علم داده و EDA - پروژه تعارض جهانی از ابتدا
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- مقدمه دوره
- بارگذاری مجموعه داده
- درک متغیرهای مجموعه داده
- بررسی ویژگیهای مجموعه داده تعارض ما
- تحلیل مقادیر گمشده و منحصربهفرد
- تغییر نام متغیرها
- اطمینان از سازگاری داده
- تحلیل توزیع تعارض
- بررسی روندهای سالانه
- تحلیل داده تعارض بر اساس منطقه
- مصورسازی همبستگی داده تعارض
- نمودارهای میلهای برای تعداد کشتارهای منطقهای
- شناسایی رویدادهای برتر با بالاترین مرگومیر
- نمودارهای میلهای انباشته برای مرگومیرهای مرتبط با تعارض در طول سالها
- بررسی روندها با نمودار حبابی
- فیلترینگ روندهای مرگومیر منطقهای - تحلیل زمانی
- تسلط به متد Elbow و امتیازهای سیلوئت
- خوشهبندی تعارض منطقهای
- مصورسازی پیشرفته داده با Plotly - انیمیشن روندهای تعارض در طول زمان
- مصورسازی نقشه حرارتی متریکهای تعارض منطقهای
- تحلیل آماری عمیق داده عددی در مطالعات تعارض
- تست نرمال بودن داده تعارض با استفاده از آزمون شاپیرو-ویلک
- تشخیص پیشرفته داده پرت با استفاده از Z-Score در داده تعارض
پیشنیازهای دوره
- یک کامپیوتر کارآمد (ویندوز و مک یا لینوکس)
- درک اولیه از پایتون (فقط ملزومات مانند حلقهها، توابع و متغیرها)
- علاقهمندی به علم داده و کاربردهای واقعی
- کنجکاوی درباره مسائل جهانی مثل تعارض، صلح و تحلیل بشردوستانه
- انگیزه برای تبدیل داده خام به بینشهای معنادار
- بدون نیاز به تجربه قبلی با EDA یا مجموعه دادههای تعارض
- فقط شما، کامیپوترتان و اشتیاق برای تأثیرگذاری داده محور
توضیحات دوره
به «علم داده و EDA - پروژه تعارض جهانی از ابتدا» خوش آمدید.
مهارتهای علم داده را به دست آورید، تعارضات جهانی را تحلیل کنید، داده بحران واقعی را با پایتون و چتجیپیتی، خوشهبندی و مصورسازی کنید.
این دوره شما را قادر میسازد تا داده واقعی تعارض را تحلیل کنید، الگوهای پنهان را کشف کرده و داستانهای ویژوال تأثیرگذار ایجاد کنید که بر ساخت صلح و تصمیمگیریهای سیاستی تأثیر بگذارد. چه مبتدی باشید و چه تحلیلگر باتجربه، مهارتهای عملی با پروژههای عملی با ابزارهای استاندارد صنعت را کسب خواهید کرد.
در طول دوره، با مجموعهای از ابزارها و تکنیکهای EDA، از جمله Pandas و NumPy و Matplotlib و Seaborn و Plotly و Scikit‑Learn و چتجیپیتی آشنا میشوید. شما یاد خواهید گرفت چگونه داده پیچیده تعارض را به صورت تعاملی و ویژوال نمایش دهید، خوشهبندی کنید، الگوهای زمانی را شناسایی کرده و مدلهای پیشبینی را پیادهسازی کنید.
در پایان، پروژه نهایی شما یک تحلیل جامع و مصورسازیهای تعاملی خواهد بود که میتواند در سیاستگذاری، برنامهریزی انسانی و مطالعات صلح کاربرد داشته باشد.
محصولات آموزشی ما شامل ویدئوهای با کیفیت بالا، تمرینهای عملی و دسترسی طولانی مدت به دوره است.
منتظر دیدار شما در دوره هستیم.
این دوره برای چه کسانی مناسب است؟
- کسی که میخواهد به وسیله کاربردهای واقعی، علم داده را یاد بگیرد.
- دانشجویان، پژوهشگران، یا حرفهایهای علاقهمند به تحلیل تعارض، روابط بینالملل یا مطالعات صلح
- کسانی که به دنبال راهنمایی عملی برای تسلط به EDA با مجموعه دادههای واقعی هستند.
- کسی که کنجکاو است بدانند چگونه داده میتوانند الگوهای بحرانهای جهانی را کشف کنند و تصمیمگیری داده محور را شکل دهند.
- یادگیرانی که میخواهند مهارتهای پایتون خود را با پروژههای تحلیلی تأثیرگذار بهبود بخشند.
