|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/dd-innovations-ml-ds-python-all/
课程评论：没有评论
课程名称：《使用Python进行机器学习与数据科学 - 第1部分》 课程概述： 本课程旨在为学习者提供机器学习和数据科学的基本知识与技能，特别是Python编程语言的应用。课程分为多个模块，涵盖了从基本Python知识到数据分析、数据可视化的各个方面。 模块1：预备内容 - 课程欢迎介绍、学习体验的准备内容。 模块2：Python简介 - 学习数字化冲击及Python的基础知识，包括安装、Jupyter Notebook的使用，以及Python的数据结构（列表、元组、字典和集合）。 - 控制结构与函数的基本概念，以及相关的练习题。 模块3：Python在数据科学中的应用 - 引入NumPy及其基础操作，创建和处理数组，以及线性代数的基本操作。 - 介绍Pandas库，包括数据的索引、选择、合并、分组等操作，并学习如何从不同来源获取和清洗数据。 - 提供NumPy和Pandas的练习题以巩固学习内容。 模块4：线性代数基础 - 学习向量及其基本操作，包括点积和向量空间。 - 矩阵及其操作，包括线性变换、行列式、线性方程组等概念，并介绍特征值与特征向量。 - 重点讨论多变量微积分的基本概念。 模块5：数据可视化简介 - 介绍数据可视化的重要性，学习常见的可视化类型和工具。 - 探讨如何绘制数据分布及分类、时间序列数据的可视化，帮助学生理解数据的直观表现。 - 提供相关练习以帮助学生加深对可视化方法的理解。 此课程适合对机器学习与数据科学感兴趣的初学者，通过系统的学习和实践，帮助学生建立扎实的基础以便于后续的深入学习和应用。
Module-1Welcome to the Pre-Program Preparatory ContentSession-1:1) Introduction2) Preparatory Content Learning ExperienceMODULE-2INTRODUCTION TO PYTHONSession-1:Understanding Digital Disruption Course structure1) Introduction2) Understanding Primary Actions3) Understanding es & Important PointersSession-2:Introduction to python1) Getting Started - Installation2) Introduction to Jupyter NotebookThe Basics Data Structures in Python3) Lists4) Tuples5) Dictionaries6) SetsSession-3:Control Structures and Functions1) Introduction2) If-Elif-Else3) Loops4) Comprehensions5) Functions6) Map, Filter, and Reduce7) SummarySession-4:Practice Questions1) Practice Questions I2) Practice Questions IIModule-3Python for Data ScienceSession-1:Introduction to NumPy1) Introduction2) NumPy Basics3) Creating NumPy Arrays4) Structure and Content of Arrays5) Subset, Slice, Index and Iterate through Arrays6) Multidimensional Arrays7) Computation Times in NumPy and Standard Python Lists8) SummarySession-2:Operations on NumPy Arrays1) Introduction2) Basic Operations3) Operations on Arrays4) Basic Linear Algebra Operations5) SummarySession-3:Introduction to Pandas1) Introduction2) Pandas Basics3) Indexing and Selecting Data4) Merge and Append5) Grouping and Summarizing Data frames6) Lambda function & Pivot tables7) SummarySession-4:Getting and Cleaning Data1) Introduction2) Reading Delimited and Relational Databases3) Reading Data from Websites4) Getting Data from APIs5) Reading Data from PDF Files6) Cleaning Datasets7) SummarySession-5:Practice Questions1) NumPy Practice Questions2) Pandas Practice Questions3) Pandas Practice Questions SolutionModule-4Session-1:Vectors and Vector Spaces1) Introduction to Linear Algebra2) Vectors: The Basics3) Vector Operations - The Dot Product4) Dot Product - Example Application5) Vector Spaces6) SummarySession-2:Linear Transformations and Matrices1) Matrices: The Basics2) Matrix Operations - I3) Matrix Operations - II4) Linear Transformations5) Determinants6) System of Linear Equations7) Inverse, Rank, Column and Null Space8) Least Squares Approximation9) SummarySession-3:Eigenvalues and Eigenvectors1) Eigenvectors: What Are They?2) Calculating Eigenvalues and Eigenvectors3) Eigen decomposition of a Matrix4) SummarySession-4:Multivariable CalculusModule-5Session-1:Introduction to Data Visualisation1) Introduction: Data Visualisation2) Visualisations - Some Examples3) Visualisations - The World of Imagery4) Understanding Basic Chart Types I5) Understanding Basic Chart Types II6) Summary: Data VisualisationSession-2:Basics of Visualisation Introduction1) Data Visualisation Toolkit2) Components of a Plot3) Sub-Plots4) Functionalities of Plots5) SummarySession-3:Plotting Data Distributions Introduction1) Univariate Distributions2) Univariate Distributions - Rug Plots3) Bivariate Distributions4) Bivariate Distributions - Plotting Pairwise Relationships5) SummarySession-4:Plotting Categorical and Time-Series Data1) Introduction2) Plotting Distributions Across Categories3) Plotting Aggregate Values Across Categories4) Time Series Data5) SummarySession-5:1) Practice Questions I2) Practice Questions II
