LLM های عملی برای علم داده های مدرن

مدرس Parul Pandey

انتشار 2026/06/23

مدت زمان 1h 12m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Practical LLMs for Modern Data Science

بیاموزید که چگونه می توان از مدل های زبان بزرگ (LLM) به عنوان دستیار عملی در کارهای روزمره علم داده استفاده کرد. با دیدن کدهای تولید شده توسط LLM در عمل شروع کنید و سپس راهنماهای قابل استفاده مجدد خود را بسازید که کارهای تکراری مانند کاوش، پیش پردازش، و مدل سازی دیگ بخار را سرعت می بخشد. بیاموزید که چگونه از LLM ها برای تولید کدی استفاده کنید که قابل بازرسی، اجرا و اعتبارسنجی باشد، نه اینکه به خروجی های جعبه سیاه اعتماد کنید. کاوش کنید که چگونه LLM ها در وظایف طبقه بندی و رگرسیون رفتار می کنند و چگونه این نتایج را با استفاده از معیارهای استاندارد علم داده ارزیابی می کنند.

Data Analysis مدل‌های زبان بزرگ (LLM)

Introduction: Get Productive Fast

How LLMs fit into data science ()

Building your first LLM helper: From prompt to inspectable Python code ()

1. Exploratory Data Analysis Helpers

Generate an EDA summary helper ()

Extend the EDA helper with visual diagnostics ()

Validate and refine EDA helper outputs ()

2. Preprocessing Helpers

Build a data cleaning helper ()

Create a feature encoding and scaling helper ()

Combine preprocessing helpers into a reusable pipeline ()

3. Modeling Helpers

Build a baseline classification helper ()

Build a regression modeling helper ()

Refine and customize model helpers ()

4. Evaluation Helpers

Build a classification evaluation helper ()

Build a regression evaluation helper ()

Validate model performance with baselines ()

5. Judgment, Control, and Responsible Use

Make LLM helpers auditable and reproducible ()

Run helpers with local or privacy-preserving LLMs ()

6. End-to-End Application

Run the full helper-based workflow ()

Stress-testing helpers on a new dataset ()

7. Wrap-Up and Next Steps

Patterns for building your own LLM helpers ()

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.