آنچه یاد خواهید گرفت:

• استفاده از پایتون برای علم داده و یادگیری ماشین
• یادگیری استفاده از NumPy برای داده‌ عددی
• استفاده از Plotly برای مصورسازی‌های پویا و تعاملی
• یادگیری استفاده از Matplotlib برای ترسیم نمودار در پایتون
• یادگیری استفاده از Seaborn برای نمودارهای آماری
• یادگیری استفاده از Pandas برای تحلیل داده
• پیاده‌سازی الگوریتم‌های یادگیری ماشین
• استفاده از اسپارک برای تحلیل کلان داده‌
• شبکه‌های عصبی
• استفاده از Scikit-Learn برای تسک‌های یادگیری ماشین
• رگرسیون خطی
• پردازش زبان طبیعی و فیلترهای اسپم
• ماشین‌های بردار پشتیبان
• رگرسیون لجستیک

پیش نیازهای دوره

• کمی تجربه برنامه‌نویسی
• مناسب برای کسی که می‌خواهد پایتون را یاد بگیرد.

توضیحات دوره

آیا آماده‌اید که مسیر خود را برای تبدیل شدن به توسعه‌ دهنده آغاز کنید؟ (به‌طور انحصاری در یودمی)

این دوره جامع راهنمای شما برای یادگیری استفاده از قدرت پایتون برای تحلیل داده‌، ایجاد مصورسازی‌های زیبا و استفاده از الگوریتم‌های قدرتمند یادگیری ماشین خواهد بود.

شغل دانشمند داده به‌عنوان شغل شماره یک در Glassdoor رتبه‌بندی شده و میانگین حقوق دانشمند داده در ایالات متحده بیش از 120,000 دلار است، طبق اطلاعات سایت Indeed علم داده یک شغل پاداش‌دهنده است که به شما امکان می‌دهد برخی از جالب‌ترین مشکلات جهان را حل کنید.

این دوره برای افرادی با کمی تجربه برنامه‌نویسی یا توسعه‌دهندگان با تجربه که به دنبال تغییر مسیر به سمت علم داده هستند طراحی شده است.

این دوره جامع با دیگر بوت‌کمپ‌های علم داده که معمولاً هزینه‌هایی به اندازه هزاران دلار دارند، قابل مقایسه است. این یکی از جامع‌ترین دوره‌ها برای علم داده و یادگیری ماشین در یودمی است.

ما به شما یاد می‌دهیم که چگونه با پایتون برنامه‌نویسی کنید، چگونه مصورسازی‌های شگفت‌انگیزی از داده ایجاد کنید و چگونه از یادگیری ماشین با پایتون استفاده کنید. در اینجا فقط بخشی از مباحثی که یاد خواهیم گرفت آورده شده است:

• برنامه‌نویسی با پایتون
• NumPy با پایتون
• استفاده از دیتافریم‌های pandas برای حل تسک‌های پیچیده
• استفاده از pandas برای مدیریت فایل‌های اکسل
• وب‌ اسکرپینگ با پایتون
• اتصال پایتون به SQL
• استفاده از matplotlib و seaborn برای مصورسازی‌های داده
• استفاده از plotly برای مصورسازی‌های تعاملی
• یادگیری ماشین با SciKit Learn، شامل:
• رگرسیون خطی
• نزدیکترین همسایه K
• خوشه‌بندی K Means
• درختان تصمیم‌گیری
• جنگل‌های تصادفی
• پردازش زبان طبیعی
• شبکه‌های عصبی و یادگیری عمیق
• ماشین‌های بردار پشتیبان
• و خیلی موارد دیگر

در این دوره شرکت کرده و همین امروز به دانشمند داده تبدیل شوید.

این دوره برای چه کسانی مناسب است؟

• مبتدیان در پایتون
• افرادی است که حداقل کمی تجربه برنامه‌نویسی دارند.