در این دوره، اصول اولیه پردازش زبان طبیعی (NLP) مانند نحوه شناسایی و جداسازی کلمات، نحوه استخراج موضوعات در یک متن، و نحوه ساخت طبقه بندی اخبار جعلی خود را خواهید آموخت. شما همچنین یاد خواهید گرفت که چگونه از کتابخانه های پایه مانند NLTK، در کنار کتابخانه هایی که از یادگیری عمیق برای حل مشکلات رایج NLP استفاده می کنند، استفاده کنید. این دوره به شما پایه و اساس پردازش و تجزیه متن را در حین حرکت به سمت یادگیری پایتون می دهد.

Tableau یک نرم‌افزار تحلیلی و هوش تجاری (BI) است که مورد اعتماد شرکت‌هایی مانند آمازون، اکسپرین، و یونیلور برای کاوش، تجسم و اشتراک‌گذاری ایمن داده‌ها در قالب کتاب‌های کاری و داشبورد است. با قابلیت کشیدن و رها کردن کاربر پسند، می‌تواند توسط همه برای تمیز کردن، تجزیه و تحلیل و تجسم سریع داده‌های تیم شما استفاده شود.

می‌آموزید که چگونه رابط Tableau را پیمایش کنید و داده‌ها را با استفاده از تجسم‌های قابل درک وصل کنید و ارائه دهید. در پایان این آموزش، مهارت‌های لازم برای کشف Tableau و ساخت داشبورد داده‌های تاثیرگذار را خواهید داشت. بیایید شیرجه بزنیم.

یک قانون طلایی در سرمایه‌گذاری این است که همیشه استراتژی پرتفوی را بر روی داده‌های تاریخی آزمایش کنید، و هنگامی که استراتژی را معامله می‌کنید، به طور مداوم بر عملکرد آن نظارت کنید. در این دوره، با تجزیه و تحلیل انتقادی بازده پورتفولیو با استفاده از بسته PerformanceAnalytics، این را یاد خواهید گرفت. این دوره همچنین نشان می دهد که چگونه می توان وزن های پرتفوی را که به طور بهینه ریسک و بازده را متعادل می کند، تخمین زد. این یک دوره آموزشی مبتنی بر داده است که تئوری پورتفولیو را با تمرین در R ترکیب می کند، که در نمونه های واقعی از پرتفوی سهام و مشکلات تخصیص دارایی نشان داده شده است. اگر می‌خواهید پس از پایان این دوره به کاوش در داده‌ها ادامه دهید، داده‌های استفاده شده در سه فصل اول را می‌توان با استفاده از tseries-package به‌دست آورد.

آیا تا به حال به این فکر کرده اید که آیا صندوق سرمایه گذاری واقعاً یک سرمایه گذاری خوب است؟ یا دو گزینه سرمایه گذاری را با هم مقایسه کرد و پرسید که تفاوت این دو چیست؟ شاخص ریسک این صندوق ها اصلا به چه معناست؟ یا اینکه اغلب در کار روزانه خود با داده های مالی کار می کنید و می خواهید برتری داشته باشید؟ در این دوره آموزشی، با یادگیری پرتفوی، ریسک و بازده و نحوه تحلیل انتقادی آنها، با دنیای هیجان انگیز سرمایه گذاری آشنا می شوید. با کار بر روی داده‌های تاریخی واقعی سهام، یاد می‌گیرید که چگونه معیارهای معنی‌دار ریسک را محاسبه کنید، چگونه عملکرد را تجزیه کنید و چگونه یک پرتفوی بهینه برای ریسک و بازده مورد نظر محاسبه کنید. پس از این دوره، می‌توانید در مورد سرمایه‌گذاری تصمیم‌های مبتنی بر داده بگیرید و درک بهتری از سبد سرمایه‌گذاری داشته باشید.

در این دوره آموزشی یاد خواهید گرفت که چگونه یک مدل رگرسیون لجستیک با متغیرهای معنادار بسازید. همچنین نحوه استفاده از این مدل را برای پیش‌بینی و نحوه ارائه آن و عملکرد آن به سهامداران کسب‌وکار خواهید آموخت.

توانایی ایجاد تجسم داده‌های معنی‌دار و زیبا بخش مهمی از مجموعه مهارت‌های شما به عنوان یک دانشمند داده است. این دوره، اولین آموزش تجسم داده های R در این مجموعه، شما را با اصول تجسم خوب و گرامر مفاهیم ترسیم گرافیک پیاده سازی شده در بسته ggplot2 آشنا می کند. ggplot2 به ابزاری برای طرح‌های منعطف و حرفه‌ای در R تبدیل شده است. در اینجا، سه لایه ضروری اولیه برای ساخت طرح - داده‌ها، زیبایی‌شناسی و هندسه را بررسی می‌کنیم. در پایان دوره می توانید نقشه های اکتشافی پیچیده بسازید.

تجسم داده‌ها در نمودارها و شکل‌ها، الگوهای اساسی در داده‌ها را آشکار می‌کند و بینش‌هایی را ارائه می‌دهد. تجسم خوب همچنین به شما کمک می کند تا داده های خود را به دیگران منتقل کنید و برای تحلیلگران داده و سایر مصرف کنندگان داده مفید است. در این دوره آموزشی، نحوه استفاده از Matplotlib، یک کتابخانه قدرتمند تجسم داده پایتون را خواهید آموخت. Matplotlib بلوک های ساختمانی را برای ایجاد تجسم های غنی از انواع مختلف مجموعه داده ها فراهم می کند. نحوه ایجاد تجسم برای انواع مختلف داده ها و نحوه سفارشی سازی، خودکارسازی و اشتراک گذاری این تجسم ها را خواهید آموخت.

تولید تجسم‌های تعاملی با کیفیت بالا از نظر تاریخی نیازمند کد پیچیده، زمان و تلاش فراوان است. دیگر نه. در این دوره آموزشی، نحوه ایجاد نمودارهایی با کیفیت انتشار، با استفاده از قدرت جاوا اسکریپت، بدون ترک راحتی زبان برنامه نویسی پایتون که همه ما دوست داریم، ایجاد کنید. شما با استفاده از مجموعه داده‌های مختلف از قیمت سهام گرفته تا آمار تیم بسکتبال و حتی اندازه منقار پنگوئن، انواع نمودارهای تعاملی و خیره‌کننده را ایجاد، سبک و سفارشی خواهید کرد! با استفاده از کتابخانه نموداری Plotly، همچنین یاد خواهید گرفت که تعاملی مانند اطلاعات شناور، لغزنده های محدوده، دکمه های سفارشی و حتی کشویی هایی که به طور واکنشی تجسم را تغییر می دهند، سفارشی کنید. آیا آماده هستید تا مهارت های تجسم داده های خود را ارتقا دهید؟

Seaborn یک کتابخانه قدرتمند پایتون است که ایجاد تصاویر آموزنده و جذاب داده را آسان می کند. این دوره 4 ساعته مقدمه ای را ارائه می دهد که چگونه می توانید از Seaborn برای ایجاد انواع طرح ها، از جمله نمودارهای پراکنده، نمودارهای شمارش، نمودارهای نواری، و نمودارهای جعبه استفاده کنید و چگونه می توانید تجسم های خود را سفارشی کنید. شما این کتابخانه را کاوش خواهید کرد و طرح‌های Seaborn را بر اساس مجموعه‌های داده‌های دنیای واقعی ایجاد خواهید کرد، از جمله کاوش در چگونگی تغییر آلودگی هوا در یک شهر در طول روز و نگاه کردن به آنچه که جوانان دوست دارند در اوقات فراغت خود انجام دهند. این داده‌ها به شما این فرصت را می‌دهد که در مورد مزایای Seaborn، از جمله اینکه چگونه می‌توانید به راحتی نمودارهای فرعی را در یک شکل ایجاد کنید و نحوه محاسبه خودکار فواصل اطمینان را بدانید. در پایان این دوره، می‌توانید از Seaborn در موقعیت‌های مختلف برای کشف داده‌های خود استفاده کنید و نتایج تجزیه و تحلیل داده‌های خود را به طور مؤثر به دیگران منتقل کنید. این مهارت ها برای تحلیلگران داده، دانشمندان داده و هر شغل دیگری که ممکن است شامل ایجاد تجسم داده ها باشد، بسیار مورد توجه است. اگر می‌خواهید به یادگیری خود ادامه دهید، این دوره بخشی از چندین مسیر است، از جمله مسیر تجسم داده‌ها، که در آن می‌توانید کتابخانه‌ها و تکنیک‌های بیشتری را به مجموعه مهارت‌های خود اضافه کنید.

تصویرسازی داده‌ها را با استفاده از جولیا مسلط کنید. از اصول اولیه تا روش های پیشرفته، توانایی ایجاد تصاویری تاثیرگذار و ارتباط موثر بینش ها را به دست آورید. یاد بگیرید که از تجسم‌های متنوع جولیا مانند طرح‌های خطی، نمودارهای پراکنده، هیستوگرام، طرح‌های جعبه‌ای، یا طرح‌های ویولن استفاده کنید و بدانید که چه زمانی و چگونه از آنها استفاده کنید. مهارت های خود را با درک تکنیک هایی مانند ترکیب چند طرح، سفارشی کردن هر جنبه ای از تجسم های خود، ساختن دستور العمل های رسم و تجسم DataFrames ارتقا دهید.

از شبکه‌های اجتماعی آنلاین مانند فیس‌بوک و توییتر گرفته تا شبکه‌های حمل‌ونقل مانند سیستم‌های اشتراک‌گذاری دوچرخه، شبکه‌ها همه جا هستند—و دانستن نحوه تجزیه و تحلیل آنها دنیای جدیدی از امکانات را برای شما به عنوان یک دانشمند داده باز می‌کند. این دوره شما را به مهارت های تجزیه و تحلیل، تجسم و درک شبکه ها مجهز می کند. با استفاده از کتابخانه قدرتمند NetworkX، مفاهیمی را که یاد می‌گیرید در داده‌های شبکه دنیای واقعی اعمال خواهید کرد. با دانش به دست آمده در این دوره، مهارت های تفکر شبکه ای خود را توسعه می دهید و می توانید با دیدگاهی تازه به داده های خود نگاه کنید.

از رسانه های اجتماعی گرفته تا بررسی محصول، متن یک نوع داده مهم فزاینده در بین برنامه ها، از جمله تجزیه و تحلیل بازاریابی است. در بسیاری از موارد، متن به دلیل ارزان بودن و فعلی بودن، جایگزین اشکال دیگر داده های بدون ساختار می شود. با این حال، برای استفاده از همه چیزهایی که متن ارائه می دهد، باید بدانید که چگونه در مورد متن فکر کنید، تمیز کنید، خلاصه کنید و مدل سازی کنید. در این دوره از جدیدترین ابزارهای مرتب برای شروع سریع و آسان متن استفاده خواهید کرد. شما یاد می گیرید که چگونه متن را به چالش بکشید و تجسم کنید، تجزیه و تحلیل احساسات انجام دهید، و مدل های موضوع را اجرا و تفسیر کنید.

افراد زیادی کد می نویسند. برخی از آنها آن را کارآمد و سودآور می کنند. اما گاهی اوقات، حتی باهوش ترین برنامه نویسان نیز مرتکب اشتباهی می شوند که می تواند میلیون ها دلار هزینه داشته باشد. چگونه می توان احتمال وارد شدن به چنین شکستی را کاهش داد؟ چگونه مطمئن می شوید که برنامه ای ایجاد می کنید که دقیقاً همان کاری را که می خواهید انجام می دهد؟ پاسخ بسیار ساده این است: تست بنویسید!

