1. صفحه اصلی
  2. »
  3. آموزش
  4. »
  5. آموزش تصویری
  6. »
  7. Oreilly – Data Science Fundamentals Part 1: Learning Basic Concepts, Data Wrangling, and Databases with Python 2017-8
Data Science Fundamentals Part 1_ Learning Basic Concepts, Data Wrangling, and Databases with Python

Oreilly – Data Science Fundamentals Part 1: Learning Basic Concepts, Data Wrangling, and Databases with Python 2017-8

توضیحات

Data Science Fundamentals Part 1: Learning Basic Concepts, Data Wrangling, and Databases with Python، دوره آموزش اصول علم داده – بخش اول: یادگیری مفاهیم پایه، آماده‌سازی داده‌ها (Data Wrangling) و پایگاه‌های داده با پایتون توسط آکادمی O’Reilly منتشر شده است.دوره Data Science Fundamentals Part 1 یک آموزش جامع مقدماتی در حوزه علم داده است که مفاهیم، ابزارها و گردش‌کارهای اساسی مورد نیاز برای ورود به دنیای Data Science را آموزش می‌دهد. این دوره بر ایجاد درک عمیق از اصول علم داده تمرکز دارد و در عین حال تکنیک‌های عملی جمع‌آوری، پاکسازی، تبدیل و مدیریت داده‌ها را به فراگیران معرفی می‌کند. شرکت‌کنندگان با ساختار پروژه‌های علم داده، روش‌های آماده‌سازی داده برای تحلیل و نقش پایگاه‌های داده در تصمیم‌گیری‌های مبتنی بر داده آشنا می‌شوند.

در طول دوره، فراگیران با استفاده از زبان Python عملیات Data Wrangling را انجام می‌دهند، داده‌ها را پردازش می‌کنند و نحوه تعامل با پایگاه‌های داده را یاد می‌گیرند. مباحثی مانند پاکسازی داده‌ها، آماده‌سازی داده، اصول پایگاه‌های داده، مدیریت داده‌های ساختاریافته و فرایندهای عملی مورد استفاده در پروژه‌های واقعی پوشش داده می‌شوند. رویکرد آموزشی دوره ترکیبی از مفاهیم تئوری و مثال‌های عملی است تا دانشجویان علاوه بر یادگیری نحوه کار با داده‌ها، اهمیت هر مرحله در چرخه کامل علم داده را نیز درک کنند. این دوره برای افراد مبتدی و علاقه‌مندان به ورود به حوزه تحلیل داده و علم داده طراحی شده است و پایه‌ای مناسب برای ادامه مسیر در زمینه‌هایی مانند تحلیل داده، یادگیری ماشین و مهندسی داده فراهم می‌کند. در پایان دوره، فراگیران درک کاملی از مفاهیم بنیادی علم داده، کار با پایگاه‌های داده و ابزارهای پردازش داده مبتنی بر Python خواهند داشت و آماده ورود به مباحث پیشرفته‌تر خواهند بود.

آنچه خواهید آموخت

  • درک مفاهیم بنیادین و گردش‌کارهای اصلی علم داده.
  • یادگیری اصول Data Wrangling و آماده‌سازی داده‌ها.
  • استفاده از Python برای پردازش و آماده‌سازی داده‌ها.
  • پاکسازی و تبدیل داده‌های خام برای تحلیل.
  • آشنایی با نقش پایگاه‌های داده در پروژه‌های علم داده.
  • کار با داده‌های ساختاریافته و سیستم‌های پایگاه داده از طریق Python.
  • کسب مهارت‌های عملی در سازماندهی و مدیریت داده‌ها.
  • ایجاد پایه‌ای مستحکم برای ادامه مسیر در حوزه تحلیل داده و علم داده.

این دوره برای چه کسانی مناسب است

  • افراد مبتدی که قصد ورود به حوزه علم داده را دارند.
  • دانشجویانی که می‌خواهند مبانی تحلیل و مدیریت داده را یاد بگیرند.
  • کاربران Python که به استفاده از برنامه‌نویسی در پروژه‌های علم داده علاقه دارند.
  • متخصصانی که قصد تغییر مسیر شغلی به حوزه‌های مرتبط با داده را دارند.
  • تمام افرادی که می‌خواهند Data Wrangling و اصول پایگاه‌های داده را فرا بگیرند.

مشخصات دوره Data Science Fundamentals Part 1: Learning Basic Concepts, Data Wrangling, and Databases with Python

  • ناشر : Oreilly
  • مدرس : Jonathan Dinu
  • زبان: انگلیسی
  • سطح آموزش: تمام سطوح
  • مدت زمان آموزش: 20 ساعت و 54 دقیقه

سر فصل های دوره Data Science Fundamentals Part 1: Learning Basic Concepts, Data Wrangling, and Databases with Python

Data Science Fundamentals Part 1_ Learning Basic Concepts, Data Wrangling, and Databases with Python

تصاویر

Data Science Fundamentals Part 1_ Learning Basic Concepts, Data Wrangling, and Databases with Python

فیلم نمونه

راهنمای نصب

پس از Extract، با Player دلخواه خود مشاهده کنید.

زیرنویس: انگلیسی

کیفیت: 720p

لینک دانلود

دانلود بخش 1 – 3 گیگابایت

دانلود بخش 2 – 3 گیگابایت

دانلود بخش 3 – 233 مگابایت

گذرواژه فایل(ها): www.downloadly.ir

حجم فایل

6.22 گیگابایت

رتبه دهید

محاسبه حجم دانلود برای ایرانسل به‌صورت تمام‌بها است.

Download Faster Without Limitation

The data center of free servers has applied a non-Iranian IP restriction on some servers
There is no limitation for VIP servers

برچسب ها:

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این قسمت نباید خالی باشد
این قسمت نباید خالی باشد
لطفاً یک نشانی ایمیل معتبر بنویسید.
فقط دیدگاه‌هایی که جنبه‌ی استفاده‌ی عمومی دارد، نمایش داده می‌شود؛ درصورت تمایل به دریافت نتیجه‌ی رسیدگیِ دیدگاه خود، ایمیل معتبر وارد کنید.

فهرست