در این مطلب، ویدئو پیش پردازش دستی داده ها در Python I Roy Jafari Packt با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:06:32
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,450 –> 00:00:09,450
[موسیقی] با
2
00:00:12,799 –> 00:00:15,440
سلام و خوش آمدید به این ویدیو
3
00:00:15,440 –> 00:00:17,520
این خلاصه ای از کتاب
4
00:00:17,520 –> 00:00:21,119
پیش پردازش دستی داده ها در پایتون است زیرنویس
5
00:00:21,119 –> 00:00:23,439
یاد بگیرید چگونه به طور موثر داده ها را
6
00:00:23,439 –> 00:00:25,439
برای تجزیه و تحلیل موفق آماده کنید
7
00:00:25,439 –> 00:00:28,320
این نویسنده
8
00:00:28,320 –> 00:00:30,400
روی جعفری کتاب دارای چهار قسمت است و در این
9
00:00:30,400 –> 00:00:33,760
ویدیو ما به سرعت آنها را مرور خواهیم کرد،
10
00:00:33,760 –> 00:00:36,160
اجازه دهید با بخش اول شروع کنیم، الزامات فنی
11
00:00:36,160 –> 00:00:37,600
12
00:00:37,600 –> 00:00:40,000
این بخش شامل چهار فصل در
13
00:00:40,000 –> 00:00:42,239
دو فصل
14
00:00:42,239 –> 00:00:44,800
15
00:00:44,800 –> 00:00:45,920
16
00:00:45,920 –> 00:00:48,320
17
00:00:48,320 –> 00:00:50,079
18
00:00:50,079 –> 00:00:52,000
اول می شود.
19
00:00:52,000 –> 00:00:54,559
مفاهیمی مانند تعریف
20
00:00:54,559 –> 00:00:57,440
حلقههای متغیر و شرطیها
21
00:00:57,440 –> 00:01:00,480
در فصل 3 به
22
00:01:00,480 –> 00:01:03,280
عمق دادهها خواهیم پرداخت و
23
00:01:03,280 –> 00:01:05,680
مسیرهای دادهها به تجسم دادهها
24
00:01:05,680 –> 00:01:08,159
و همچنین از دادهها به اقدامات در
25
00:01:08,159 –> 00:01:09,280
26
00:01:09,280 –> 00:01:11,600
یادگیری ماشینی را بررسی خواهیم
27
00:01:11,600 –> 00:01:14,159
28
00:01:14,159 –> 00:01:16,560
کرد. فصل 4 ما در مورد
29
00:01:16,560 –> 00:01:18,479
مبانی فن آوری
30
00:01:18,479 –> 00:01:20,400
تجزیه و تحلیل داده ها و یادگیری ماشین صحبت خواهیم کرد که
31
00:01:20,400 –> 00:01:22,799
پایگاه داده هایی هستند که خواهیم آموخت در مورد
32
00:01:22,799 –> 00:01:25,200
نقش مهمی که پایگاههای اطلاعاتی در
33
00:01:25,200 –> 00:01:28,159
سفر ما از جمعآوری دادهها به بینش ایفا میکنند،
34
00:01:28,159 –> 00:01:30,079
اکنون اجازه دهید به بخش دوم
35
00:01:30,079 –> 00:01:30,960
36
00:01:30,960 –> 00:01:32,640
اهداف تحلیلی کتاب برویم،
37
00:01:32,640 –> 00:01:34,479
برخی از خوانندگان ممکن است با
38
00:01:34,479 –> 00:01:36,320
محتوای این بخش از کتاب آشنا باشند و ممکن است
39
00:01:36,320 –> 00:01:38,240
از آن صرف نظر کنند،
40
00:01:38,240 –> 00:01:40,320
همانطور که میتوانید این بخش را ببینید. شامل چهار
41
00:01:40,320 –> 00:01:43,759
فصل طبقهبندی پیشبینی تجسم دادهها
42
00:01:43,759 –> 00:01:46,960
و تجزیه و تحلیل خوشهبندی
