Python về Khoa học dữ liệu và machine learing (DRAFT)

Học cách dùng NumPy, Pandas, Seaborn , Matplotlib , Plotly , Scikit-Learn , Machine Learning, Tensorflow , và hơn thế nữa!
Thanh Tùng
0 Đánh giá 1 Học viên

Bạn sẽ học được gì

Đầu tiên tôi muốn bạn truy cập:

Giá gốc tại đây:

https://www.udemy.com/course/python-for-data-science-and-machine-learning-bootcamp/

Bạn sẽ học được

  • Sử dụng Python cho Khoa học dữ liệu và Học máy

  • Sử dụng Spark để phân tích dữ liệu lớn

  • Triển khai các thuật toán học máy

  • Học cách sử dụng NumPy cho dữ liệu số

  • Học cách sử dụng Pandas để phân tích dữ liệu

  • Học cách sử dụng Matplotlib cho Python Plotting

  • Tìm hiểu cách sử dụng Seaborn cho các biểu đồ thống kê

  • Sử dụng Plotly để trực quan hóa động tương tác

  • Sử dụng SciKit-Learn cho các tác vụ Machine Learning

  • K-Means phân cụm

  • Hồi quy logistic

  • Hồi quy tuyến tính

  • Rừng ngẫu nhiên và cây quyết định

  • Xử lý ngôn ngữ tự nhiên và bộ lọc thư rác

  • Mạng nơ-ron

  • Hỗ trợ máy vector

Giới thiệu khóa học

Miêu tả

Bạn đã sẵn sàng để bắt đầu con đường trở thành Nhà khoa học dữ liệu chưa!

Khóa học toàn diện này sẽ là hướng dẫn của bạn để học cách sử dụng sức mạnh của Python để phân tích dữ liệu, tạo hình ảnh trực quan đẹp mắt và sử dụng các thuật toán học máy mạnh mẽ!

Nhà khoa học dữ liệu đã được xếp hạng là công việc số một trên Glassdoor và mức lương trung bình của một nhà khoa học dữ liệu là hơn 120,000 đô la ở Hoa Kỳ theo Indeed! Khoa học dữ liệu là một nghề nghiệp bổ ích cho phép bạn giải quyết một số vấn đề thú vị nhất trên thế giới!

Khóa học này được thiết kế cho cả người mới bắt đầu với một số kinh nghiệm lập trình hoặc các nhà phát triển có kinh nghiệm muốn chuyển sang Khoa học dữ liệu!

Khóa học toàn diện này có thể so sánh với các bootcamp Khoa học dữ liệu khác thường có giá hàng nghìn đô la, nhưng bây giờ bạn có thể tìm hiểu tất cả thông tin đó với một phần nhỏ chi phí! Với hơn 100 bài giảng video HD và sổ ghi chép mã chi tiết cho mỗi bài giảng, đây là một trong những khóa học toàn diện nhất về khoa học dữ liệu và học máy trên Udemy!

Chúng tôi sẽ dạy bạn cách lập trình với Python, cách tạo trực quan hóa dữ liệu tuyệt vời và cách sử dụng Machine Learning với Python! Dưới đây chỉ là một vài chủ đề chúng ta sẽ học:

  • Lập trình với Python
  • NumPy với Python
  • Sử dụng Khung dữ liệu gấu trúc để giải quyết các nhiệm vụ phức tạp
  • Sử dụng gấu trúc để xử lý tệp Excel
  • Quét web bằng python Kết nối Python với SQL
  • Sử dụng matplotlib và seaborn để trực quan hóa dữ liệu
  • Sử dụng cốt truyện để trực quan hóa tương tác
  • Machine Learning với SciKit Learn, bao gồm:
  • Hồi quy tuyến tính K Hàng xóm gần nhất K có nghĩa là phân cụm
  • Cây quyết định Rừng ngẫu nhiên
  • Xử lý ngôn ngữ tự nhiên Mạng lưới thần kinh và học sâu
  • Hỗ trợ máy vector và nhiều, nhiều hơn nữa!

Đăng ký khóa học và trở thành một nhà khoa học dữ liệu ngay hôm nay!

