قیمت 99,000 تومان 49,500 تومان

ویژگی های دوره
زبان: فارسی
7 ساعت و 55 دقیقه
1 فصل
1/2 گیگابایت
روش دریافت: دانلود آنی پس از پرداخت
روش پشتیبانی: ارسال تیکت

یادگیری ماشینی با پایتون (Machine learning) در حال حاضر یکی از محبوب ترین و پرطرفدارترین مهارت‌ها در دنیا به شمار می رود. در حال حاضر، در اکثر فرصت های شغلی‌ مرتبط با علوم داده (Data science)، تسلط به کتابخانه های مختلف برای یادگیری ماشینی با پایتون یک ضرورت محسوب می‌شود. 

از کتابخانه های معروف برای تحلیل داده با پایتون می‌توان به Numpy، Pandas، Matplotlib  و Scikit learn اشاره کرد.

با مراجعه به سایت Gloss door که یک سایت کاریابی بین المللی است، خواهید دید که متقاضیانی که به کتابخانه های ذکر شده تسلط داشته باشند، شانس بسیار خوبی برای همکاری با شرکت های بزرگ دارند. 

آناکوندا (Anaconda)، توزیع متن باز (open-source distribution) پایتون است که شامل کتابخانه های علوم داده و یادگیری ماشینی می‌شود و از قابلیت های منحصر به فردی نظیر ارائه بسترهای مختلفی برای کدنویسی (بسترهای Spyder، Jupyter notebook و Anaconda prompt)، تسهیل فرآیند کدنویسی و گرفتن خروجی، نصب راحت پکیج‌های پایتون و … برخوردار است.

 

این دوره آموزشی شامل چه مباحثی است؟

در این دوره آموزشی، سعی شده است تمامی تکنیک ها و مراحل داده کاوی با پایتون و یادگیری ماشینی با پایتون به صورت گام به گام و با انجام پروژه های واقعی پوشش داده شوند. همچنین برای افرادی که با زبان پایتون آشنایی ندارند، مبانی برنامه نویسی به زبان پایتون مرور می شود و سعی می شود که نکات مهم جهت کسب آمادگی لازم برای تحلیل داده با پایتون توضیح داده شوند.

از آنجا که فضای Jupyter notebook از راحتی و جذابیت خاصی در میان متخصصین علوم داده برخوردار است، در این آموزش نیز از این فضا استفاده می‌شود.

از مزایای تحلیل داده با پایتون، می توان به موارد زیر اشاره نمود:

  • وارد کردن انواع دیتاست با فرمت‌های مختلف 
  • قابلیت پردازش دیتا با حجم زیاد
  • تحلیل‌های آماری ساده و پیشرفته (Statistical Analysis)
  • پیش پردازش دیتا (data preprocessing)
  • مصور سازی دیتا (Data visualization)
  • انتخاب ویژگی (Feature selection)
  • پیاده سازی الگوریتم‌های یادگیری ماشینی (Machine learning)
  • Ensemble
  • ارزیابی مدل (Confusion matrix and model accuracy)

 

سرفصل های دوره آموزش داده کاوی و یادگیری ماشینی با پایتون

فصل ۱ – آشنایی با دوره

  • معروفی دوره
  • نصب و راه اندازی

 

فصل ۲- مرور مبانی برنامه نویسی با پایتون با تمرکز بر داده کاوی و یادگیری ماشینی

  • شروع کار با پایتون
  • انواع ساختار داده
  • برنامه‌ های کنترلی
  • انواع توابع
  •  Iteratorها
  • Comprehensionها
  • Generator‌ها
  • کلاس‌ها

 

فصل۳- آشنایی با کتابخانه‌های داده‌کاوی و یادگیری ماشین

  • کار با کتابخانه Numpy
  • کار با کتابخانه Pandas
  • مصورسازی دیتا با کتابخانه Matplotlib
  • مصورسازی دیتا با کتابخانه Seaborn

 

فصل ۴- وارد کردن دیتاست‌ها

  • وارد کردن انواع دیتاست (CSV، Excel، Text، SAS، STATA)

