مبانی علم داده: پشته علمی پایتون (2017)

مدرس Miki Tebeka

انتشار 2017/07/18

مدت زمان 3h 34m

سطح متوسط

فایل تمرینی دارد

آموزش Data Science Foundations: Python Scientific Stack (2017)

علم داده، بینش‌های قابل توجه و بسیار ارزشمندی را در مورد رفتار انسانی به سازمان‌ها ارائه می‌دهد. در حالی که داده کاوی می تواند کمی دلهره آور به نظر برسد، نیازی نیست که برای پردازش داده های خود یک برنامه نویس بسیار ماهر باشید. در این دوره آموزشی، نحوه استفاده از پشته علمی پایتون برای تکمیل وظایف رایج علم داده را بیاموزید. Miki Tebeka ابزارها و مفاهیمی را که برای پردازش مؤثر داده‌ها با پشته علمی پایتون نیاز دارید، شامل پانداها برای خرد کردن داده‌ها، matplotlib برای تجسم داده، NumPy برای محاسبات عددی و غیره را پوشش می‌دهد.

Data Analysis Python (Programming Language)

Introduction

Welcome ()

What you should know ()

Mac setup ()

Windows setup ()

Linux setup ()

How to use the exercise files ()

1. Scientific Python Overview

Ramp up with Scientific Python ()

2. The Jupyter Notebook

Start the notebook server ()

Use code cells ()

Extensions to Python language ()

Understand markdown cells ()

Edit notebooks ()

3. NumPy Basics

Overview: NumPy ()

NumPy arrays ()

Slicing ()

Learn Boolean indexing ()

Understand broadcasting ()

Understand array operations ()

Understand ufuncs ()

4. Pandas

Pandas overview ()

Load CSV files ()

Parse time ()

Access rows and columns ()

Use pure Python packages ()

Calculate speed ()

Display a speed box plot ()

5. Conda

Introduction to Python packages ()

Manage environments ()

6. Folium and Geo

Create an initial map ()

Draw a track on the map ()

Use geo data with Shapely ()

Generate a report ()

7. NY Taxi Data

Examine data ()

Load data from CSV files ()

Work with categorical data ()

Work with data: Hourly trip rides ()

Work with data: Rides per hour ()

Work with data: Weather data ()

8. scikit-learn

Introduction: scikit-learn ()

Learn regression on Boston dataset ()

Understand train/test splits ()

Preprocess data ()

Compose pipelines ()

Save and load models ()

9. Plotting

Overview: matplotlib ()

Use styles ()

Customize Pandas output ()

Use matplotlib ()

Tips and tricks ()

Understand bokeh ()

10. Other Packages

Other packages overview ()

Go faster with Numba and Cython ()

Understand deep learning ()

Work with image processing ()

Understand NLP: NLTK ()

Understand NLP: SpaCy ()

Bigger data with HDF5 and dask ()

11. Development Process

Overview ()

Understand source control ()

Learn code review ()

Testing overview ()

Testing example ()

Conclusion

Next steps ()

Ex_Files_Data_Science_Python.zip (34.7 MB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.