دوره های بروزرسانی شده

درباره کورس شیرجه در علم داده

در این کورس ابتدا با کاربردها، نقش‌های شغلی، مهارت‌های لازم و فرایند استاندارد حل مسئله در علم داده آشنا می‌شوید؛ سپس تحلیل اکتشافی، آمار و احتمال مقدماتی، آماده‌سازی داده و مدل‌سازی اولیه را در متن دو پروژه تجربه می‌کنید.

نمونه پیاده‌سازی‌های عملی: برای دیدن فضای تمرین‌ها و پروژه‌های این کورس، صفحه محتوای شیرجه در Kaggle را باز کنید ↗

راهنمای مشاهده جزئیات: اگر این خلاصه را داخل صفحه یک گام یا مسیر می‌بینید، برای ورود به صفحه کامل محصول، مشاهده دستاوردها و پروژه‌ها و بررسی گزینه‌های ثبت‌نام، روی نام «شیرجه در علم داده» در بالای همین بخش کلیک کنید.

درباره کورس آمار برای علم داده

در این کورس یاد می‌گیرید داده را فقط توصیف نکنید؛ عدم‌قطعیت را بسنجید، آزمون آماری مناسب را براساس سؤال و نوع داده انتخاب کنید، تحلیل را با Python اجرا کنید و نتیجه را به زبان قابل‌فهم برای تصمیم‌گیری تفسیر کنید.

نمونه پیاده‌سازی‌های عملی: برای مشاهده فضای تمرین‌ها، شبیه‌سازی‌ها و تحلیل‌های Python، صفحه محتوای آمار برای علم داده در Kaggle را باز کنید ↗

راهنمای مشاهده جزئیات: اگر این خلاصه را داخل صفحه یک گام یا مسیر می‌بینید، برای ورود به صفحه کامل محصول، مشاهده دستاوردها و پروژه و بررسی گزینه‌های ثبت‌نام، روی نام «آمار برای علم داده» در بالای همین بخش کلیک کنید.

درباره کورس داده‌کاوی و یادگیری ماشین کاربردی

در این کورس فرایند کامل حل مسئله داده‌محور را از کاوش و سنجش کیفیت داده تا مهندسی ویژگی، ساخت Pipeline، مدل‌سازی، ارزیابی و تفسیر نتیجه در چند پروژه واقعی با Python تجربه می‌کنید.

نمونه پیاده‌سازی‌های عملی: برای مشاهده نقشه Notebookها، تمرین‌ها و پروژه‌های Python، صفحه محتوای داده‌کاوی و یادگیری ماشین در Kaggle را باز کنید ↗

راهنمای مشاهده جزئیات: اگر این خلاصه را داخل صفحه یک گام یا مسیر می‌بینید، برای ورود به صفحه کامل محصول، مشاهده جزئیات پروژه‌ها و بررسی گزینه‌های ثبت‌نام، روی نام کورس در بالای همین بخش کلیک کنید.

درباره کورس برنامه‌نویسی Python

در این کورس از مبانی زبان و حل مسئله شروع می‌کنید و با ساختارهای داده، فایل، تابع، ماژول، Git و برنامه‌نویسی شی‌گرا به مرحله‌ای می‌رسید که بتوانید یک برنامه چندجزئی را طراحی، اجرا و اصلاح کنید.

بخش تکمیلی: آشنایی با Jupyter، NumPy، Pandas، Matplotlib و Scikit-learn برای آماده‌شدن جهت پروژه‌های تحلیلی و مدل‌سازی بعدی.

کدهای کورس: نمونه‌کدهای هفتگی در مخزن رسمی Python_Programming قرار دارد و می‌توانید آن‌ها را Clone، اجرا و برای مرور دوباره استفاده کنید.

راهنمای مشاهده جزئیات: اگر این خلاصه را داخل صفحه یک گام یا مسیر می‌بینید، برای مشاهده روایت کامل کورس، پروژه‌ها، مرزبندی مهارتی و گزینه‌های ثبت‌نام، روی نام «برنامه‌نویسی در پایتون» در بالای همین آکاردئون کلیک کنید.

درباره کورس منابع داده

در این کورس Python را به منابع واقعی داده متصل می‌کنید: از SQLite و MySQL تا REST API، FastAPI و جمع‌آوری داده از وب؛ سپس این مهارت‌ها را در پروژه‌های چندماژولی و قابل‌ارائه کنار هم قرار می‌دهید.

پروژه‌های نهایی: ساخت جریان داده مالی تاریخی و بلادرنگ از API تا Database، شاخص و نمودار؛ و ساخت Web API دریافت URL، استخراج متن و تولید ابر کلمات.

کدهای کورس: نمونه‌کدهای Database، API، JSON و Crawling در مخزن رسمی کورس در GitHub قرار دارد.

راهنمای مشاهده جزئیات: اگر این خلاصه را داخل صفحه گام یا مسیر می‌بینید، برای مشاهده پروژه End-to-End، مرزبندی مهارتی و گزینه‌های ثبت‌نام روی نام «منابع داده در پایتون» در بالای همین آکاردئون کلیک کنید.