×

آموزش کار با پیش پردازش ها در یادگیری ماشین با پایتون (Python) (رایگان)

آموزش کار با پیش پردازش ها در یادگیری ماشین با پایتون (Python) (رایگان)

هزینه آموزش
رایگان!

تعداد دانشجو
۶۵۲ نفر
مدت زمان
۱ ساعت و ۱۵ دقیقه
محتوای این آموزش
۴ بازخورد (مشاهده نظرات)
آموزش کار با پیش پردازش ها در یادگیری ماشین با پایتون (Python) (رایگان)

امروزه، یادگیری ماشین در اکثر صنایع و کسب و کارها مورد استفاده قرار می گیرد و تصمیمات بسیار تاثیرگذار دنیای امروز بر اساس پردازش ها و نتایج به دست آمده از یادگیری ماشین است. همچنین زبان برنامه نویسی پایتون (Python) با رشد و گسترده تر شدن روزافزون جامعه کاربری اش، بستر بسیار مناسبی جهت فعالیت های یادگیری ماشین را فراهم کرده است. ما در این آموزش قصد داریم تا آموزش کار با پیش پردازش ها در یادگیری ماشین با پایتون (Python) را مورد بحث و بررسی قرار دهیم.

آموزش کار با پیش پردازش ها در یادگیری ماشین با پایتون (Python) (رایگان)

تعداد دانشجو
۶۵۲ نفر
مدت زمان
۱ ساعت و ۱۵ دقیقه
هزینه آموزش
رایگان!
محتوای این آموزش
۴ بازخورد (مشاهده نظرات)

سعید مظلومی راد

دانشجوی کارشناسی ارشد مهندسی عمران – سازه

سعید مظلومی راد در حال حاضر دانشجوی کارشناسی ارشد عمران گرایش سازه در دانشگاه آزاد مشهد هستند. ایشان علاقه مند به فعالیت در حوزه هوش مصنوعی و آنالیز داده هستند.

توضیحات تکمیلی

امروزه، یادگیری ماشین در اکثر صنایع و کسب و کارها مورد استفاده قرار می گیرد و تصمیمات بسیار تاثیرگذار دنیای امروز بر اساس پردازش ها و نتایج به دست آمده از یادگیری ماشین است. همچنین زبان برنامه نویسی پایتون (Python) با رشد و گسترده تر شدن روزافزون جامعه کاربری اش، بستر بسیار مناسبی جهت فعالیت های یادگیری ماشین را فراهم کرده است.

ما در این آموزش قصد داریم تا آموزش کار با پیش پردازش ها در یادگیری ماشین با پایتون (Python) را مورد بحث و بررسی قرار دهیم.

 

این آموزش رایگان بخشی از آموزش یادگیری ماشین (Machine Learning) با پایتون (Python) است. برای کسب اطلاعات بیشتر و استفاده از این آموزش بر روی این لینک (+) کلیک کنید.

 

فهرست سرفصل‌ها و رئوس مطالب مطرح شده در اين مجموعه آموزشی، در ادامه آمده است:
  • پیش پردازش داده ها
    • کار با مجموعه داده اطلاعات کشورها
    • داده های خالی (Missing Values)
    • داده های تکراری (Duplicated Values)
    • الحاق دو دیتافریم به یکدیگر (Concatenating)
    • آشنایی با Cross Tabulation
    • آشنایی با Pivot Table
    • آشنایی با Dummy variables
    • نرمال کردن داده ها
    • داده های پرت Outliers)‎)

 

این آموزش رایگان بخشی از «آموزش یادگیری ماشین (Machine Learning) با پایتون (Python)» است.

 


آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل برنامه ها و پروژه های اجرا شده

مشاهده آموزش

جهت شروع مطالعه و یادگیری نیاز است بعد از ورود (+) و یا عضویت (+) بر روی دکمه «شروع یادگیری» کلیک کنید.

