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