.0MB Packtpub Beginning Data Science with Python and Jupyter_git.ir.rar