پیشنهاد فرادرس

آموزش اصولی علم داده پایتون

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

در این دوره با  نسخه های Jupyter Notebook، NumPy، Pandas و scikit-learn در داده پایتون، جعبه ابزار ضروری علم داده Python 3.6 و  تکنیک های یادگیری ماشینی و مصورسازی آشنا می شوید.

سرفصل:

  • معرفی دوره
  • معرفی علوم داده و پایتون
  • نگاهی به بسته های ضروری
  • معرفی Jupyter Notebook
  • مجموعه داده های Scikit-learn Toy
  • Data Munging
  • بارگیری و پیش پردازش داده
  • کار با داده های طبقه بندی شده و متن
  • ایجاد آرایه NumPy
  • عملیات و محاسبات سریع NumPy
  • خط لوله داده
  • معرفی EDA
  • ایجاد ویژگی های جدید
  • کاهش ابعاد
  • معیارهای اعتبار سنجی
  • تست و اعتبار سنجی
  • Cross-Validation
  • بهینه سازی هایپرپارامتر
  • انتخاب ویژگی
  • بسته شدن همه چیز در خط لوله
  • یادگیری ماشینی
  • آماده سازی ابزارها و مجموعه داده ها
  • رگرسیون خطی و منطقی
  • Naive Bayes
  • K-Nearest Neighbors
  • یادگیری بدون نظارت
به این نوشته امتیاز دهید 1 2 3 4 5 بدون امتیاز
Python Data Science Essentials [Video] Publisher:Packtpub Author:Alberto Boschetti Duration:3 hours 15 minutes

Become an efficient data science practitioner by understanding Python's key concepts
The Python Data Science Essentials video series takes you through all you need to know to succeed in data science using Python. Get insights into the core of Python data, including the latest versions of Jupyter Notebook, NumPy, Pandas and scikit-learn. In this course, you will delve into building your essential Python 3.6 data science toolbox, using a single-source approach that will allow to work with Python 2.7 as well. Get to grips fast with data munging and preprocessing, and prepare for machine learning and visualization techniques.
The code bundle for the video course is available at - https://github.com/PacktPublishing/Python-Data-Science-Essentials
Style and Approach
The course is structured as a data science project. You will always benefit from clear code and simplified examples to help you understand the underlying mechanics and real-world datasets.
Released: Friday, June 29, 2018
First Step
The Course Overview
Introducing Data Science and Python
Getting Ready
A Glance at the Essential Packages
Introducing the Jupyter Notebook
Scikit-learn Toy Datasets
Data Munging
Data Loading and Preprocessing
Working with Categorical and Text Data
Creating NumPy Arrays
NumPy's Fast Operations and Computations
The Data Pipeline
Introducing EDA
Building New Features
Dimensionality Reduction
The Detection and Treatment of Outliers
Validation Metrics
Testing and Validating
Cross-Validation
Hyperparameter Optimization
Feature Selection
Wrapping Everything in a Pipeline
Machine Learning
Preparing Tools and Datasets
Linear and Logistic Regression
Naive Bayes
K-Nearest Neighbors
An Overview of Unsupervised Learning

پیشنهاد فرادرس

لینک های دانلود حجم فایل: 631.0MB Packtpub Python Data Science Essentials [Video]_git.ir.rar