Data Science Python and R

⭕️ دوره رایگان "مقدمه ای بر ChatGPT و هوش مصنوعی مولد Generative AI" 📑 به همراه گواهینامه رایگان پایان دوره👌🏼 🔷 مانند هر ابزار دیگری، ChatGPT و Generative AI به طور کلی مفید خواهند بود، اگر بدانیم چگونه با آن ها کار کنیم. این دوره‌یِ آموزشی، بهترین شیوه ها را برای کار با ChatGPT پوشش خواهد داد و یک چارچوب محکم برای طراحی اعلان های ChatGPT با ساختار مناسب ارائه می دهد که می‌توانید حتی در هنگام کار بر روی پروژه های پیچیده نیز، از آن‌ها استفاده کنید تا بهره وری شما را افزایش می دهد. 🔶 هم‌چنین این آموزش، چندین موضوع مهم مانند دانش پایه هوش مصنوعی، اخلاق هوش مصنوعی، خطرات هوش مصنوعی، نحوه اتصال به Open AI’s API، و اینکه چرا شما و شرکتتان باید هوش مصنوعی را بپذیرید را پوشش می دهد. 📣 توجه کنید که این دوره فقط تا 27 جولای 2023 رایگان است! [ امتیاز 4.8/5 از 1971 نظر ] ✅ برای دسترسی کامل به این دوره رایگان می توانید از لینک زیر استفاده نمایید: ┌ 🏷 Intro to ChatGPT and Generative AI ├ 🚀 Course link └ 📕 Course catalog 🆔 @data_science_python_and_r

0

🎥با قابلیت هوش مصنوعی جدید فتوشاپ، فقط با دستور متنی، عکس را ویرایش کنید 🔹ابزار هوش مصنوعی جدید فتوشاپ به‌نام Generative Fill که بخشی از مجموعه هوش مصنوعی Firefly است، به شما این امکان را می‌دهد تا بتوانید به‌سرعت از طریق ورودی‌های متنی دست به خلق یا حذف تصاویر بزنید یا حتی بخشی از یک تصویر را گسترش دهید. 🆔 @data_science_python_and_r

🆔 @data_science_python_and_r

این، یک بسته آموزشی تصویری است که شامل ۴۲ جلسه و ۱۲ ساعت فیلم آموزشی دانشکده مهندسی کامپیوتر دانشگاه اصفهان - درس داده کاوی می‌باشد. ۱- مقدمه ۱-۱- چرا داده‌کاوی؟ ۱-۲- داده‌کاوی چیست؟ ۱-۳- یک دید چندبعدی از داده‌کاوی ۱-۴- چه نوع داده‌هایی را می‌توان کاوش نمود؟ ۱-۵- چه نوع الگوهایی را می‌توان کاوش نمود؟ ۱-۶- از چه تکنولوژی‌هایی استفاده می‌شود؟ ۱-۷- چه کاربردهایی مدنظر است؟ ۱-۸- بحث‌های اصلی در داده‌کاوی ۱-۹- تاریخچه‌ای مختصر از داده‌کاوی و جامعه داده‌کاوی ۲- شناخت داده‌ها ۲-۱- اشیاء داده‌ای و انواع صفت‌ها ۲-۲- توصیف آماری داده‌ها ۲-۳- مصورسازی داده‌ها ۲-۴- اندازه‌گیری میزان شباهت و عدم شباهت داده‌ها ۳- پیش‌پردازش داده‌ها ۳-۱- پیش‌پردازش داده‌ها (یک دید کلی) ۳-۲- پاک‌سازی داده‌ها ۳-۳- یکپارچه‌سازی داده‌ها ۳-۴- کاهش داده‌ها ۳-۵- تغییر شکل داده‌ها و گسسته‌سازی داده‌ها ۴- انبار داده و پردازش تحلیلی برخط ۴-۱- مفاهیم پایه ۴-۲- مدل‌سازی انبار داده (مکعب داده و OLAP) ۴-۳- طراحی و استفاده از انبار داده ۴-۴- پیاده‌سازی انبار داده ۴-۵- تعمیم داده‌ها با استفاده از استقرای مبتنی بر صفت ۵- الگوهای پرتکرار، وابستگی‌ها و همبستگی‌ها ۵-۱- مفاهیم پایه ۵-۲- روش‌های کاوش الگوهای پرتکرار ۵-۲-۱- رهیافت تولید و تست کاندیدها (Apriori) ۵-۲-۲- بهبود کارآیی روش Apriori ۵-۲-۳- رهیافت رشد الگوهای پرتکرار (FPGrowth) ۵-۲-۴- کاوش الکوهای پرتکرار از داده‌های با فرمت عمودی (ECLAT) ۵-۲-۵- کاوش الگوهای پرتکرار بسته و الگوهای بیشینه ۵-۳- کدام الگوها جذاب هستند؟ (روش‌های ارزیابی الگوها) ۶- طبقه‌بندی – مفاهیم و روش‌های پایه ۶-۱- مفاهیم پایه ۶-۲- استنتاج درخت تصمیم ۶-۳- روش‌های طبقه‌بندی بیز ۶-۴- طبقه‌بندی مبتنی بر قانون ۶-۵- ارزیابی و انتخاب مدل ۶-۶- روش‌های بهبود دقت طبقه‌بندی (روش‌های تجمیعی) ۷- طبقه‌بندی – مفاهیم و روش‌های پیشرفته ۷-۱- شبکه‌های باور بیزین ۷-۲- شبکه‌های عصبی (انتشار رو به عقب) ۷-۳- ماشین‌های بردار پشتیبان ۷-۴- طبقه‌بندی با استفاده از الگوهای پرتکرار ۷-۵- رهیافت نزدیکترین همسایه‌ها (یادگیرنده‌های تنبل) ۷-۶- الگوریتم ژنتیک ۷-۷- دیگر روش‌های طبقه‌بندی ۷-۸- مطالب اضافی در مورد طبقه‌بندی ۸- خوشه‌بندی – مفاهیم و روش‌های پایه ۸-۱- مفاهیم پایه ۸-۲- روش‌های افرازبندی ۸-۳- روش‌های سلسله مراتبی ۸-۴- روش‌های مبتنی بر چگالی ۸-۵- روش‌های مبتنی بر مشبک ۸-۶- ارزیابی خوشه‌بندی #Esfahan #Data_Mining #video #tutorial #ai #Concepts #Classification #Neural_Networks 🆔 @data_science_python_and_r

نحوه انجام الگوهای مرتب سازی 🆔 @data_science_python_and_r

بدون نوشتن کد، داده‌هاتُ توی پایتون تحلیل کن 🔶 کتابخونه Bamboolib از اون کتابخونه‌هایی هست که آدم افسوس میخوره چرا زودتر دربارش نمیدونستم. با این کتابخونه هر کسی میتونه بدون برنامه‌نویسی، داده‌هاش رو با پایتون تحلیل کنه. 🔶 این کتابخونه خودش کدهارو به صورت خودکار تولید میکنه که با خوندن این کدها، میتونیم حتی کدنویسی رو یاد بگیریم. 🔶 در اصل کتابخونه Bamboolib یک GUI برای Pandas هست که با Jupyter Notebook میشه ازش استفاده کرد. ✅ با لینک زیر این کتابخونه مفید رو نصب کنین: https://pypi.org/project/bamboolib/ ✅ توی لینک‌های زیر کار با این کتابخونه رو یاد بگیرین: https://bamboolib.8080labs.com/ https://towardsdatascience.com/bamboolib-one-of-the-most-useful-python-libraries-you-have-ever-seen-6ce331685bb7 https://medium.com/analytics-vidhya/bamboolib-a-gui-for-pandas-e5109f7bccff

Pivot Function in Spark ================ -> It is used to transpose the data from one column into multiple column. -> It splits the unique values from one column into many columns in the final result. It also aggregates the remaining column values required in the final result. -> We are doing group by on student column with the pivoting on subject column. ✔️Code Snippet: 𝘷𝘢𝘭 𝘴𝘱𝘢𝘳𝘬: 𝘚𝘱𝘢𝘳𝘬𝘚𝘦𝘴𝘴𝘪𝘰𝘯 = 𝘚𝘱𝘢𝘳𝘬𝘚𝘦𝘴𝘴𝘪𝘰𝘯.𝘣𝘶𝘪𝘭𝘥𝘦𝘳() .𝘮𝘢𝘴𝘵𝘦𝘳("𝘭𝘰𝘤𝘢𝘭[2]") .𝘢𝘱𝘱𝘕𝘢𝘮𝘦("𝘗𝘪𝘷𝘰𝘵") .𝘨𝘦𝘵𝘖𝘳𝘊𝘳𝘦𝘢𝘵𝘦() 𝘷𝘢𝘭 𝘥𝘧 = 𝘚𝘦𝘲(("𝘑𝘢𝘤𝘰𝘣","𝘔𝘢𝘵𝘩𝘦𝘮𝘢𝘵𝘪𝘤𝘴",100), ("𝘑𝘢𝘤𝘰𝘣","𝘚𝘤𝘪𝘦𝘯𝘤𝘦",95), ("𝘑𝘢𝘤𝘰𝘣","𝘎𝘦𝘰𝘨𝘳𝘢𝘱𝘩𝘺",90), ("𝘈𝘮𝘪𝘭𝘦𝘦","𝘔𝘢𝘵𝘩𝘦𝘮𝘢𝘵𝘪𝘤𝘴",90), ("𝘈𝘮𝘪𝘭𝘦𝘦","𝘚𝘤𝘪𝘦𝘯𝘤𝘦",90), ("𝘈𝘮𝘪𝘭𝘦𝘦","𝘎𝘦𝘰𝘨𝘳𝘢𝘱𝘩𝘺",100)) 𝘪𝘮𝘱𝘰𝘳𝘵 𝘴𝘱𝘢𝘳𝘬.𝘪𝘮𝘱𝘭𝘪𝘤𝘪𝘵𝘴._ 𝘷𝘢𝘭 𝘥𝘧2 = 𝘥𝘧.𝘵𝘰𝘋𝘍("𝘕𝘢𝘮𝘦","𝘚𝘶𝘣𝘫𝘦𝘤𝘵","𝘔𝘢𝘳𝘬𝘴") 𝘱𝘳𝘪𝘯𝘵𝘭𝘯("𝘖𝘳𝘪𝘨𝘪𝘯𝘢𝘭 𝘥𝘢𝘵𝘢𝘧𝘳𝘢𝘮𝘦") 𝘥𝘧2.𝘴𝘩𝘰𝘸 𝘱𝘳𝘪𝘯𝘵𝘭𝘯("𝘗𝘪𝘷𝘰𝘵𝘦𝘥 𝘥𝘢𝘵𝘢𝘧𝘳𝘢𝘮𝘦") 𝘷𝘢𝘭 𝘥𝘧4= 𝘥𝘧2.𝘨𝘳𝘰𝘶𝘱𝘉𝘺("𝘕𝘢𝘮𝘦").𝘱𝘪𝘷𝘰𝘵("𝘚𝘶𝘣𝘫𝘦𝘤𝘵").𝘴𝘶𝘮("𝘔𝘢𝘳𝘬𝘴").𝘴𝘩𝘰𝘸 #bigdataengineering #dataengineering #spark #hadoop 🆔 @data_science_python_and_r

پیاده سازی و آموزش 30 مدل یادگیری ماشین با چند خط کد!!! کتابخونه lazypredict یه ابزار جالب و کارآمده که بدون دردسر خاصی و نوشتن تعداد خط کدهای زیاد، میتونید 30 تا مدل یادگیری ماشین رو روی دیتاستتون آموزش و نتایج شون رو خیلی شیک ببینید. برای افرادی که با الگوریتم های یادگیری ماشین آشنا نیستند گزینه عالیه که در کمترین زمان ممکن، به یک نتیجه معقولی در مورد پژوهش شون برسن و لااقل بدونن کدوم الگوریتم ها دقت بالاتری دارند و وقت خودشون رور وی اونها برای بهبود نتایج بزارند. شما هم لایبرری مفیدی میشناسید تو کامنت بنویسید همه استفاده کنیم. #machinelearning #deeplearning #datamining #pythonlearning 🆔 @data_science_python_and_r

یک لایبرری پایتونی عالی برای کار با فایل های csv, excel , ... خیلی وقت ها برای وارد کردن داده ها توی محیط پایتون و با فرمت های مختلف درگیر کدنویسی و مرور کردن کدهای مختلف میشیم. اما کتابخونه mitosheet این کار رو برای ما خیلی خیلی ساده کرده و بدون نیاز به کدنویسی، میتونیم داده ها رو وارد محیط پایتون کنیم، به کمک ویزارد میشه فیلترهای مختلف و خیلی کاربردی رو روی داده ها اعمال کرد و جالب تر اینکه کدش هم برامون تولید میکنه. برای کار با این کتابخونه کافیه خیلی ساده دستور زیر رو توی محیط ژوپیتر وارد کنید: pip install mitosheet داکیومنیشن و اطلاعات بیشتر اگه شما هم ابزارهای مفیدی سراغ دارید میتونید بنویسید تا همه باهاش آشنا بشیم. #python #pythonprogramming #pythonlearning 🆔 @data_science_python_and_r