کتاب کاوش داده با پایتون با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB
249,950 تومان
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره کاوش داده با پایتون
موضوع کلی: مدل‌سازی ریاضی پدیده‌های پیچیده
موضوع میانی: مدل‌سازی تحلیل اکتشافی داده
📋 سرفصل‌های دوره
- 1. مقدمه‌ای بر علم داده و پایتون
- 2. نصب و پیکربندی پایتون و محیط‌های توسعه
- 3. انواع داده‌ها و متغیرها در پایتون
- 4. عملگرها و عبارات در پایتون
- 5. ساختارهای کنترلی: شرطی‌ها (if, elif, else)
- 6. حلقه‌ها: for و while در پایتون
- 7. توابع: تعریف و فراخوانی توابع
- 8. آرگومان‌های توابع و مقادیر پیش‌فرض
- 9. ماژول‌ها و بسته‌ها در پایتون
- 10. مدیریت خطا و استثناها
- 11. کار با فایل‌ها: خواندن و نوشتن
- 12. مقدمه‌ای بر کتابخانه NumPy
- 13. آرایه‌ها در NumPy
- 14. عملیات ریاضیاتی با NumPy
- 15. کتابخانه Pandas: مقدمه و ساختار داده Series
- 16. DataFrames در Pandas
- 17. انتخاب و فیلتر کردن داده‌ها در Pandas
- 18. پاکسازی و آماده‌سازی داده‌ها
- 19. ادغام و اتصال DataFrames
- 20. گروه‌بندی و تجمیع داده‌ها
- 21. تحلیل داده‌های سری زمانی با Pandas
- 22. مقدمه‌ای بر کتابخانه Matplotlib
- 23. رسم نمودارهای خطی و پراکندگی
- 24. نمودارهای میله‌ای و هیستوگرام
- 25. نمودارهای جعبه‌ای و ویولن
- 26. سفارشی‌سازی نمودارها در Matplotlib
- 27. مقدمه‌ای بر کتابخانه Seaborn
- 28. نمودارهای آماری با Seaborn
- 29. نمودارهای چند متغیره با Seaborn
- 30. تصویرسازی داده‌های دسته‌بندی
- 31. مقدمه‌ای بر کتابخانه Scikit-learn
- 32. پیش‌پردازش داده‌ها با Scikit-learn
- 33. مدل‌های رگرسیون خطی
- 34. رگرسیون چندگانه
- 35. مدل‌های طبقه‌بندی: رگرسیون لجستیک
- 36. درخت‌های تصمیم‌گیری
- 37. جنگل تصادفی
- 38. ماشین‌های بردار پشتیبان (SVM)
- 39. خوشه‌بندی با K-Means
- 40. ارزیابی مدل‌ها: معیارها و روش‌ها
- 41. اعتبارسنجی متقابل (Cross-validation)
- 42. تنظیم پارامترهای مدل (Hyperparameter tuning)
- 43. کاهش ابعاد با PCA
- 44. انتخاب ویژگی (Feature selection)
- 45. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.