Data Science Career Path: 100 Days of Data Science Bootcamp

أهلا بك عزيزي المتابع لموقع (journey for learn) نقدم دورات بكوبونات متاحة لاول 1000 تسجيل مجاني فقط وكوبونات اخري لفترة محدودة فاذا كنت تريد ان تحصل علي كل الكورسات علي موقعنا وان تكون اول المسجلين في الكورسات المجانية قم بتسجيل الدخول أوقم بالدخول علي وسائل التواصل الاجتماعي وخصوصا التليجرام نوضح الوصف المختصر والطويل للدورات لكي تعرف الدروس التي سوف تتعلمها بسهولة ويسر :

مرحبًا بكم في "مسار مهنة علوم البيانات: 100 يوم من معسكر علوم البيانات" ، وهي رحلة منظمة ومكثفة وشاملة مصممة لأي شخص ملتزم حقًا بأن يصبح عالم بيانات كاملًا وجاهزًا-بغض النظر عن خلفيتك الحالية ، أو خبرتك السابقة ، أو التاريخ الأكاديمي. هذه الدورة تحل هذه المشكلة. إنه منظم لتوفير تقدم خطوة بخطوة ، تراكمية ، والتقدم اليومي-مما يساعدك على تحويل المعرفة إلى القدرة ، والقدرة على الاستعداد الوظيفي. يتبع فلسفة واقعية وعملية من العالم باستخدام مجموعة بيانات قوية للاحتيال الائتماني وسلسلة من كتل التعلم المنظمة ، وتقدم لك تدريجياً إلى المشهد الكامل لعلوم البيانات. فيما يلي نظرة متعمقة على ما ستتقنه خلال هذه الرحلة: #______ أسس علوم البيانات وبرمجة Python في الأيام الأولى من التحدي ، ستقوم ببناء أساس صخري. سوف تتعلم كيف تفكر كعالم بيانات-وليس فقط كيفية كتابة الكود.

• أساسيات Python لتحليل البيانات: المتغيرات ، الحلقات ، الشرطية ، والوظائف.
• تعمل بطلاقة مع هياكل البيانات مثل القوائم ، والقواعد ، و tuples ، ومجموعات. مجموعات البيانات التي تستخدم pandas و numpy.
• فهم أنواع البيانات ، وتحسين الذاكرة ، وضبط الأداء في إطارات البيانات.

#______ تحليل البيانات الاستكشافية (EDA) - إيجاد معنى في DataOne RAW من أكثر المراحل الأساسية في أي مشروع علم البيانات هو EDA ، ويمنحك هذه الدورة عمقًا ، معتمدًا. البيانات.

رؤى مفصلة على مستوى الميزة: فحص التوزيعات ، والانحراف ، والقيام المتطرفة.

باستخدام عمليات pandas المتقدمة للتجميع ، والتصفية ، والتجميع ، وإعادة تشكيل البيانات. خرائط الحرارة)

matplotlib للتصورات المخصصة

تطوير حدس البيانات: طرح الأسئلة الصحيحة وتشكيل الفرضيات بناءً على أنماط. لن يحفظ Scienceyou فقط الصيغ - ستفهم الأسس الرياضية التي تدفع التعلم الآلي وتحليل البيانات.

• فهم توزيعات الاحتمالات ، بما في ذلك:
  • العادية ، ذات الحدين ، Poisson ، توزيعات الأسي ، والموحدة ، وتوزيعات موحدة
  • الانحراف.
  • استيعاب الإحصاءات الاستنتاجية: فترات الثقة ، واختبار الفرضية ، والقيم p.
  • إجراء اختبارات chi-square ، واختبارات t ، و ANOVA للتحقق من صحة الرؤى من البيانات. الحدس من NumberMathematics هي اللغة وراء خوارزميات التعلم الآلي ، وهذا الدورة يضمن أنك لا تطبق فقط النماذج بشكل أعمى ، ولكن حقًا فهم كيف ولماذا تعمل. طوال الرحلة ، ستقوم ببناء فهم خطوة بخطوة لأهم المفاهيم الرياضية التي تدفع كل مهمة تحليل البيانات وتنبؤها.
    • أساسيات الجبر الخطي:
      • المتجهات ، ومصفوفات ، وعمليات مثل منتجات النقل ، والانتقال ، والانتقال.
      (PCA).
      • تمثيل المصفوفة لمجموعات البيانات والتحولات.
    • أساسيات حساب التفاضل والتكامل:
      • فهم كيفية عمل التحسين من خلال المشتقات والدرجات. التقارب.
    #______ التعلم الآلي - بناء نماذج تنبؤية من scurkyou's سوف يبني بشكل تدريجي معرفة التعلم الآلي الخاص بك من المستوى المتوسط ​​، وتطبيق الخوارزميات مباشرة على مجموعة البيانات الخاصة بك. الاختبار.
• تطبيق خوارزميات التصنيف الرئيسي والانحدار بما في ذلك:
  • الانحدار اللوجستي ، وأشجار القرار ، والغابات العشوائية ، وجيران K-nearest ، و Bayes Naive
• معالجة الطلاق الفصول باستخدام التقنيات مثل Sampot Sampling التقنيات:
  • الدقة ، الدقة ، الاستدعاء ، F1-SCORE ، ROC-AUC ، ومصفوفات الارتباك.
• فهم مفاضلة التحيز والتهوية ، وتوضيح المداخلات- قم بصياغة مجموعة البيانات الخاصة بك وتحويلها لتغذية نماذج التعلم الآلي بشكل أكثر معنى. المعالجة المسبقة وضمان استنساخ.

#______ تحسين النموذج والتقييم كيفية ضبط نماذجك وإنصافها تفصل الهواة عن الايجابيات-ستوجهك هذه الدورة في القيام بذلك مع كل من الصرامة والإبداع. RaminalSearchcv.

فهم وتفسير منحنيات التعلم.

استراتيجيات اختيار النموذج على أساس المقاييس واحتياجات العمل.

#______ مشاريع شاملة-دراسات الحالة الواقعية ، ستعمل على تفكيك أفعال الائتمان بشكل كامل. نشر النموذج من طرف إلى طرف.

توثيق العملية بأكملها: من EDA ، والنمذجة ، والضبط ، والاتصال الناتج. بالطبع ، ستقوم ببناء عقلية وعادات عالم البيانات ، بما في ذلك:

• طرح الأسئلة الذكية والتحليلية لفهم مشاكل العمل.
• بناء الصبر للتصحيح ، وتكرار ، وصقل الحلول. ابق منضبطًا واتبع خارطة الطريق التي استمرت 100 يوم ، لن تنتقل من عدم وجود معرفة مسبقة إلى القدرة على:
  • العمل بثقة مع مجموعات البيانات الحقيقية وأداء تحليل مستقل.
  • بناء ، ولذاع ، ونشر نماذج التعلم الآلي في سيناريوهات العالم الحقيقي. فرص مستقلة.
  • تحدث لغة البيانات بطلاقة وتساهم في قرارات تعتمد على البيانات في أي فريق.
  • تأهل للحصول على مستوى الدخول إلى الأدوار المتوسطة في علوم البيانات ، أو هندسة ML ، أو التحليلات. لا يتم تعلم المهارات بين عشية وضحاها - فهي مبنية على جهد ثابت ومركّز. يساعدك نهج التحدي في 100 يوم:
    • تطوير العادات اليومية للتعلم وحل المشكلات.
    • تجنب الإرهاق من خلال اتباع وتيرة منظمة.
    • بناء الانضباط والمساءلة من خلال مسار يومي واضح. المحتوى - لقد أصبحت منشئًا وممارسًا ومفكراً في مجال علوم البيانات.
      
      محددًا صادقًا هذا الدورة ليس للمتعلمين الذين يفضلون المحتوى البصري أو المتحرك. يركز أسلوب التدريس على الدروس المستندة إلى النص ، والرمز الأول ، والدروس الغنية بالتفسير ، مع التركيز على العمق والوضوح والتطبيق العملي. على الرغم من أن الرسوم البيانية والأرقام يتم تضمينها عند الضرورة ، فإن نهج التعلم الأساسي هو القراءة والقيام والتفكير الغامرة - عدم مشاهدة الرسوم المتحركة. إنه مصمم ليكون دقيقًا وصعبًا - لأنه لا يمكن نقل التميز في علوم البيانات. إذا كنت تلتزم بالعملية ، فاستمر في العمل حتى عندما يكون الأمر صعبًا ، وثق في الهيكل-فستظهر ليس فقط بالمعرفة ، ولكن مع القوة الحقيقية لحل مشاكل البيانات وبناء مهنة

      ما هي المتطلبات الأساسية لدخول الدورة والتسجيل فيها على موقعنا؟ رحلة التعلم:

      (احصل على الدورة للدخول إلى الموقع والتسجيل)

      يجب أن يكون لديك بريد إلكتروني (حساب بريد) تتذكره لنفسك وأيضًا يجب أن تتذكر كلمة مرور البريد الإلكتروني الذي ستسجل به ، وإذا لم يكن لديك حساب بريد إلكتروني ، فمن الأفضل إنشاء حساب (Gmail)