مقدمه ای بر علم داده

مدرس Madecraft

انتشار 2023/07/31

مدت زمان 2h

سطح مناسب همه

فایل تمرینی دارد

آموزش Introduction to Data Science

دنیای علم داده در حال تغییر شکل هر کسب و کاری است، صرف نظر از صنعت، مکان یا نقش. و هرگز زمان بهتری برای سرعت گرفتن و یادگیری اصول اولیه این رشته پررونق وجود نداشته است. در این دوره که به طور خاص برای مبتدیان طراحی شده است، دنیای علم داده، فرصت ها و نوآوری های آن و مهارت های اساسی مورد نیاز برای موفقیت را بررسی کنید.به مربی Python و متخصص علم داده Lavanya Vijayan بپیوندید تا چه داده هایی را به اشتراک بگذارد. علم است و تفاوت آن با سایر مشاغل رایج مرتبط با داده ها. برخی از مهمترین ابزارهای مورد استفاده در تجارت را کشف کنید تا درک خود را از کتابخانه های داده و دستکاری داده ها توسعه دهید. در طول مسیر، مقدمه ای بر تجزیه و تحلیل داده های اکتشافی، پاکسازی داده ها، تجسم داده ها، نمونه برداری، آزمایش، تخمین و موارد دیگر کسب کنید. در پایان این دوره، می‌دانید که چگونه از استنتاج و تجزیه و تحلیل آماری برای پیش‌بینی‌های مطمئن‌تر برای کسب‌وکار خود استفاده کنید.این دوره توسط . ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

Data Science

Introduction

Beginning your data science exploration ()

1. Defining Data Science

Demystifying data science ()

The value of data science ()

Defining the data science life cycle ()

2. Starting with Data Design

Reducing bias with probability sampling ()

Using non-probability sampling ()

3. Utilizing Computational Tools

Comparing Python and R ()

Setting up your Jupyter environment ()

4. Structuring Your Tabular Data

Defining tabular data ()

Reading tabular data ()

Interpreting tabular data ()

Gathering insights ()

Answering specific questions ()

5. Using Exploratory Data Analysis

Defining exploratory data analysis ()

Recognizing statistical data types ()

Distinguishing properties of data ()

6. Cleaning Your Data

Explaining data cleaning ()

Questions to guide data cleaning ()

7. Using Data Visualization

Demystifying data visualization ()

Visualizing your qualitative data ()

Visualizing your quantitative data ()

8. Using Inference and Statistical Analysis

Defining inference ()

Designing a hypothesis test ()

Creating a permutation ()

Conducting a permutation test ()

Bootstrapping a confidence interval ()

9. Using Prediction in Data Science

Defining prediction for data science ()

Navigating classification ()

Recognizing the k-NN algorithm ()

Implementing k-Nearest Neighbors ()

Navigating regression ()

Checking assumptions of regression ()

Implementing linear regression ()

Conclusion

Next steps ()

Ex_Files_Intro_to_Data_Science.zip (45.3 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.

مسیرهای یادگیری آموزش مقدمه ای بر علم داده

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Introduction to Data Science در 2 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

پایتون امکانات بی شماری را برای تهیه، تجزیه و تحلیل و گزارش داده ها ارائه می دهد. اگر در حال شروع حرفه ای در تجزیه و تحلیل داده ها هستید یا به دنبال بهبود مهارت های خود هستید، این دوره ها می توانند به شما کمک کنند. هماهنگ شوید، امتحان نهایی را قبول کنید و گواهینامه خود را دریافت کنید.<br><br>این گواهی توسط Anaconda، یک پلت فرم پایتون/R قابل اعتماد برای علم داده، یادگیری ماشین و هوش مصنوعی تایید شده است. سفر یادگیری پایتون خود را در <a href="https://learning.anaconda.cloud/" target="_blank">آموزش آناکوندا</a> ادامه دهید.

آموزش مقدمه ای بر علم داده ، ایستگاه شماره 1 در مسیر یادگیری آناکوندا پایتون برای گواهینامه حرفه ای علم داده ، است.

مسیر یادگیری آناکوندا پایتون برای گواهینامه حرفه ای علم داده

به دنبال پیشرفت شغلی خود در علم داده هستید؟ در این مسیر یادگیری، دانش پایه را جمع آوری کنید - از مهارت های غیر فنی گرفته تا استراتژی های مسیر شغلی - تا به سفر حرفه ای خود در علم داده ادامه دهید.

آموزش مقدمه ای بر علم داده ، ایستگاه شماره 3 در مسیر یادگیری شروع حرفه خود در فناوری: علم داده ، است.