Udemy – Data Science for Beginners – Python, Azure ML and Tableau 2024-11

در تاریخ: 1403/10/22 11:23:46

توضیحات

دوره Data Science for Beginners – Python Azure ML and Tableau یک دوره عملی است که مهارت‌های ضروری برای کار در حوزه داده‌کاوی را معرفی می‌کند. این دوره که برای مبتدیان طراحی شده است، برنامه‌نویسی پایتون، تحلیل داده، آمار، یادگیری ماشین و محاسبات ابری با Azure را پوشش می‌دهد. هر موضوع از طریق مثال‌های عملی، مجموعه داده‌های واقعی و راهنمایی‌های گام به گام آموزش داده می‌شود و آن را برای هر کسی که کار خود را در زمینه داده‌کاوی آغاز می‌کند، در دسترس و جذاب می‌سازد.

آنچه که در دوره Data Science for Beginners – Python Azure ML and Tableau فرا خواهید گرفت

اصول برنامه‌نویسی پایتون: با اصول اولیه پایتون شروع کنید، که مفاهیم اساسی برنامه‌نویسی مانند متغیرها، انواع داده‌ها، توابع و جریان کنترل را پوشش می‌دهد. پایتون یک زبان همه کاره است که به طور گسترده‌ای در علم داده استفاده می‌شود و تسلط بر این اصول اولیه به شما کمک می‌کند تا تجزیه و تحلیل داده‌ها را انجام دهید و مدل‌های یادگیری ماشین را با اطمینان بسازید.
پاک‌سازی و تحلیل داده‌ها با Pandas: با دستکاری و پاکسازی داده‌ها با استفاده از Pandas، یک کتابخانه قدرتمند علم داده، شروع کنید. شما تکنیک‌هایی برای وارد کردن، بررسی و تبدیل داده‌ها را یاد خواهید گرفت که به شما امکان می‌دهد داده‌ها را به طور موثر تجزیه و تحلیل کرده و برای مدل‌سازی آماده کنید.
آمار برای علم داده: دانش خود را در مورد مفاهیم آماری کلیدی مورد استفاده در علم داده بسازید. موضوعات شامل معیارهای تمایل مرکزی (میانگین، میانه، مد)، معیارهای پراکندگی (انحراف استاندارد، واریانس) و آزمون فرضیه است. این مفاهیم به شما کمک می‌کند تا بینش‌های داده‌ها را به درستی درک و تفسیر کنید.
نمایش داده‌ها: تجربه عملی در ایجاد نمایش‌های داده با Matplotlib و Seaborn به دست آورید. شما یاد خواهید گرفت که نمودارهای خطی، پراکندگی، میله‌ای، گرما و موارد دیگر را ایجاد کنید تا بتوانید بینش‌های داده‌ها را به وضوح و موثرانه منتقل کنید.
نمایش تعاملی داده‌ها با Tableau
به منابع داده متصل شوید و داده‌ها را برای تجسم آماده کنید.
نمودارهایی مانند نمودارهای میله‌ای، هیستوگرام و نمودارهای دونات را ایجاد کنید.
فیلدهای محاسباتی را برای بخش‌بندی و تجزیه و تحلیل داده‌ها، مانند نرخ ترک مشتری، مدت اشتراک، گروه‌های سنی و محدوده‌های موجودی ایجاد کنید.
یک داشبورد ترک مشتری بانکی را توسعه دهید که چندین تجسم و فیلتر را برای به دست آوردن بینش‌های عملی ادغام می‌کند.
داشبوردهای Tableau خود را منتشر کنید و آن‌ها را با ذینفعان به اشتراک بگذارید.
و …

این دوره مناسب افرادیست که

این دوره برای مبتدیانی که کنجکاو در مورد علم داده هستند و می‌خواهند یک مقدمه عملی برای این حوزه هیجان‌انگیز داشته باشند، بسیار مناسب است. برای دانش‌آموزان، تغییر شغل و متخصصان از زمینه‌های غیر فنی که به دنبال ایجاد یک پایه محکم در مهارت‌های علم داده، از جمله برنامه‌نویسی پایتون، تحلیل داده، آمار، یادگیری ماشین و محاسبات ابری هستند، ایده‌آل است.