43
00:01:46,960 –> 00:01:48,880
است، ممکن است یادگیری
44
00:01:48,880 –> 00:01:51,360
در مورد این موارد قبل از یادگیری در مورد
45
00:01:51,360 –> 00:01:53,680
پیشپردازش دادهها پس از اینکه همه
46
00:01:53,680 –> 00:01:57,040
تجزیه و تحلیلها پس از پیشپردازش دادهها انجام میشوند، غیرمعمول به نظر برسد،
47
00:01:57,040 –> 00:01:58,640
اما در اینجا نکتهای است
48
00:01:58,640 –> 00:02:00,560
که ما دادهها را برای
49
00:02:00,560 –> 00:02:03,040
تجزیه و تحلیل و برای
50
00:02:03,040 –> 00:02:05,920
پیش پردازش مؤثر دادهها از قبل پردازش میکنیم. ما باید بفهمیم که چگونه
51
00:02:05,920 –> 00:02:08,639
از داده ها استفاده می شود، این چیزی است که
52
00:02:08,639 –> 00:02:10,399
این کتاب را از بقیه
53
00:02:10,399 –> 00:02:12,800
کتاب های کلینیک داده در بازار
54
00:02:12,800 –> 00:02:15,040
متمایز
55
00:02:15,040 –> 00:02:17,440
56
00:02:17,440 –> 00:02:19,599
57
00:02:19,599 –> 00:02:22,560
می کند.
58
00:02:22,560 –> 00:02:25,200
پاکسازی و پیش پردازش موثر داده ها
59
00:02:25,200 –> 00:02:27,760
در حالی انجام می شود که از تجزیه و تحلیل
60
00:02:27,760 –> 00:02:30,640
هایی که می خواهند ارائه کنند مطلع هستند یا
61
00:02:31,440 –> 00:02:33,440
حالا بیایید به قسمت سوم
62
00:02:33,440 –> 00:02:34,400
63
00:02:34,400 –> 00:02:36,879
64
00:02:36,879 –> 00:02:38,319
65
00:02:38,319 –> 00:02:40,640
کتاب برویم.
66
00:02:40,640 –> 00:02:42,720
67
00:02:42,720 –> 00:02:44,239
68
00:02:44,239 –> 00:02:45,519
69
00:02:45,519 –> 00:02:48,640
شش
70
00:02:48,640 –> 00:02:50,879
فصل را میتوانید در اینجا ببینید،
71
00:02:50,879 –> 00:02:53,280
اجازه دهید سریعاً آنها را مرور کنیم
72
00:02:53,280 –> 00:02:55,120
، کتاب فرآیند پاکسازی دادهها
73
00:02:55,120 –> 00:02:57,599
را به سه سطح تقسیم میکند، همانطور که
74
00:02:57,599 –> 00:03:00,239
در فصلهای 9 10 و 11 ارائه شده است.
75
00:03:00,239 –> 00:03:03,040
اولین سطح تمیز کردن
76
00:03:03,040 –> 00:03:05,040
جدول تنها پاکسازی داده است که میتوان در آن
77
00:03:05,040 –> 00:03:07,519
انجام داد. جداسازی ابزارها و اهداف تحلیلی
78
00:03:07,519 –> 00:03:08,720
79
00:03:08,720 –> 00:03:10,959
سطوح دوم تکنیک ها را پوشش می دهد و
80
00:03:10,959 –> 00:03:13,280
درک این موضوع که فرد باید بتواند
81
00:03:13,280 –> 00:03:15,760
82
00:03:15,760 –> 00:03:17,680
یک مجموعه داده را برای پشتیبانی از
83
00:03:17,680 –> 00:03:19,360
تجزیه و تحلیل در
84
00:03:19,360 –> 00:03:21,519
نهایت سطح 3 بازگشایی یا فرموله مجدد کند، همه چیز در مورد
85
00:03:21,519 –> 00:03:24,080
صحت و وجود سوابق
86
00:03:24,080 –> 00:03:25,599
در فصل اساساً داده است.
87
00:03:25,599 –> 00:03:28,239
11 در مورد
88
00:03:28,239 –> 00: