ساخت یک داشبورد دیابت با Python ،Streamlit و ML

آنچه یاد خواهید گرفت:

• ساخت یک اپلیکیشن داشبورد تعاملی با Streamlit در Python از ابتدا، با استفاده از داده واقعی دیابت.
• ایجاد مصورسازی‌‌های داده‌ای کاربردی با Pandas، Matplotlib و Seaborn برای بررسی مجموعه‌داده سلامت
• توسعه و یکپارچه‌سازی مدل‌های یادگیری ماشین (برای مثال، رگرسیون لجستیک و درخت تصمیم گیری) در یک وب‌اپلیکیشن قابل‌استقرار برای پیش‌بینی دیابت
• استقرار یک پروژه‌ی داده‌کاوی حرفه‌ای و مناسب کاربر که هم مهارت‌های کدنویسی و هم مهارت‌های کاربردی ML شما را نشان می‌دهد - ایده‌آل برای پورتفولیو یا درخواست‌های شغلی است.

پیش‌نیازهای دوره

• یک کامپیوتر (Windows ،Mac یا Linux) با دسترسی به اینترنت
• آشنایی اولیه با Python (متغیرها، توابع، اسکریپت‌های ساده) مفید است اما ضروری نیست - مدرس مرحله‌به‌مرحله شما را راهنمایی می‌کند.
• تمایل به نصب Anaconda (توزیع رایگان و مناسب مبتدیان برای Python) - مدرس فرآیند راه‌اندازی را به‌صورت کامل توضیح می‌دهد.
• هیچ تجربه‌ی قبلی در مصورسازی‌‌‌ داده، یادگیری ماشین یا Streamlit لازم نیست - همه‌چیز را از ابتدا می‌سازیم.

توضیحات دوره

آیا آماده‌اید مسیر یادگیری داده‌کاوی خود را سریع‌تر پیش ببرید و پروژه‌های واقعی بسازید که با افتخار ارائه‌شان کنید؟ این دوره مسیر مستقیم شما برای تبدیل شدن به یک دانشمند داده‌ی عملی و پروژه‌محور است. ما نظریه‌های بی‌پایان را کنار گذاشته‌ایم و برنامه‌ای طراحی کرده‌ایم که از روز اول شما را وارد عمل می‌کند. به‌جای اینکه هفته‌ها در مفاهیم خشک و تئوری گیر کنید، با انجام دادن یاد می‌گیرید-و یک برنامه‌ی کامل و پروژه‌محور را طی می‌کنید که شما را از داده‌ی خام تا یک اپلیکیشن تعاملی و حرفه‌ای همراهی می‌کند.

ما از Pima Indians Diabetes Dataset به‌عنوان راهنمای خود استفاده می‌کنیم؛ یک مسئله‌ی کلاسیک که فرصت مناسبی برای تسلط بر یک گردش‌کار کامل و انتهابه‌انتها در داده‌کاوی فراهم می‌کند:

• بررسی و پاک‌سازی داده – یاد بگیرید چگونه به‌سرعت بینش‌های ارزشمند را در مجموعه‌داده واقعی کشف کنید.
• مصورسازی‌‌‌ داده – اعداد را به نمودارها و گراف‌های واضح و معنادار تبدیل کنید.
• مدل‌های یادگیری ماشین – مدل‌های پیش‌بینی را مرحله‌به‌مرحله آموزش دهید و ارزیابی کنید.
• وب اپلیکیشن‌ها با Streamlit – کار خود را با داشبوردهای تعاملی و قابل‌اشتراک به نمایش بگذارید.

یک نمونه‌کار که توجه‌ها را جلب می‌کند:

تا پایان این دوره، فقط «مفاهیم را نخواهید دانست»-بلکه یک پروژه‌ی داده‌کاوی کاملاً کاربردی برای افزودن به رزومه، GitHub یا LinkedIn خود خواهید داشت. این فقط درباره‌ی گرفتن گواهی‌نامه نیست؛ بلکه درباره‌ی ساختن یک پورتفولیو است که ثابت می‌کند شما مهارت حل مسائل واقعی را دارید. می‌توانید با اطمینان درباره‌ی کار خود صحبت کنید، کدتان را به اشتراک بگذارید و یک محصول نهایی را نمایش دهید که توانایی شما در مدیریت کل چرخه‌ی عمر داده‌کاوی را نشان می‌دهد. چه دانشجو باشید، چه در حال تغییر مسیر شغلی، یا یک فرد شاغل پرمشغله، این رویکرد سریع‌محور کمک می‌کند از حاشیه‌ها عبور کنید و روی چیزی تمرکز کنید که واقعاً اهمیت دارد: ساختن مهارت از طریق پروژه‌ها.

این دوره سریع برای یادگیری، عملی برای اعمال و طراحی‌شده برای نتایج واقعی است. از رؤیای یک شغل در داده‌کاوی دست بردارید و شروع به ساختن آینده‌ی خود کنید.

این دوره برای چه کسانی مناسب است؟

• توسعه‌دهندگان مبتدی Python که به علم داده علاقه‌مند هستند.
• دانشجویانی که به انجام پژوهش‌های پزشکی/علوم پایه با استفاده از ML علاقه دارند.
• دانشجویانی که می‌خواهند یاد بگیرند چگونه با Python و Streamlit یک اپلیکیشن توسعه دهند.