در طول این سفر، اصول اولیه ایجاد تست در پایتون را خواهید آموخت. شما با چهار نوع روش تست نرم افزار آشنا خواهید شد. شما تست های خود را ایجاد خواهید کرد تا بررسی کنید که آیا برنامه یا خط لوله داده قبل از تولید آن طور که انتظار می رود کار می کند یا خیر. خواه تهی غیرمنتظره باشد، یا اشتباه تایپی در مجموعه داده شما، یا علائم مختلط در معادله. شما می توانید، و با آزمایشات آن موارد را خواهید گرفت.

پس از اتمام دوره، انواع روش‌های تست را می‌شناسید و می‌توانید مناسب‌ترین روش‌ها را برای یک زمینه خاص انتخاب کنید. همچنین می‌توانید آن تست‌ها را طراحی کرده و با استفاده از کتابخانه‌های pytest و unittest در پایتون پیاده‌سازی کنید.

آزمایش چیزی است که مهندسان نرم افزار حرفه ای را متمایز می کند. کد تست نشده به طور پیش فرض شکسته در نظر گرفته می شود. در این دوره آموزشی، نحوه بهبود قابلیت اطمینان برنامه های جاوا قوی و انعطاف پذیر را از طریق آزمایش خواهید آموخت. انواع تست های رایج را کاوش خواهید کرد، با استفاده از JUnit، چارچوب تست جاوا استاندارد صنعتی، تمرین کرده و سناریوهای تست واقعی را با Mockito شبیه سازی خواهید کرد. همچنین توسعه تست محور را اعمال خواهید کرد و نوشتن تست های پارامتری و یکپارچه سازی را یاد خواهید گرفت. در پایان، برای اطمینان از اینکه کد جاوا شما به طور کامل و معنی دار تست شده است، مجهز خواهید شد.

آیا نگران سوابق نادرست یا مشکوک در داده های خود هستید، اما مطمئن نیستید از کجا شروع کنید؟ یک الگوریتم تشخیص ناهنجاری می تواند کمک کند! تشخیص ناهنجاری مجموعه ای از تکنیک هایی است که برای شناسایی نقاط داده غیرمعمول طراحی شده اند و برای شناسایی تقلب و محافظت از شبکه های کامپیوتری در برابر فعالیت های مخرب بسیار مهم هستند. در این دوره، آزمون‌های آماری برای شناسایی نقاط پرت را بررسی می‌کنید و یاد می‌گیرید که از الگوریتم‌های پیچیده امتیازدهی ناهنجاری مانند ضریب پرت محلی و جنگل جداسازی استفاده کنید. شما الگوریتم‌های تشخیص ناهنجاری را برای شناسایی شراب‌های غیرعادی در مجموعه داده‌های کیفیت شراب UCI و همچنین برای تشخیص موارد بیماری تیروئید از طریق اندازه‌گیری غیرطبیعی هورمون اعمال خواهید کرد.

وقت آن است که به جلو حرکت کنید و برش های پایتون خود را حتی بیشتر توسعه دهید. پایتون دارای عملکردهای خارق العاده و یک اکوسیستم ماژول است. با این حال، به‌عنوان یک متخصص داده یا توسعه‌دهنده، دائماً باید برای حل مشکلاتی که توسط داده‌های شما دیکته می‌شوند، توابع خود را بنویسید. در این دوره اول هنر نوشتن تابع را خواهید آموخت. شما از این دوره بیرون خواهید آمد و قادر خواهید بود توابع سفارشی خود را بنویسید، با پارامترهای متعدد و مقادیر بازگشتی متعدد، همراه با آرگومان های پیش فرض و آرگومان های طول متغیر. شما بینشی در مورد محدوده در پایتون به دست خواهید آورد، قادر خواهید بود توابع لامبدا را بنویسید و خطاها را در تمرین نوشتن تابع خود مدیریت کنید. هر فصل را با استفاده از مهارت‌های جدید خود برای نوشتن توابعی که داده‌های توییتر را تجزیه و تحلیل می‌کنند، به پایان می‌رسانید.

اینکه بتوانید توابع خود را بنویسید، تجزیه و تحلیل های شما را خواناتر، با خطاهای کمتر، و از پروژه ای به پروژه دیگر قابل استفاده مجدد می کند. نوشتن تابع، بهره وری شما را بیش از هر مهارت دیگری افزایش می دهد! در این دوره شما اصول نوشتن تابع را با تمرکز بر آرگومان های وارد شده به تابع و مقادیر بازگشتی یاد خواهید گرفت. شما باید توابع مفید علم داده بنویسید و از داده های دنیای واقعی در مورد گردشگری وایومینگ، نسبت قیمت سهام/درآمد، و بازده دانه استفاده کنید.

مدل‌های جاسازی متن، نمایش‌های عددی را از ورودی‌های متن ایجاد می‌کنند. این توانایی برای رمزگذاری متن و دریافت معنای معنایی آن به این معنی است که مدل‌های جاسازی شده زیربنای بسیاری از برنامه‌های هوش مصنوعی مانند موتورهای جستجوی معنایی و موتورهای توصیه‌کننده هستند. در این دوره، یاد خواهید گرفت که چگونه از مدل OpenAI's Embeddings از طریق OpenAI API برای ایجاد جاسازی از مجموعه داده های متنی استفاده کنید و شروع به توسعه برنامه های کاربردی در دنیای واقعی کنید. همچنین با یادگیری در مورد پایگاه‌های داده برداری برای ذخیره کارآمد و جستجوی متون جاسازی شده، گام بزرگی در جهت ایجاد برنامه‌های کاربردی آماده برای تولید بردارید.

قدرت جاوا را در این دوره آموزشی مناسب برای مبتدیان کشف کنید، که برای ایجاد پایه ای قوی در یکی از محبوب ترین زبان های برنامه نویسی در جهان طراحی شده است. با توجه به اینکه جاوا میلیاردها دستگاه را هدایت می کند و توسط شرکت های برتر در سطح جهانی استفاده می شود، یادگیری آن برای هر توسعه دهنده نرم افزاری مشتاق ضروری است. شما مستقیماً به کدنویسی، تسلط بر مفاهیم اصلی مانند ساختار برنامه، متغیرها، انواع داده ها و عملگرها خواهید رفت. در پایان، به مهارت‌هایی برای شروع نوشتن متدهای جاوا و ساختن برنامه‌های کاربردی خود مجهز خواهید شد که شما را در مسیر تسلط بر جاوا قرار می‌دهد.

اکنون به آپاچی Airflow 2.7 به‌روزرسانی شده است - تحویل داده‌ها بر اساس برنامه زمانی می‌تواند یک فرآیند دستی باشد. شما اسکریپت می نویسید، وظایف پیچیده cron را اضافه می کنید، و راه های مختلفی را برای برآورده کردن مجموعه ای از الزامات در حال تغییر امتحان می کنید - و مدیریت همه چیز هنگام کار با هم تیمی ها دشوارتر است. Apache Airflow می‌تواند این سردرد را با اضافه کردن زمان‌بندی، مدیریت خطا و گزارش‌دهی به گردش‌های کاری شما برطرف کند. در این دوره، شما بر اصول اولیه Apache Airflow مسلط خواهید شد و نحوه پیاده سازی خطوط لوله مهندسی داده پیچیده در تولید را یاد خواهید گرفت. همچنین یاد خواهید گرفت که چگونه از نمودارهای غیر چرخه ای جهت دار (DAGs) استفاده کنید، گردش کار مهندسی داده را خودکار کنید، و وظایف مهندسی داده را به روشی آسان و قابل تکرار اجرا کنید - به شما کمک می کند تا سلامت عقل خود را حفظ کنید.