دوره جامع علوم داده​ با پایتون

Data science - Basic to Advance
تصویر شاخص

سرفصل دوره علم داده

بخش اول-درک مساله کسب و کار

     کاربرد روش تحلیل توصیفی

     کاربرد روشهای تحلیل پیشگویانه

     انواع منابع داده ای

     بانک های اطلاعاتی

بخش دوم-پالایش و پیش پردازش داده ها

     تکنیک های ترمیم مقادیر از قلم افتاده

     تکنیک های شناسایی داده های پرت

     تکنیک های آمار توصیفی

     روشهای تبدیل مقیاس داده ها        

بخش سوم- بصری سازی و نمایش الگوی داده ها 

     تکنیک های بصری سازی داده ها

     تکنیک های کاهش ابعاد

     تکنیک شناسایی وابستگی بین ویژگی ها

     کنترل عدم تعادل در متغیرهای هدف

بخش چهارم-مدلسازی آماری 

     تکنیک های مدلسازی آماری

     اجزاء سری زمانی و تست و حذف آنها

     روش پیش بینی

     روش ARIMA

بخش پنجم-مدلسازی داده محور با الگوهای رایانه ای 

     انواع تکنیک های یادگیری ماشین و مزایا و معایب آنها

     اصول یادگیری با نظارت

     اصول یادگیری بدون نظارت

     اصول یادگیری تقویتی

     اصول تحلیل شبکه های اجتماعی

بخش ششم-مدلسازی به روش یادگیری عمیق 

     انواع تکنیک های یادگیری عمیق

     شبکه های عصبی MLP

     شبکه های عصبی RNN

بخش هفتم- تفسیر نتایج و ارائه گزارش 

     تکینک های تهیه داشبورد مدیریت

     تکینک های برنامه نویسی سنکرون وب در پایتون

     تکنیک های برنامه نویسی آسنکرون وب در پایتون

مقدمه

- - - - - آشنایی با علوم داده و دلایل اهمیت آن

03:00ساعت

- - - - - کار با ابزارهای هوش تجاری (گوگل دیتا استودیو مانند پاور بی آی، تابلو و غیره)

09:00ساعت

- - - - - کار با شیت ها (گوگل شیتز، مانند اکسل و امثال آن)

12:00ساعت

- - - - - آشنایی با برنامه نویسی، متغیرها، فایل ها، شرط ها، تکرارها، توابع، کتابخانه ها و شی گرایی در پایتون

24:00ساعت

- - - - - کار با دیتافریم ها در پانداس، خوانده فایل های داده از شیت ها و دیتابیس و غیره

06:00ساعت

- - - - - تمیز کردن داده، آماده سازی داده برای پردازش

03:00ساعت

- - - - - امنیت داده، اصول اخلاقی کار با داده و نحوه محافظت از داده

03:00ساعت

تحلیل داده

- - - - - تجمیع داده از منابع تحت وب

03:00ساعت

- - - - - کار با دیتابیس های رابطه ای و غیررابطه ای

12:00ساعت

- - - - - کار با بلاکچین ها و ساخت زیرساخت ها بر پایه بلاکچین

06:00ساعت

- - - - - ویژوال سازی و نمایش گرافیکی داده

06:00ساعت

- - - - - ساخت ربات های تحت وب، تحت ریزپردازنده ها و تحت اپلیکیشن ها

06:00ساعت

یادگیری ماشینی

- - - - - پیش پردازش داده های تجاری و بانکی

03:00ساعت

- - - - - پیش پردازش داده های صوتی و تصویری و ویدئویی و متنی

06:00ساعت

- - - - - پیش پردازش داده های حوزه سلامت

03:00ساعت

- - - - - خوشه بندی، رگرسیون خطی و کلاس بندی با الگوریتم های قدیمی یادگیری ماشین

09:00ساعت

- - - - - شبکه های عصبی، کانولوشن، ریکارنت، پرسپترون

06:00ساعت

- - - - - مدل های یادگیری عمیق کلاس بندی، دتکشن، سگمنتیشن، تشخیص تفاوت، خلق خلاقانه

36:00ساعت

- - - - - یادگیری تقویتی، مدل های جستجو براساس الگوریتم ژنتیک و امثال آن

06:00ساعت

پژوهش (8 ساعت: یک ماه، هر هفته دو ساعت)

08:00ساعت
دیدگاهتان را با ما درمیان بگذارید
تعداد دیدگاه : 0
امتیاز کلی : 0.0
پیشنهاد شده توسط : 0 کاربر
بر اساس 0 فروش
0
0
0
0
0

هیچ دیدگاهی برای این محصول نوشته نشده است.

لطفا پیش از ارسال نظر، خلاصه قوانین زیر را مطالعه کنید:

فارسی بنویسید و از کیبورد فارسی استفاده کنید. بهتر است از فضای خالی (Space) بیش‌از‌حدِ معمول، شکلک یا ایموجی استفاده نکنید و از کشیدن حروف یا کلمات با صفحه‌کلید بپرهیزید.

نظرات خود را براساس تجربه و استفاده‌ی عملی و با دقت به نکات فنی ارسال کنید؛ بدون تعصب به محصول خاص، مزایا و معایب را بازگو کنید و بهتر است از ارسال نظرات چندکلمه‌‌ای خودداری کنید.
اولین کسی باشید که دیدگاهی می نویسد “دوره جامع علوم داده​ با پایتون”

نشانی ایمیل شما منتشر نخواهد شد.

قیمت

تومان 5,800,000


  • مشاهده جزئیات
امتیازی ثبت نشده است
سطح آموزش پیشرفته
مدت دوره: 170:00ساعت
تصویر شاخص

Comprehensive data science course using the latest current methods at the frontiers of knowledge and economic peaks

All the software used in the online training course will be free and universally used tools.

این محصول هیچ محتوایی جهت دریافت ندارد

دیدگاهتان را با ما درمیان بگذارید
تعداد دیدگاه : 0
امتیاز کلی : 0.0
پیشنهاد شده توسط : 0 کاربر
بر اساس 0 فروش
0
0
0
0
0

هیچ دیدگاهی برای این محصول نوشته نشده است.

لطفا پیش از ارسال نظر، خلاصه قوانین زیر را مطالعه کنید:

فارسی بنویسید و از کیبورد فارسی استفاده کنید. بهتر است از فضای خالی (Space) بیش‌از‌حدِ معمول، شکلک یا ایموجی استفاده نکنید و از کشیدن حروف یا کلمات با صفحه‌کلید بپرهیزید.

نظرات خود را براساس تجربه و استفاده‌ی عملی و با دقت به نکات فنی ارسال کنید؛ بدون تعصب به محصول خاص، مزایا و معایب را بازگو کنید و بهتر است از ارسال نظرات چندکلمه‌‌ای خودداری کنید.
اولین کسی باشید که دیدگاهی می نویسد “Comprehensive data science with Python course”

نشانی ایمیل شما منتشر نخواهد شد.

قیمت دوره

تومان 5,800,000

امتیازی ثبت نشده است