 

فصل ۵- تحلیل آماری

  • آمار توصیفی
  • رسم نمودار آماری
  • همبستگی
  • Crosstab (ساده و پیشرفته)
  • جدول Pivot (ساده و پیشرفته)
  • رسم نمودار heatmap با جدول Pivot

 

فصل۶- پیش پردازش داده

  • پیش پردازش اولیه داده
  • پر کردن مقادیر Null (کمی، کیفی اسمی و ترتیبی)
  • فیلتر کردن رکورد یا وِیژگی
  • مدیریت دیتای کیفی (اسمی و ترتیبی)
  • تولید ویژگی (feature generation)
  • ساخت Dummy  برای ویژگی‌های کیفی
  •  Reclassification (طبقه بندی مجدد مقادیر)
  • Join (اتصال)
  • Append (در پروژه‌های داده کاوی توضیح داده می‌شود)
  • بخش بندی دیتا (Train_Test_Split)
  • نرمالسازی
  • استاندارد سازی
  • انتخاب وِیژگی
  • انتخاب وِیژگی‌های مهم برای داده کاوی با جنگل تصادفی
  • انتخاب وِیژگی‌های مهم برای داده کاوی با الگوریتم KNN
  • کاهش ابعاد

 

فصل۷- سری زمانی

  • پیش بینی فروش میانه، بدبینانه و خوشبینانه کلا برای یک شرکت تجاری بین المللی
  • مقایسه روند فروش محصولات شرکت طی چهار سال گذشته

 

فصل۸- رگرسیون خطی

  • آشنایی با رگرسیون خطی
  • پیش بینی ارزش خانه در شهر بوستون با ساخت معادله رگرسیونی خطی ساده و چندگانه

 

فصل ۹- خوشه بندی

  • آشنایی با خوشه بندی
  • خوشه بندی بر روی دیتاست Iris  با الگوریتم سلسله مراتبی
  • خوشه بندی بر روی دیتاست Iris  با الگوریتم K-means
  • خارج کردن دیتاست خوشه بندی شده از محیط
  • مقایسه عملکرد الگوریتم DBSCAN و K-means در خوشه بندی مقادیر با پراکندگی کم

 

فصل ۱۰- طبقه بندی

  • آشنایی با مفهوم و الگوریتم طبقه بندی
  • نوشتن برنامه “انتخاب بهترین الگوریتم طبقه بندی”
  • بازاریابی مستقیم بر روی دیتای کمپین بازاریی مشتریان بالقوه یک مؤسسه بانکی در پرتغال با کمک انتخاب وِیژگی و الگوریتم رگرسیون لجستیک
  • ساخت سیستم تشخیص چهره به کمک الگوریتم بردار حمایت ماشینی (SVM)
  • طبقه بندی متون اخبار به کمک شبکه بیز
  • طبقه بندی بیماران دیابتی با درخت تصمیم + انتخاب وِیژگی (جنگل تصادفی) 
  • طبقه بندی گل‌های دیتاست Iris با الگوریتم KNN + انتخاب وِیژگی
  • نمودار ROC (ارزیابی مدل داده کاوی)
  • Confusion Matrix (ارزیابی مدل داده کاوی)
  • گزارش طبقه بندی (ارزیابی مدل داده کاوی)

 

فصل ۱۱- مدیریت ارتباط با مشتری (CRM)

  • آنالیر RFM بر شناسایی مشتریان وفادار و سودآور یک شرکت تجاری بین المللی

حاصل دوره

دانشجویان عزیز پس از گذراندن این دوره آموزشی می توانند پروژه های داده کاوی با پایتون و یادگیری ماشینی با پایتون را انجام دهند. همچنین به دلیل محبوبیت و اهمیت بالای این تخصص ها در داخل و خارج از ایران، در استخدام، مهاجرت تحصیلی و کاری دانشجویان بسیار موثر خواهد بود.

