بررسی علم داده با دات نت با استفاده از Polyglot Notebooks و ML.NET
✅ سرفصل و جزئیات آموزش
در این دوره انجام تحلیل داده و تست های علم داده را با استفاده از Polyglot Notebooks می آموزید و مفاهیم اصلی، پشتیبانی زبانی، جذب داده، تحلیل اکتشافی و موارد دیگر را بررسی می کنید.
در این دوره، مت الاند، متخصص هوش مصنوعی، MVP مایکروسافت و نویسنده، توسعه دهندگان باتجربه دات نت را به مهارت هایی برای انجام تحلیل داده و تست های علم داده با استفاده از Polyglot Notebooks مجهز می کند. شما عمیقا به هسته Polyglot Notebooks، رابطه آن با Jupyter Notebooks و پشتیبانی از زبان سی شارپ، #F، پاورشل، SQL و نمودارهای Mermaid می پردازید. شما جذب داده، اشتراک گذاری بین کرنل ها، تحلیل داده اکتشافی با آمار توصیفی و مصورسازی داده را با استفاده از کتابخانه هایی مانند Microsoft.Data.Analysis و ScottPlot و Plotly.NET می آموزید.
شما مفاهیم اولیه یادگیری ماشین، آموزش مدل، train/test splits، ارزیابی و تست های اولیه طبقه بندی و رگرسیون را با قابلیت های AutoML ML.NET بررسی می کنید. بعلاوه، یکپارچه سازی های پیشرفته Polyglot Notebooks مانند Azure OpenAI و Semantic Kernel و تولید نمودار دنباله و سرویس های هوش مصنوعی آژور را پوشش می دهیم.
بررسی علم داده با دات نت با استفاده از Polyglot Notebooks و ML.NET
-
علم داده با دات نت 0:00:40
-
آنچه باید بدانید 0:00:59
-
Notebooks و کرنل ها 0:01:58
-
نصب Polyglot Notebooks 0:00:57
-
ایجاد اولین Notebook خود 0:01:39
-
سلول های سی شارپ 0:02:00
-
اشتراک گذاری متغیر بین سلول ها 0:03:03
-
اعلان کلاس ها و متدها 0:03:46
-
سلول های #F 0:02:18
-
اشتراک گذاری متغیرها بین کرنل ها 0:04:58
-
سلول های علامت گذاری 0:02:19
-
نمودارهای Mermaid 0:05:59
-
ایمپورت پکیج های NuGet 0:02:14
-
معرفی دیتافریم ها 0:03:47
-
تغییر نام و حذف ستون ها 0:03:07
-
جایگزینی مقادیر گمشده 0:03:47
-
دراپ کردن مقادیر گمشده 0:01:19
-
مهندسی ویژگی 0:05:36
-
ادغام دیتافریم ها 0:02:11
-
گروه بندی داده 0:02:16
-
فیلترینگ داده 0:02:33
-
اکسپورت دیتافریم ها 0:01:22
-
توصیف دیتافریم ها 0:02:39
-
دریافت مقادیر از ستون های جداگانه 0:01:54
-
هیستوگرام ها 0:03:31
-
نمودارهای جعبه ای و ویولن 0:04:08
-
نمودارهای پراکندگی 0:03:41
-
آشنایی با یادگیری ماشین، ML.NET و AutoML 0:03:36
-
بارگذاری داده در مجموعه های تست و آموزش 0:02:54
-
آموزش مدل های طبقه بندی 0:03:33
-
ارزیابی مدل های طبقه بندی 0:05:23
-
آموزش مدل های رگرسیون 0:02:40
-
ارزیابی مدل های رگرسیون 0:03:54
-
ذخیره و بارگذاری مدل ها 0:03:35
-
ایجاد پیش بینی ها از مدل ها 0:05:02
-
مباحث اضافی ML.NET 0:02:36
-
پذیرش Polyglot Notebooks 0:02:19
-
ورود به علم داده و هوش مصنوعی به عنوان یک توسعه دهنده 0:01:56
-
گام های بعدی 0:01:02
مشخصات آموزش
بررسی علم داده با دات نت با استفاده از Polyglot Notebooks و ML.NET
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:39
- مدت زمان :2:01:11
- حجم :220.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy