Oreilly – Outlier Detection in Python, Video Edition 2024-12

دوره Outlier Detection in Python, Video Edition. این دوره آموزشی به شما می‌آموزد چگونه داده‌های غیرمعمول، جالب یا مشکوک را در مجموعه‌های داده خود با استفاده از پایتون شناسایی کنید. دانشمندان داده علاوه بر کشف الگوها، باید استثناها را نیز تشخیص دهند، چرا که این ناهنجاری‌ها اغلب حاوی بینش‌های ارزشمند، مشکلات پنهان یا فرصت‌های جدید هستند. در این دوره، شما با روش‌های عملی شناسایی نقاطی که از الگوی کلی داده فاصله دارند آشنا می‌شوید، حتی زمانی که این نقاط در میان اطلاعات عادی پنهان شده باشند. مباحث شامل استفاده از کتابخانه‌های استاندارد پایتون، انتخاب روش‌های مناسب، ترکیب تکنیک‌های مختلف برای بهبود دقت و تفسیر مؤثر نتایج است. همچنین، کار با انواع داده‌های عددی، دسته‌ای، متنی و سری زمانی پوشش داده می‌شود. شناسایی ناهنجاری‌ها در حوزه‌هایی مانند کشف تقلب، تحلیل امنیتی و کنترل کیفیت داده‌ها کاربرد دارد. این دوره با مثال‌های واقعی از صنایع مختلف، از جمله مالی، رسانه‌های اجتماعی و شبکه، همراه است و ابزارهای ضروری مانند scikit-learn و PyOD را آموزش می‌دهد. پیش‌نیازهای این دوره شامل آشنایی مقدماتی با آمار و محیط پایتون است. در پایان، شما توانایی اعمال الگوریتم‌های کلیدی و تکنیک‌های کاربردی برای شناسایی و تحلیل ناهنجاری‌ها در انواع داده‌ها را خواهید داشت.

Outlier Detection in Python, Video Edition

توضیحات

دوره Outlier Detection in Python, Video Edition. این دوره آموزشی به شما می‌آموزد چگونه داده‌های غیرمعمول، جالب یا مشکوک را در مجموعه‌های داده خود با استفاده از پایتون شناسایی کنید. دانشمندان داده علاوه بر کشف الگوها، باید استثناها را نیز تشخیص دهند، چرا که این ناهنجاری‌ها اغلب حاوی بینش‌های ارزشمند، مشکلات پنهان یا فرصت‌های جدید هستند. در این دوره، شما با روش‌های عملی شناسایی نقاطی که از الگوی کلی داده فاصله دارند آشنا می‌شوید، حتی زمانی که این نقاط در میان اطلاعات عادی پنهان شده باشند. مباحث شامل استفاده از کتابخانه‌های استاندارد پایتون، انتخاب روش‌های مناسب، ترکیب تکنیک‌های مختلف برای بهبود دقت و تفسیر مؤثر نتایج است. همچنین، کار با انواع داده‌های عددی، دسته‌ای، متنی و سری زمانی پوشش داده می‌شود. شناسایی ناهنجاری‌ها در حوزه‌هایی مانند کشف تقلب، تحلیل امنیتی و کنترل کیفیت داده‌ها کاربرد دارد. این دوره با مثال‌های واقعی از صنایع مختلف، از جمله مالی، رسانه‌های اجتماعی و شبکه، همراه است و ابزارهای ضروری مانند scikit-learn و PyOD را آموزش می‌دهد. پیش‌نیازهای این دوره شامل آشنایی مقدماتی با آمار و محیط پایتون است. در پایان، شما توانایی اعمال الگوریتم‌های کلیدی و تکنیک‌های کاربردی برای شناسایی و تحلیل ناهنجاری‌ها در انواع داده‌ها را خواهید داشت.

پس از Extract، با Player دلخواه خود مشاهده کنید.

منبع  : دانلودلی

برای مشاهده کامل مطلب کلیک کنید

اشتراک‌گذاری

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *