پایتون پیشرفته
Random 117:23
Random 208:43
Yield-Decorator24:46
Web Scraping29:39
Regex21:50
تحلیل اکتشافی داده ها
جمع آوری داده با پانداز و نامپای23:26
مروری بر مراحل مختلف EDA مانند کوآنتایل24:05
مدیریت مقادیر از دست رفته22:49
نتیجه گیری برای جمع آوری داده ها و وارد کردن داده ها16:16
تبدیل داده ها25:55
مدیریت داده های پرت با استفاده از تکنیک های آماری16:20
binning (گسسته سازی داده ها)18:10
تحول جامع داده21:11
Sorting and Re indexing20:10
تغییر و تحول در دیتاهای مبتنی بر متن25:44
تبدیل داده از فرمت Wide به Long (بازشکل دهی داده ها)26:07
اپیزود 13: مصورسازی توزیع‌ها با هیستوگرام‌ها و نمودارهای چگالی
تحلیل تک متغیره: درک داده ها22:18
تحلیل بصری برای متغیر های عددی26:44
تحلیل جامع تک متغیره19:49
تحلیل داده های طبقه بندی شده13:55
Profiling17:12
تحلیل چند متغیره23:26
Factor Analysis16:03
استفاده از داده های کتگوری در EDA17:52
تکنیک های تخصصی مصور سازی17:17
یادگیری ماشین از مقدماتی تا پیشرفته
اپیزود 1
اپیزود 2
اپیزود 3
اپیزود 4
اپیزود 5
اپیزود 6
اپیزود 7
اپیزود 8
اپیزود 9، Naive Bayes Classifier and Gaussian Naive Bayes Classifier27:35
اپیزود 10 ، قسمت 1 ، درخت تصمیم35:18
اپیزود 10، قسمت 2، Information gain31:44
اپیزود 10، قسمت 3، هرس کردن در درخت تصمیم (Pruning)22:58
اپیزود 11، قسمت 1، Ensemble Learning48:26
اپیزود 11، قسمت 2، تقویت گرادیان13:01
اپیزود 11، قسمت 3، XGBoost (Extreme Gradient Boosting)38:57
اپیزود 12
اپیزود 13، قسمت 1، Feature Engineering42:10
اپیزود 13، قسمت 2، Feature engineering: Principal Component analysis44:31
اپیزود 13، قسمت 3، Linear discriminant analysis36:48
یادگیری ماشین، اپیزود 13، قسمت 454:19
اپیزود 13، قسمت 523:11
اپیزود 14، قسمت 1، تفسیر پذیری درمقابل توضیح پذیری36:34
اپیزود 14، قسمت 2، تفسیر پذیری درمقابل توضیح پذیری27:36
پیاده‌سازی یادگیری ماشین
اپیزود یک48:58
اپیزود دو47:49
اپیزود سه قسمت یک
اپیزود سه قسمت دو21:04
اپیزود چهار53:45
اپیزود پنج قسمت یک29:45
اپیزود پنج قسمت دو
اپیزود شش
اپیزود هفت54:48
مدلهای یادگیری بدون نظارت00:00
اپیزود هشت57:41
پروژه نهایی (Capstone Project)00:00
بررسی و شروع دوره پایتون تخصصی
