اشتباهات علوم داده پایتون که باید از آنها اجتناب کرد

مدرس Madecraft

انتشار 2020/10/01

مدت زمان 47m 24s

سطح متوسط

فایل تمرینی دارد

آموزش Python Data Science Mistakes to Avoid

چه در پایتون استاد باشید و چه هنوز در حال یادگیری هستید، به احتمال زیاد مرتکب اشتباهات ساده ای می شوید که برای شما وقت و بهره وری تمام می کند. در این دوره آموزشی، با رایج ترین اشتباهاتی که دانشمندان داده هنگام استفاده از پایتون مرتکب می شوند و همچنین نحوه جلوگیری از این اشتباهات در کار خود آشنا شوید. مسائلی را کشف کنید که باید از آنها در زمینه برنامه‌نویسی اجتناب کنید، مانند نام‌گذاری مبهم اشیا. درباره اشتباهاتی که توسعه دهندگان هنگام ساختاردهی کد مرتکب می شوند، از جمله ایجاد وابستگی های دایره ای، بیاموزید. به‌علاوه، گام‌های اشتباه رایجی که توسعه‌دهندگان هنگام مدیریت داده‌ها و کار بر روی پروژه‌های یادگیری ماشین مرتکب می‌شوند را بررسی کنید. در پایان این دوره، شما به فهرستی از ابزارها، استراتژی ها و بهترین شیوه ها برای بهبود اثربخشی خود در هنگام کار با داده ها در پایتون مجهز خواهید شد.

Database Development Data Management Python (Programming Language)

Introduction

Avoiding common Python mistakes ()

Getting the most from this course ()

1. Avoid Mistakes in Coding Practices

Not writing comments ()

Not organizing your directory ()

Not testing ()

Not sharing data referenced in code ()

Hard coding inaccessible paths ()

Name clashing with Python standard library ()

Not importing relevant libraries and modules ()

Naming vaguely ()

2. Avoid Mistakes in Structuring Code

Modifying a list while iterating over it ()

Using for loops instead of vectorized functions ()

Using class variables vs. instance variables ()

Calling functions before defining ()

Creating circular dependencies ()

3. Avoid Mistakes in Handling Data

Not choosing the right data structure ()

Skimming data ()

Not using the right visualization type ()

Not addressing outliers ()

Not updating your dataset ()

Not cleaning data ()

4. Avoid Mistakes in Machine Learning

Using features that will be unavailable later ()

Using redundant features ()

Conclusion

Get started with Python ()

Ex_Files_Python_Data_Mistakes.zip (4.5 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.