پایتون: کار با پیش‌بینی‌کننده آنالیز

مدرس Isil Berkun

انتشار 2019/08/12

مدت زمان 1h 17m

سطح پیشرفته

فایل تمرینی دارد

آموزش Python: Working with Predictive Analytics

داده ها می توانند داستان های زیادی را بیان کنند: از کجا آمده و به کجا می رود. تجزیه و تحلیل پیشگو به برنامه نویسان ابزاری برای گفتن داستان هایی در مورد آینده می دهد: استخراج اطلاعات قابل استفاده و پیش بینی های دقیق. این پیش‌بینی‌ها به نوبه خود به کسب‌وکار اجازه می‌دهند تا تصمیمات آگاهانه‌تر و تأثیرگذارتری بگیرند. به ایسیل برکون، دانشمند داده، بپیوندید تا تجزیه و تحلیل پیش بینی را با پایتون بررسی کنید. نحوه آماده‌سازی داده‌ها - پر کردن مقادیر از دست رفته، انجام مقیاس‌بندی ویژگی‌ها و موارد دیگر - و استفاده از کتابخانه‌های از پیش ساخته شده پایتون برای ساخت و ارزیابی مدل‌های پیش‌بینی را کشف کنید. او توضیح می‌دهد که چه مدل‌هایی باید در چه زمانی استفاده شوند، و مفاهیم را به گونه‌ای توضیح می‌دهد که بتوانید بلافاصله آنها را در کار خود به کار ببرید. در پایان دوره، می‌توانید از کتابخانه‌های پایتون مانند پانداها و NumPy استفاده کنید و مدل‌های پیش‌بینی مناسب را برای پروژه‌های خود انتخاب کنید.

Data Modeling Predictive Analytics Python (Programming Language)

Introduction

Predict data in Python ()

Road map ()

1. Data Preprocessing

Convert categorical data into numbers ()

Divide the data into test and train ()

Differentiate data types ()

Python libraries and data import ()

Handling missing values ()

Feature scaling ()

2. Prediction Models

Introduction to predictive models ()

Linear regression ()

Polynomial regression ()

Support Vector Regression (SVR) ()

Decision tree regression ()

Random forest regression ()

Evaluation of predictive models ()

Hyperparameter optimization ()

Challenge: Hyperparameter optimization ()

Solution: Hyperparameter optimization ()

Conclusion

Next steps ()

Ex_Files_Python_Predictive_Analytics.zip (142 KB)

Glossary_Python_Predictive_Analytics.zip (100 KB)

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 پایتون: کار با پیش‌بینی‌کننده آنالیز

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 Python: Working with Predictive Analytics در 3 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

تجزیه و تحلیل پیش بینی یکی از غنی ترین رشته ها در حوزه علم داده است. از آنجایی که ابزارها و تکنیک‌های استفاده از داده‌ها برای پیش‌بینی نتایج آینده تکامل یافته‌اند، متخصصان کسب‌وکار و تجزیه و تحلیل داده‌ها می‌توانند از این مسیر یادگیری برای به‌روز ماندن با آخرین پیشرفت‌ها استفاده کنند.

آموزش پایتون: کار با پیش‌بینی‌کننده آنالیز ، ایستگاه شماره 6 در مسیر یادگیری مهارت های خود را در تجزیه و تحلیل پیش بینی کننده ارتقا دهید ، است.

مسیر یادگیری مهارت های خود را در تجزیه و تحلیل پیش بینی کننده ارتقا دهید

درک خود را از Python عمیق تر کنید و حرفه خود را به سطح بعدی ببرید! در این مسیر یادگیری، به جنبه‌های پیچیده‌تر پایتون بپردازید و یاد بگیرید که چگونه این مهارت‌های جدید را در پروژه‌های خود به کار ببرید.

آموزش پایتون: کار با پیش‌بینی‌کننده آنالیز ، ایستگاه شماره 8 در مسیر یادگیری به مهارت های پایتون خود مسلط شوید ، است.

مسیر یادگیری به مهارت های پایتون خود مسلط شوید

دانشمندان داده که به عنوان تحلیلگران داده به تمرکز شغلی جدید روی می آورند، این مسیر یادگیری را در انتقال مهارت های خود ارزشمند خواهند یافت. شما مهارت های موجود در زبان های برنامه نویسی مانند Python، SQL و R را خواهید آموخت و نحوه استفاده از آنها را در زمینه تحلیلی یاد خواهید گرفت. همچنین مهارت های قدرت را در برنامه های اصلی تجزیه و تحلیل مانند Tableau و Excel توسعه خواهید داد و در مهارت های تجسم داده ها پایه ای قوی کسب خواهید کرد.

آموزش پایتون: کار با پیش‌بینی‌کننده آنالیز ، ایستگاه شماره 9 در مسیر یادگیری حرکت از دانشمند داده به تحلیلگر داده ، است.