فصل اول

معرفی دوره ویدئو

20:09

نصب و راه اندازی ویدئو

06:02

مبانی برنامه نویسی با پایتون با تمرکز بر داده کاوی و یادگیری ماشین ویدئو

01:02:36

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

کار با کتابخانه Numpy ویدئو

29:49

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

کار با کتابخانه Pandas ویدئو

22:01

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

کار با کتابخانه Matplotlib ویدئو

30:11

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

کار با کتابخانه Seaborn ویدئو

22:26

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

وارد کردن انواع دیتاست (CSV، Excel، Text، SAS، STATA) ویدئو

08:59

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

تحلیل آماری ویدئو

33:34

پیش پردازش داده‌ها ویدئو

32:12

انتخاب وِیژگی (Feature Selection) ویدئو

17:07

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

کاهش ابعاد دیتاست ویدئو

09:38

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

سری زمانی (پروژه محور) ویدئو

20:15

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

رگرسیون خطی ساده و چند گانه (پروژه محور) ویدئو

11:30

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

خوشه بندی چیست؟ ویدئو

06:14

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

خوشه بندی سلسله مراتبی (پروژه محور) ویدئو

07:14

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

خوشه بندی با الگوریتم K-means (پروژه محور) ویدئو

09:30

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

خوشه بندی با الگوریتم DBSCAN ویدئو

04:28

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

طبقه بندی چیست؟ ویدئو

08:03

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

نوشتن برنامه (انتخاب بهترین الگوریتم طبقه بندی) ویدئو

14:52

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

طبقه بندی با رگرسیون لجستیک (پروژه محور) ویدئو

32:14

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

طبقه بندی با بردار حمایت ماشین (پروژه محور) ویدئو

15:51

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

طبقه بندی با KNN + پیاده سازی فرآیند انتخاب ویژگی (پروژه محور) ویدئو

11:24

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

طبقه بندی با درخت تصمیم + انتخاب ویژگی با الگوریتم جنگل تصادفی (پروژه محور) ویدئو

11:22

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

طبقه بندی متون اخبار با شبکه بیز ویدئو

10:25

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

آنالیز RFM (پروژه محور) ویدئو

16:52

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

دیتاست ها فایل های ضمیمه

خصوصی

سورس کدهای پایتون ویدئو

خصوصی

moreدوره های مرتبط

آموزش جامع لاراول مقدماتی

آموزش لاراول یکی از ترندهای جستجوی گوگل در یک سال اخیر بوده و این موضوع نشان دهنده میزان محبوبیت این…
رایگان!

آموزش مقدماتی زبان برنامه نویسی کاتلین

زبان برنامه نویسی کاتلین (Kotlin) یک زبان ایستا می باشد که توسط برنامه نویسان مستقر در روسیه توسعه داده شده…
رایگان!

آشنایی کامل با جاوا اسکریپت ES6

جاوا اسکریپت در واقع همان پیاده سازی ECMA Script هست که به شکل کوتاه شده و مخفف ES شناخته می…
رایگان!

آموزش ساخت Restful API به کمک فریم ورک Django

فریم ورک جنگو (Django) یک فریم ورک سطح بالا برای پایتون می باشد که امکان طراحی و ساخت بسیار سریع…
رایگان!

آموزش PHP شی گرا در قالب پروژه گالری عکس

برنامه نویسی شی گرا یا Object oriented programming که به اختصار OOP شناخته می شود، در واقع سبکی از برنامه…
39,000 تومان 19,500 تومان

آموزش استفاده از نقشه گوگل در سی شارپ

استفاده از نقشه گوگل در سی شارپ یکی از پر جستجوترین عبارات برای برنامه نویسان این زبان می باشد. ممکن…
رایگان!

chat_bubble_outlineنظرات

قوانین ثبت دیدگاه

با سلام و احترام خدمت شما کاربر محترم
  • دیدگاه های فینگلیش تایید نخواهند شد.
  • دیدگاه های نامرتبط با دوره تایید نخواهد شد.
  • از درج دیدگاه های تکراری پرهیز نمایید.
  • امتیاز دادن به دوره فقط مخصوص دانشجویان دوره می باشد.