اطلاعات تکمیلی

نام آموزش آموزش کار با پیش پردازش ها در یادگیری ماشین با پایتون (Python) (رایگان)
ناشر فرادرس
کد آموزش FVML9606F
مدت زمان ۱ ساعت و ۱۵ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی (نمایش آنلاین + دانلود)
حجم دانلود ۵۱ مگابایت (کیفیت ویدئو HD با فشرده سازی انحصاری فرادرس)





نظرات

تا کنون ۶۵۲ نفر از این آموزش استفاده کرده‌اند و ۴ نظر ثبت شده است.
Soheila
Soheila
۱۴۰۰/۰۷/۰۸
خوب بود، متشکرم
Azar
Azar
۱۴۰۰/۰۷/۰۳
عالی
علی
علی
۱۳۹۹/۰۹/۱۹
عالی و بی نظیر
ممنونم.
یاشار ملکی
یاشار ملکی
۱۳۹۷/۰۶/۰۷
با عرض سلام و خسته نباشید خدمت کارکنان فرادرس و دوستان. تونستم چیزی که میخوام رو از این آموزش بدست بیارم. سطح آموزش خیلی خوب بود و مثل همیشه سخنران روان و گویا صحبت میکرد. البته جاهایی نیاز به شنیدن و دیدن دوباره آموزش داشت که به نظرم زیاد نبودن. در کل جامع و کامل بود.
برچسب‌ها:
Bayes | Boston House Prices | chi square | Classification | Clustering | Confusion Matrix | DataFrame در pandas | DBSCAN | Dimensionality Reduction | ECDF | Empirical distribution function | Grid Search Cross-validation | Hierarchical Clustering | iris | Jupyter Notebook | K-fold Crossover Validation | k-means | KNN | Lasso | Lasso Regression | logistic regression | Machine Learning | matplotlib | Mean squared error | meanshift | MSE | NMF | Numpy | Outlier | outliers | pandas | PCA | pearson coefficent | Pre-Processing | Python distribution | Randomized Search Cross-validation | Recommender system | Regression | Regularization Regression | ridge | Ridge Regression | seaborn | Series در pandas | SparseArray | spearman r | TFIDF | Web Scraping | Wisconsin Breast Cancer | آموزش Markdown | افزونه NumPy | اکتیو پایتون | ان ام اف | بر چسب گذاری در نمودار | بسته SciPy | بسته پانداز | بسته سایپای | بسته سیبرن | بسته مت پلات لیب | بسته نامپای | پایتون انتوت | پی سی ای | پیش پردازش داده ها | تست کای اسکوئر | تفاوت آرایه و ماتریس | توابع SciPy | خراش دادن وب | خوشه بندی | خوشه بندی دی بی اسکن | خوشه بندی سلسله مراتبی | خوشه بندی مین شیفت | خوشه کی مینز | داده های پرت | دیتاست آیریس | راه اندازی Anaconda | رسم نمودار در پایتون | رگرسیون | ریاضیات در پایتون | ریج رگرسیون | زبان شیءگرا | زبان ماشین | سیستم توصیه گر | ضریب اسپیرمن | ضریب پیرسن | طبقه بندی | طبقه بندی با درخت تصمیم | طبقه بندی با کی ان ان | طبقه بندی با لجستیک رگرسیون | طبقه بندی در ماشین | قضیه بیز | کار با اعداد در پایتون | کتابخانه Matplotlib | کتابخانه pandas | کتابخانه Scikit-Learn | لاسو رگرسیون | متد در آرایه | میانگین مربعات خطا | نام پای | نشانه گذاری با Markdown | نصب NumPy | نصب آناکندا | نصب آناکوندا | نصب بسته Scikit-Learn | وارد کردن داده در Python | یادگیری ماشین با پایتون
مشاهده بیشتر مشاهده کمتر
×
فهرست جلسات ۱ جلسه ویدئویی
×