 

Khóa học này dành cho ai:

  • Khóa học này dành cho những người có ít nhất một số kinh nghiệm lập trình

Nội dung khóa học

  • 1. Introduction to the Course
  • 2. Course Help and Welcome
  • 3. Course FAQs
  • 4. Python Environment Setup
  • 5. Updates to Notebook Zip
  • 6. Jupyter Notebooks
  • 7. Optional: Virtual Environments
  • 8. Welcome to the Python Crash Course Section!
  • 9. Introduction to Python Crash Course
  • 10. Python Crash Course - Part 1
  • 11. Python Crash Course - Part 2
  • 12. Python Crash Course - Part 3
  • 13. Python Crash Course - Part 4
  • 13. Python Crash Course - Part 4
  • 14. Python Crash Course Exercises - Overview
  • 15. Python Crash Course Exercises - Solutions
  • 16. Welcome to the NumPy Section!
  • 17. Introduction to Numpy
  • 18. Numpy Arrays
  • 19. Quick Note on Array Indexing
  • 20. Numpy Array Indexing
  • 21. Numpy Operations
  • 22. Numpy Exercises Overview
  • 23. Numpy Exercises Solutions
  • 24. Welcome to the Pandas Section!
  • 25. Introduction to Pandas
  • 26. Series
  • 27. DataFrames - Part 1
  • 28. DataFrames - Part 2
  • 29. DataFrames - Part 3
  • 30. Missing Data
  • 31. Groupby
  • 32. Merging Joining and Concatenating
  • 33. Operations
  • 34. Data Input and Output
  • 35. Note on SF Salary Exercise
  • 36. SF Salaries Exercise Overview
  • 37. SF Salaries Solutions
  • 38. Ecommerce Purchases Exercise Overview
  • 39. Ecommerce Purchases Exercise Solutions
  • 40. Welcome to the Data Visualization Section!
  • 41. Introduction to Matplotlib
  • 42. Matplotlib Part 1
  • 43. Matplotlib Part 2
  • 44. Matplotlib Part 3
  • 45. Matplotlib Exercises Overview
  • 46. Matplotlib Exercises - Solutions
  • 47. Introduction to Seaborn
  • 48. Distribution Plots
  • 49. Categorical Plots
  • 50. Matrix Plots
  • 51. Grids
  • 52. Regression Plots
  • 53. Style and Color
  • 54. Seaborn Exercise Overview
  • 55. Seaborn Exercise Solutions
  • 56. Pandas Built-in Data Visualization
  • 57. Pandas Data Visualization Exercise
  • 58. Pandas Data Visualization Exercise- Solutions
  • 59. Introduction to Plotly and Cufflinks
  • 60. READ ME FIRST BEFORE PLOTLY PLEASE!
  • 61. Plotly and Cufflinks
  • 62. Introduction to Geographical Plotting
  • 63. Choropleth Maps - Part 1 - USA
  • 64. Choropleth Maps - Part 2 - World
  • 65. Choropleth Exercises
  • 66. Choropleth Exercises - Solutions
  • 67. Welcome to the Data Capstone Projects!
  • 68. 911 Calls Project Overview
  • 69. 911 Calls Solutions - Part 1
  • 70. 911 Calls Solutions - Part 2
  • 71. Bank Data
  • 72. Finance Data Project Overview
  • 73. Finance Project - Solutions Part 1
  • 74. Finance Project - Solutions Part 2
  • 75. Finance Project - Solutions Part 3
  • 76. Welcome to Machine Learning. Here are a few resources to get you started!
  • 77. Welcome to the Machine Learning Section!
  • 78. Supervised Learning Overview
  • 79. Evaluating Performance - Classification Error Metrics
  • 80. Evaluating Performance - Regression Error Metrics
  • 81. Machine Learning with Python
  • 82. Linear Regression Theory
  • 83. model_selection Updates for SciKit Learn 0.18
  • 84. Linear Regression with Python - Part 1
  • 85. Linear Regression with Python - Part 2
  • 86. Linear Regression Project Overview
  • 87. Linear Regression Project Solution
  • 88. Bias Variance Trade-Off
  • 89. Logistic Regression Theory
  • 90. Logistic Regression with Python - Part 1
  • 91. Logistic Regression with Python - Part 2
  • 92. Logistic Regression with Python - Part 3
  • 93. Logistic Regression Project Overview
  • 94. Logistic Regression Project Solutions
  • 95. KNN Theory
  • 96. KNN with Python
  • 97. KNN Project Overview
  • 98. KNN Project Solutions
  • 99. Introduction to Tree Methods
  • 100. Decision Trees and Random Forest with Python
  • 101. Decision Trees and Random Forest Project Overview
  • 102. Decision Trees and Random Forest Solutions Part 1
  • 103. Decision Trees and Random Forest Solutions Part 2
  • 104. SVM Theory
  • 105. Support Vector Machines with Python
  • 106. SVM Project Overview
  • 107. SVM Project Solutions
  • 108. K Means Algorithm Theory
  • 109. K Means with Python
  • 110. K Means Project Overview
  • 111. K Means Project Solutions
  • 112. Principal Component Analysis
  • 113. PCA with Python
  • 114. Recommender Systems
  • 115. Recommender Systems with Python - Part 1
  • 116. Recommender Systems with Python - Part 2
  • 117. Natural Language Processing Theory
  • 118. NLP with Python - Part 1
  • 119. NLP with Python - Part 2
  • 120. NLP with Python - Part 3
  • 121. NLP Project Overview
  • 122. NLP Project Solutions
  • 123. Download TensorFlow Notebooks Here
  • 124. Welcome to the Deep Learning Section!
  • 125. Introduction to Artificial Neural Networks (ANN)
  • 126. Installing Tensorflow
  • 127. Perceptron Model
  • 128. Neural Networks
  • 129. Activation Functions
  • 130. Multi-Class Classification Considerations
  • 131. Cost Functions and Gradient Descent
  • 132. Backpropagation
  • 133. TensorFlow vs Keras
  • 134. TF Syntax Basics - Part One - Preparing the Data
  • 135. TF Syntax Basics - Part Two - Creating and Training the Model
  • 136. TF Syntax Basics - Part Three - Model Evaluation
  • 137. TF Regression Code Along - Exploratory Data Analysis
  • 138. TF Regression Code Along - Exploratory Data Analysis - Continued
  • 139. TF Regression Code Along - Data Preprocessing and Creating a Model
  • 140. TF Regression Code Along - Model Evaluation and Predictions
  • 141. TF Classification Code Along - EDA and Preprocessing
  • 142. TF Classification - Dealing with Overfitting and Evaluation
  • 143. TensorFlow 2.0 Project Options Overview
  • 144. TensorFlow 2.0 Project Notebook Overview
  • 145. Keras Project Solutions - Dealing with Missing Data
  • 146. Keras Project Solutions - Dealing with Missing Data - Part Two
  • 147. Keras Project Solutions - Categorical Data
  • 148. Keras Project Solutions - Data PreProcessing
  • 149. Keras Project Solutions - Data PreProcessing
  • 150. Keras Project Solutions - Creating and Training a Model
  • 151. Keras Project Solutions - Model Evaluation
  • 152. Tensorboard
  • 153. Welcome to the Big Data Section!
  • 154. Big Data Overview
  • 155. Spark Overview
  • 156. Local Spark Set-Up
  • 157. AWS Account Set-Up
  • 158. Quick Note on AWS Security
  • 159. EC2 Instance Set-Up
  • 160. SSH with Mac or Linux
  • 161. PySpark Setup
  • 162. Lambda Expressions Review
  • 163. Introduction to Spark and Python
  • 164. RDD Transformations and Actions
  • 165. Bonus Lecture

Thông tin giảng viên

Thanh Tùng
54 Học viên 5 Khóa học
- Chuyên gia đào tạo VBA - Excel

Từng có nhiều năm kinh nghiệm làm việc và viết code VBA trên Excel, tôi hiểu được công việc của bạn, tôi đã chọn lọc và lập lên các khóa học này để ai cũng có thể làm quen và nắm bắt được một cách dễ dàng giúp bạn giảm được > 80% công việc thủ công. Ngoài ra, với các khóa học nâng cao, các bạn có thể tự viết được games trên Excel để thử thách bản thân cũng như rèn luyện kỹ năng của mình

Học viên đánh giá

0
0 Đánh giá

0%

0%

0%

0%

0%

150.000 2.199.000 -94%
Duy nhất trong tháng này
Đăng ký học Thêm vào giỏ hàng
Thời lượng: 0 phút
Giáo trình: 166 Bài học
Học mọi lúc mọi nơi
Học trên mọi thiết bị: Mobile, TV, PC