Udemy – Breaking into Data Science & Machine Learning with Python 2022-9

در تاریخ: 1403/07/13 7:17:29

توضیحات

Breaking into Data Science & Machine Learning with Python، دوره آموزش علم داده و یادگیری ماشین با پایتون توسط آکادمی یودمی منتشر شده است. بگذارید داستانم را برایتان تعریف کنم. من با مدرک دکترای خود در نانو الکترونیک محاسباتی فارغ التحصیل شدم اما در بیشتر دوران کاری خود به عنوان دانشمند داده کار کرده ام. رشته کارشناسی و کارشناسی ارشد من در رشته مهندسی برق (EE) و در مقطع کارشناسی ارشد در رشته فیزیک بود. پس از اولین سال کارم در اینتل به عنوان “مهندس تجزیه و تحلیل عملکرد” (اکنون عنوان را به دانشمند داده تغییر دادند)، من به معنای واقعی کلمه با شرکت در کلاس های آنلاین فراوان وارد علم داده شدم. من مصاحبه های متعددی انجام دادم، پروژه های زیادی را تکمیل کردم و در نهایت وارد علم داده شدم. من این را یکی از دستاوردهای بسیار مهم زندگی خود می دانم. بدون داشتن مدرک در علوم کامپیوتر (CS) یا آمار، شغل دوم خود را به عنوان دانشمند داده پیدا کردم. از آن زمان من به عنوان یک دانشمند داده کار می کنم.

اگر بتوانم بدون مدرک CS یا Stat وارد علم داده بشوم، فکر می کنم شما هم می توانید این کار را انجام دهید. در این کلاس به من اجازه دهید سفر خود را به سمت علم داده به اشتراک بگذارم و اجازه دهید به شما کمک کنم تا به علم داده وارد شوید. البته منصفانه نیست که بگوییم پس از گذراندن یک دوره، شما یک دانشمند داده خواهید بود. با این حال باید از جایی شروع کنیم. یک شروع خوب و یک همراه خوب می تواند ما را جلوتر ببرد. ما قطعا در مورد Python، Pandas، NumPy، Sk-learn و سایر کتابخانه های محبوب دیگر بحث خواهیم کرد. در این دوره همچنین سعی خواهیم کرد مفاهیم پیچیده مهم یادگیری ماشین را رمزگشایی کنیم. اکثر سخنرانی ها با کد و مثال های کاربردی همراه خواهند بود. من همچنین از “تخته سفید” برای توضیح مفاهیمی استفاده خواهم کرد که غیر از این قابل توضیح نیستند. یک دانشمند داده خوب باید از تخته سفید برای ایده پردازی، حل مسئله استفاده کند. همچنین می‌خواهم اشاره کنم که این دوره برای توضیح تمام ریاضیات مورد نیاز برای تمرین یادگیری ماشین طراحی نشده است. همچنین من به طور مداوم محتوای این دوره را ارتقا خواهم داد تا مطمئن شوم که آخرین ابزارها و کتابخانه ها در اینجا آموزش داده می شوند.

آنچه خواهید آموخت

نحوه استفاده از پایتون برای کاربردهای علم داده
کتابخانه های پایتون: پانداها، NumPy، Sci-Kit یاد می گیرند
کتابخانه های تجسم داده ها: Matplotlib، Seaborn، Plotly
تجزیه و تحلیل داده های اکتشافی (EDA)، تحلیل توصیفی، مدل سازی پیش بینی با استفاده از یادگیری ماشین
بهترین روش های علم داده: نحوه استفاده از تکنیک ها و ابزارها توسط Data Scientist در صنایع.
مدل یادگیری ماشین: رگرسیون خطی و لجستیک، KNN، بNaive Bayes، مدل‌های چندجمله‌ای
چرا و چه زمانی از یک مدل ML خاص استفاده کنیم