علم داده و EDA - پروژه تعارض جهانی از ابتدا
-
نصب توزیع آناکوندا برای ویندوز 10:35
-
نصب توزیع آناکوندا برای macOS 06:17
-
نصب توزیع آناکوندا برای لینوکس 14:43
-
بررسی Jupyter Notebook 12:54
-
بررسی Jupyter Lab 11:36
-
بررسی Jupyter Notebook و Google Colab 05:31
-
مقدمه دوره 07:22
-
بارگذاری مجموعه داده 11:52
-
درک متغیرهای مجموعه داده 05:28
-
بررسی ویژگیهای مجموعه داده تعارض ما 08:22
-
تحلیل مقادیر گمشده و منحصربهفرد 07:35
-
تغییر نام متغیرها 02:57
-
اطمینان از سازگاری داده - درس 1 06:35
-
اطمینان از سازگاری داده - درس 2 07:25
-
اطمینان از سازگاری داده - درس 3 04:59
-
تحلیل توزیع تعارض - درس 1 08:38
-
تحلیل توزیع تعارض - درس 2 06:22
-
تحلیل توزیع تعارض - درس 3 05:55
-
بررسی روندهای سالانه - درس 1 09:04
-
بررسی روندهای سالانه - درس 2 09:34
-
تحلیل داده تعارض بر اساس منطقه - درس 1 10:18
-
تحلیل داده تعارض بر اساس منطقه - درس 2 09:00
-
مصورسازی همبستگی داده تعارض - درس 1 05:02
-
مصورسازی همبستگی داده تعارض - درس 2 06:58
-
نمودارهای میلهای برای تعداد کشتارهای منطقهای - درس 1 09:39
-
نمودارهای میلهای برای تعداد کشتارهای منطقهای - درس 2 13:30
-
شناسایی رویدادهای برتر با بالاترین مرگومیر 07:45
-
نمودارهای میلهای انباشته برای مرگومیرهای مرتبط با تعارض در طول سالها - درس 1 05:59
-
نمودارهای میلهای انباشته برای مرگومیرهای مرتبط با تعارض در طول سالها - درس 2 04:55
-
بررسی روندها با نمودار حبابی - درس 1 05:35
-
بررسی روندها با نمودار حبابی - درس 2 04:07
-
فیلترینگ روندهای مرگومیر منطقهای - تحلیل زمانی - درس 1 08:48
-
فیلترینگ روندهای مرگومیر منطقهای - تحلیل زمانی - درس 2 08:04
-
تسلط به روش Elbow و امتیازهای سیلوئت - درس 1 14:01
-
تسلط به روش Elbow و امتیازهای سیلوئت - درس 2 05:54
-
تسلط به روش Elbow و امتیازهای سیلوئت - درس 3 03:52
-
خوشهبندی تعارض منطقهای - درس 1 09:58
-
خوشهبندی تعارض منطقهای - درس 2 07:16
-
مصورسازی پیشرفته داده با Plotly برای انیمیشن روندهای تعارض در طول زمان - درس 1 07:03
-
مصورسازی پیشرفته داده با Plotly برای انیمیشن روندهای تعارض در طول زمان - درس 2 15:31
-
مصورسازی پیشرفته داده با Plotly برای انیمیشن روندهای تعارض در طول زمان - درس 3 02:53
-
مصورسازی نقشه حرارتی متریکهای تعارض منطقهای - درس 1 06:19
-
مصورسازی نقشه حرارتی متریکهای تعارض منطقهای - درس 2 05:35
-
تحلیل آماری عمیق داده عددی در مطالعات تعارض 13:37
-
تست نرمال بودن داده تعارض با استفاده از آزمون شاپیرو-ویلک 07:41
-
تشخیص پیشرفته داده پرت با استفاده از Z-Scores در داده تعارض 08:35
-
کشف الگوهای داده از طریق خوشهبندی پس از حذف داده پرت - درس 1 06:08
-
کشف الگوهای داده از طریق خوشهبندی پس از حذف داده پرت - درس 2 11:29
-
کشف الگوهای داده از طریق خوشهبندی پس از حذف داده پرت - درس 3 12:01
-
مصورسازی داده ابعاد بالا با PCA - درس 1 10:37
-
مصورسازی داده ابعاد بالا با PCA - درس 2 05:24
-
مصورسازی داده ابعاد بالا با PCA - درس 3 11:51
-
نگاشت ریسک تعارض در طول زمان - درس 1 08:01
-
نگاشت ریسک تعارض در طول زمان - درس 2 07:53
-
نگاشت ریسک تعارض در طول زمان - درس 3 05:54
-
تفسیر رشد سالانه در انواع خشونت - درس 1 07:30
-
تفسیر رشد سالانه در انواع خشونت - درس 2 06:48
-
تفسیر رشد سالانه در انواع خشونت - درس 3 06:27
-
روندهای تجمعی تعارض - ردیابی افزایش مرگومیر در طول زمان - درس 1 09:27
-
روندهای تجمعی تعارض - ردیابی افزایش مرگومیر در طول زمان - درس 2 03:42
-
روندهای تجمعی تعارض - ردیابی افزایش مرگومیر در طول زمان - درس 3 03:51
-
انتخاب ویژگی و مهندسی هدف برای یادگیری ماشین 17:02
-
ایمپورت کتابخانههای یادگیری ماشین 07:52
-
ساخت مدلهای یادگیری ماشین 04:44
-
مدلسازی یادگیری ماشین 10:43
-
ارزیابی جدول نتایج مدل 04:27
-
بیایید مدل CatBoost را توسعه دهیم - بهینهسازی هایپرپارامتر - درس 1 07:55
-
بیایید مدل CatBoost را توسعه دهیم - بهینهسازی هایپرپارامتر - درس 2 08:48
-
CatBoost - اهمیت ویژگیها - درس 1 06:50
-
CatBoost - اهمیت ویژگیها - درس 2 03:32
-
CatBoost - اهمیت ویژگیها - درس 3 07:22
-
بیایید مدل گرادیان بوستینگ را توسعه دهیم - بهینهسازی هایپرپارامتر 11:47
-
الگوریتم گرادیان بوستینگ - اهمیت ویژگیها - درس 1 06:26
-
الگوریتم گرادیان بوستینگ - اهمیت ویژگیها - درس 2 04:05
-
بیایید بهترین مدل را انتخاب کنیم 05:31
-
کنترل پیشبینی مدل 06:33
-
استقرار مدل 12:21
مشخصات آموزش
علم داده و EDA - پروژه تعارض جهانی از ابتدا
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:همه سطوح
- تعداد درس:77
- مدت زمان :10:14:51
- حجم :3.48GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy