Python را برای علم داده بیاموزید – پروژه های عملی با EDA، تست AB و هوش تجاری
مهارت های علم داده به طور فزاینده ای مورد تقاضا هستند. ما به تازگی یک دوره آموزشی علوم داده با پایتون را در کانال YouTube freeCodeCamp.org منتشر کردیم. این دوره جامع، بیش از 5.5 ساعت طراحی شده است تا از طریق دو پروژه دقیق، مهارت های ضروری، تئوری ترکیبی، نمایش های عملی و برنامه های کاربردی در دنیای واقعی را به دانشمندان داده مشتاق ارائه دهد.
Tatev و Vahe از LunarTech این دوره را تدریس می کنند. آنها هر دو مهندسان با تجربه ای هستند که علاقه زیادی به یادگیری ماشین دارند و این دوره بینش های ارزشمند و تجربه عملی را ارائه می دهد که برای رشد شما در علم داده بسیار مهم است.
این دوره در سه بخش اصلی تشکیل شده است:
بخش 1: تجزیه و تحلیل داده ها در پایتون اصول اولیه تجزیه و تحلیل داده ها را پوشش می دهد، از جمله جدال داده ها، تکنیک های تجسم، آمار توصیفی و فیلتر کردن و تجمیع داده ها. شما یاد خواهید گرفت که چگونه داده ها را به طور موثر مدیریت و سازماندهی کنید، داستان های بصری جذابی را با داده ها ایجاد کنید، ویژگی های داده ها را از طریق معیارهای آماری درک کنید، و داده ها را به طور موثر گروه بندی، مرتب سازی و فیلتر کنید.
بخش 2: مبانی تست AB یک دوره تصادف در مورد آزمایش و تئوری تست AB ارائه می دهد. شما یاد خواهید گرفت که چگونه فرضیه ها را تنظیم کنید و نتایج را به درستی تفسیر کنید، که به شما یک پایه محکم در اصول تست AB می دهد.
بخش 3: مطالعات موردی پایان به انتها دارای دو پروژه عمیق است که تجربه عملی و بینش عملی را ارائه می دهد. پروژه اول بر طراحی UX مبتنی بر داده و تعامل با مشتری متمرکز است و شما را از طریق آزمایش و مطالعه موردی واقعی راهنمایی می کند. پروژه دوم شامل تجزیه و تحلیل جامع رفتار مشتری، فروش، تقسیم بندی و بهینه سازی در یک فروشگاه فوق العاده است. این پروژه ها نه تنها برای افزایش درک شما، بلکه برای ارائه تجربیات عملی که می توانید در رزومه خود به نمایش بگذارید، طراحی شده اند.
در اینجا فهرست ی از تمام بخش های این دوره آمده است:
معرفی
پایتون برای علم داده و تجزیه و تحلیل
کاوش و پیش پردازش داده ها
فیلتر کردن، مرتب سازی، گروه بندی
آمار توصیفی
ادغام و پیوستن
تجسم داده ها در پایتون
درس تصادف تست AB - تئوری
پروژه 1 - پروژه تجزیه و تحلیل داده و علم داده
تنظیم آزمایشی در مقابل کنترل
تجزیه و تحلیل داده ها در تست A/B
پارامترهای تست A/B
تجزیه و تحلیل داده های آزمون A/B
خروجی های آماری توضیح داده شده است
نتیجه گیری نتایج آزمون A/B و مطالعه موردی
پروژه 2 - پروژه تجزیه و تحلیل داده های سوپراستور
تقسیم بندی مشتریان سوپراستور
درآمد بر اساس بخش مشتری
بینش فروش مشتریان
تحلیل وفاداری مشتری در سوپراستورها
استراتژی های حمل و نقل سوپراستور
تحلیل بازار جغرافیایی
بینش عملکرد محصول
تجزیه و تحلیل جامع فروش
پیگیری روند فروش
تجسم فروش توسط ایالت
دوره کامل را در کانال YouTube freeCodeCamp.org (5.5 ساعت تماشا) ببینید.
ارسال نظر