دوره آموزشی
دوبله زبان فارسی
آمار و خوشهبندی در پایتون
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- در این دوره شما در حین انجام پروژه خوشهبندی دادهها، تمرینات مختلف ریاضی و برنامهنویسی را انجام میدهید.
توضیحات دوره
این دوره ششمین قسمت از یک دوره هشت قسمتی است. پروژه پیش رو بررسی عمیقی از مفاهیم کلیدی علوم داده را ارائه میدهد که بر طراحی الگوریتم تاکید دارد. این دوره مهارتهای اساسی مورد نیاز برای ریاضیات، آمار و برنامهنویسی را تقویت میکند که برای تسکهای معمول تحلیل دادهها لازم هستند. شما در حین انجام پروژه خوشهبندی دادهها با استفاده از الگوریتم K-means بر روی یک مجموعه داده ارائه شده، تمرینات مختلف ریاضی و برنامهنویسی را انجام میدهید.
آمار و خوشهبندی در پایتون
-
آشنایی با این دوره تخصصی 2:05
-
آشنایی با مفاهیم ریاضی در خوشهبندی داده 1:57
-
میانگین لیستهای یکبعدی 2:13
-
واریانس و انحراف معیار 3:44
-
Jupyter Notebooks 6:04
-
متغیرها 4:03
-
لیستها 4:46
-
محاسبه میانه 3:08
-
لیستهای بهتر: NumPy 3:36
-
محاسبه انحراف معیار 6:15
-
برنامه درسی دوره None
-
آماده شدن برای این دوره None
-
جمعیت در مقابل نمونه، بایاس None
-
تنوع، انحراف معیار و بایاس None
-
چگونه از کارهای خود در لابراتوار مجازی بک آپ تهیه کنید؟ None
-
راهنمای سبک پایتون None
-
Numpy و ایجاد آرایه None
-
نقاط دادهای و ویژگیهای چندبعدی 2:28
-
میانگین چندبعدی 2:32
-
پراکندگی: متغیرهای چندبعدی 3:14
-
معیارهای فاصله 5:08
-
نرمالیزهسازی 1:28
-
دادههای پرت 1:15
-
ترسیم پایه 2:43
-
ذخیرهسازی مختصات 2 بعدی در یک ساختار داده واحد 6:25
-
میانگین چندبعدی 4:30
-
اضافه کردن لایههای گرافیکی 5:47
-
محاسبه فاصله تا میانگین 3:47
-
فهم لیست 3:49
-
نرمالیزهسازی در پایتون 5:41
-
دادههای پرت و ترسیم دادههای نرمالیزه شده 2:44
-
جمعبندی نقاط دادهای و ویژگیهای چندبعدی None
-
جمعبندی میانگین چندبعدی None
-
جمعبندی متغیرهای چندبعدی None
-
جمعبندی معیارهای فاصله None
-
جمعبندی نرمالیزهسازی None
-
یادداشت در Matplotlib None
-
مستندات نمودار پراکندگی در Matplotlib None
-
مستندات Patches در Matplotlib None
-
مستندات فهم لیست None
-
اشتباهات None
-
استفاده از کتابخانه پانداس برای خواندن فایلهای csv 5:29
-
مرتبسازی و فیلتر کردن دادهها با استفاده از پانداس 8:07
-
برچسبگذاری نقاط روی نمودار 4:26
-
برچسبگذاری تمامی نقاط روی نمودار 3:19
-
بررسی ابتدایی دادهها 5:37
-
استفاده از K-Means برای تفسیر دادهها 8:34
-
منابع کد None
-
تابع Read_CSV در پانداس None
-
مستندات بیشتر کتابخانه پانداس None
-
تابع متنی Pyplot None
-
حلقههای For در پایتون None
-
مستندات برای sklearn.cluster.KMeans None
-
آیا یک ماشین میتواند اسکناسهای تقلبی را تشخیص دهد؟ 1:58
-
کار برای مشتری 4:58
-
چگونه کار روی پروژه خود را سازماندهی کنید؟ 3:38
-
مقابله با مشکلات 3:24
-
بدون داده، بدون علم داده: معرفی مجموعه دادهها 4:46
-
مدلسازی 4:56
-
ارائه نتایج پروژه 3:11
-
پایان دوره 0:47
-
منبع کد هفته چهارم – مجموعه داده برای پروژه None
-
ذخیره خروجیهای plt.scatter به عنوان شکلها None
-
مطالعه اضافی پیشنهادی برای هفته چهارم None
مشخصات آموزش
آمار و خوشهبندی در پایتون
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:مقدماتی
- تعداد درس:64
- مدت زمان :02:32:32
- حجم :599.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy