|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/derinlemesine-python-data-science/
课程评论：没有评论
**课程名称：**Python语言在数据科学领域的深度应用 **课程概述：** 本课程旨在深入讲解如何使用Python进行数据科学（Data Science）分析。课程将详细介绍NumPy、Matplotlib、Pandas和SciPy等关键数据科学库的用法。此外，课程还将涵盖Python语言在数据科学之外的其他开发领域中常用的库。内容将涉及人工智能（AI）、机器学习（ML）、自然语言处理（NLP）和计算机视觉（CV）等领域中的数据科学和可视化技术。 **核心内容介绍：** * **NumPy:** 介绍NumPy库，这是一个用于数值计算的强大工具，能够利用GPU等硬件加速计算，并在数据科学、人工智能和机器学习等领域得到广泛应用。 * **Matplotlib:** 讲解Matplotlib库，用于创建各种图形和图表。重点介绍其在绘制数学函数图、可视化数据、监控算法表现以及帮助理解数据隐藏特性方面的能力。 * **Pandas:** 介绍Pandas库，提供了一种高级的数据处理和分析方法，包括数据加载、存储、修改以及获取统计摘要等功能。它能与NumPy等底层库协同工作，简化数据管理流程。 * **SciPy:** 讲解SciPy库，包含一系列科学计算工具，为数学家、金融分析师、科学家、工程师以及数据科学家提供必备的工具集，使其能够更有效地进行科学研究和开发。 **课程定位：** 本课程不直接教授人工智能、机器学习等高级应用，而是侧重于为这些领域打下坚实的基础，教授必要的技能。这意味着本课程是学习AI/ML的先决条件。 **先修要求：** * **Python基础:** 假设学员已具备Python语言的基础知识，课程将不从零开始讲解Python语言本身。 * **Python开发:** 建议学习Python的开发者，无论是否从事数据科学，都应学习数据科学相关的库，以便更好地理解Python在实际开发中的应用，提升自身技能，例如在Web开发中也能灵活运用。 **学习资源：** 课程中的示例代码可在GitHub上的`godoro-education`用户下的`python-data-science`仓库中找到。
Bu eğitimde Python ile Data Science (Veri Bilimi) araçları anlatılmaktadır. Numpy, Matplotlib, Pandas, Scipy gibi veri bilimi kütüphanelerinin kullanımı ayrıntısıyla gösterilmektedir. Data Science dışında da Python dili ile geliştirme yapanların kullanacağı kütüphaneler açıklanmaktadır. Artificial Intelligence, Machine Learning, Natural Language Processing, Computer Vision gibi alanlarda kullanılan veri bilimi ve görselleştirme işlemleri içerilmektedir. Numpy, sayılarla işlem yapmak için kullanılan, gerektiğinde ve olanaklı olduğundan GPU gibi bilgisayar donanımlarını da kullanarak işlem yapan bir kütüphanedir. Bu araç kendi başına bir çok özellik içerdiği gibi; gerek Veri Bilimi, gerekse Yapay Zeka (Artificial Intelligence) / Makine Öğrenmesi (Machine Learning) konularında yoğun olarak kullanılmaktadır.Matplotlib ile grafik işlemleri gösterilmektedir. Bunlardan en önemlileri matematiksel işlevler için bir çok çizdirim (plot) öğeleridir. Grafikler yalnızca görselleştirme (visualization) sağlamak için değil, kullanılan yöntemlerin ne düzeyde doğru çalıştığını izlemek için de kullanılır. Sayılara bakılarak görülemeyen özelliklerin şekillerle anlaşılmasını sağlar.Pandas betikliği verilerin yüklenmesi ve saklanması, üzerinde değişiklikler yapılması, belli özet bilgilerin elde edilmesi gibi işlevleri içeren yüksek düzeyli bir betikliktir. Numpy gibi düşük düzeyli kütüphanelerdeki özelliklerin Python içindeki bir takım kütüphanelerle birlikte kullanılmasını daha kolay ve düzenli biçimde sağlar.Scipy ise bilim (science) konularında bir çok özellik içermektedir. Bunlardan bir kesimi; matematikçi, finansçı, bilimci ve mühendisler için olduğu kadar veri bilimcileri için de gerekli araçlar da içerir. Başka bir deyişle bir geliştiricinin bilimi kullanmasını sağlar.Eğitim, daha geniş anlamda kullanıldığında Veri Bilimi kapsamında sayılan Yapay Zeka / Makine Öğrenmesi konularını içermemekte, ancak onlarda kullanılan özelliklerin öğrenilmesini sağlamaktadır. Başka bir deyişle anlatılanlar Yapay Zeka / Makine Öğrenmesi için bir önkoşuldur. Eğitimde Python dili anlatılmamaktadır. Temel düzeyde bilindiği varsayılmaktadır. Çok ileri Python özelliklerine girilmeden anlatım yapılmaktadır. Öte yandan, Python dilini öğrenenlerin, Veri Bilimi yapmasalar da (örneğin Web Programlama yapsalar da) kendilerini geliştirmek, Python'u iyi öğrenebilmek için ve gerektiğinde kullanabilmeleri için Veri Bilimi öğrenmelerini öneriyoruz. Yapay Zeka konularına girmeleri gerekmese de Veri Bilimi her geliştirici için gereklidir. Python eğitimlerinde dilin kendisi anlatılmaktadır. Ancak gerçek yaşamda nasıl kullanıldığını görmek için belli bir kütüphanenin kullanılması gerekmektedir. Bunun için de veri bilimi uygun bir seçenektir.Eğitimdeki örnekleri GitHub sitesinde godoro-education kullanıcısı altında python-data-science adlı depoya katıldıktan sonra görebilirsiniz.
