کتاب استخراج، ساختاربندی و تطبیق داده‌های بزرگ با پایتون و اسپارک

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استخراج، ساختاربندی و تطبیق داده‌های بزرگ با پایتون و اسپارک

موضوع کلی: علم داده و هوش مصنوعی

موضوع میانی: پردازش و تحلیل داده‌های حجیم

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علم داده و تحلیل داده‌های بزرگ
  • 2. محیط توسعه و ابزارهای مورد نیاز
  • 3. آشنایی با زبان پایتون برای علم داده
  • 4. مفاهیم پایه اسپارک
  • 5. معماری اسپارک و اجزای آن
  • 6. نصب و پیکربندی اسپارک
  • 7. مقدمه‌ای بر RDD ها در اسپارک
  • 8. عملیات روی RDD ها
  • 9. تبدیل‌ها و کنش‌های RDD
  • 10. ساختار داده DataFrame در اسپارک
  • 11. عملیات روی DataFrame ها
  • 12. ساختار داده Dataset در اسپارک
  • 13. تفاوت بین RDD، DataFrame و Dataset
  • 14. مقدمه‌ای بر استخراج داده
  • 15. روش‌های مختلف استخراج داده
  • 16. استخراج داده از منابع ساختاریافته
  • 17. استخراج داده از منابع نیمه‌ساختاریافته
  • 18. استخراج داده از منابع بدون ساختار
  • 19. تکنیک‌های پیشرفته استخراج متن
  • 20. کاربرد کتابخانه‌های پایتون در استخراج داده
  • 21. کتابخانه Beautiful Soup برای وب اسکرپینگ
  • 22. کتابخانه Scrapy برای استخراج مقیاس‌پذیر
  • 23. استخراج داده از پایگاه‌های داده
  • 24. استخراج داده از فایل‌های XML و JSON
  • 25. استخراج داده از API ها
  • 26. پاکسازی و پیش‌پردازش داده‌های استخراج شده
  • 27. مدیریت داده‌های گمشده
  • 28. شناسایی و حذف داده‌های پرت
  • 29. استانداردسازی و نرمال‌سازی داده‌ها
  • 30. تبدیل انواع داده‌ها
  • 31. مقدمه‌ای بر ساختاربندی داده
  • 32. اهمیت ساختاربندی داده‌ها
  • 33. روش‌های مختلف ساختاربندی داده
  • 34. استفاده از الگوها برای ساختاربندی داده
  • 35. استخراج اطلاعات کلیدی از متن
  • 36. مدل‌سازی موضوعی (Topic Modeling)
  • 37. تکنیک‌های استخراج موجودیت نام‌دار (NER)
  • 38. استخراج روابط بین موجودیت‌ها
  • 39. ساختاردهی داده‌های متنی به فرمت‌های مشخص
  • 40. کاربرد کتابخانه‌های پایتون در ساختاربندی داده
  • 41. پردازش زبان طبیعی (NLP) با NLTK
  • 42. پردازش زبان طبیعی (NLP) با spaCy
  • 43. استفاده از Regex برای استخراج و ساختاربندی
  • 44. ساختاردهی داده‌های جدولی
  • 45. ساختاردهی داده‌های مکانی
  • 46. مقدمه‌ای بر تطبیق داده‌ها
  • 47. چالش‌های تطبیق داده‌ها
  • 48. مفاهیم تطبیق رکوردهای مشابه
  • 49. تکنیک‌های تطبیق رکوردهای مبتنی بر قاعده
  • 50. تکنیک‌های تطبیق رکوردهای مبتنی بر یادگیری ماشین
  • 51. محاسبه شباهت بین رشته‌ها
  • 52. فاصله لونشتاین و معیارهای دیگر
  • 53. استفاده از هش برای تطبیق سریعتر
  • 54. فیلترینگ و خوشه‌بندی برای کاهش مقایسه
  • 55. تطبیق داده‌ها در اسپارک
  • 56. استفاده از DataFrame برای تطبیق
  • 57. استفاده از UDF ها برای تطبیق سفارشی
  • 58. کاربرد کتابخانه‌های پایتون در تطبیق داده‌ها
  • 59. کتابخانه FuzzyWuzzy برای تطبیق تقریبی
  • 60. کتابخانه RecordLinkage
  • 61. طراحی پایپ‌لاین استخراج، ساختاربندی و تطبیق
  • 62. پیاده‌سازی پایپ‌لاین با پایتون و اسپارک
  • 63. بهینه‌سازی عملکرد پایپ‌لاین
  • 64. مدیریت خطا و لاگ‌گیری در پایپ‌لاین
  • 65. ارزیابی کیفیت داده‌های استخراج شده و تطبیق یافته
  • 66. معیارهای ارزیابی تطبیق داده‌ها
  • 67. مطالعه موردی: تطبیق سوابق مشتریان
  • 68. مطالعه موردی: استخراج و ساختاربندی اطلاعات محصولات
  • 69. مطالعه موردی: پاکسازی و یکپارچه‌سازی داده‌های علمی
  • 70. مقدمه‌ای بر یادگیری ماشین در علم داده
  • 71. انواع یادگیری ماشین (نظارت شده، بدون نظارت)
  • 72. آماده‌سازی داده‌ها برای مدل‌های یادگیری ماشین
  • 73. مهندسی ویژگی (Feature Engineering)
  • 74. ارزیابی مدل‌های یادگیری ماشین
  • 75. مقدمه‌ای بر یادگیری عمیق
  • 76. شبکه‌های عصبی کانولوشنی (CNN)
  • 77. شبکه‌های عصبی بازگشتی (RNN)
  • 78. کاربردهای یادگیری عمیق در پردازش زبان طبیعی
  • 79. کاربردهای یادگیری عمیق در بینایی ماشین
  • 80. امنیت داده‌ها و حریم خصوصی
  • 81. اصول حفاظت از داده‌ها
  • 82. قوانین و مقررات مرتبط با داده‌ها در ایران
  • 83. اخلاق در علم داده
  • 84. مسئولیت‌پذیری در تحلیل داده‌ها
  • 85. آینده علم داده و هوش مصنوعی
  • 86. روندهای نوظهور در تحلیل داده‌های بزرگ
  • 87. کاربرد هوش مصنوعی در حوزه‌های مختلف
  • 88. ملاحظات اخلاقی و اجتماعی هوش مصنوعی
  • 89. درس نهایی و جمع‌بندی
  • 90. مرور مفاهیم کلیدی
  • 91. منابع بیشتر برای مطالعه
  • 92. تمرین‌های عملی پیشرفته
  • 93. پروژه نهایی
  • 94. ارائه پروژه‌ها
  • 95. بازخورد و پرسش و پاسخ
  • 96. گواهینامه پایان دوره

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.