معرفی دوره علوم داده

در این قسمت کتابخانه های numpy, pandas, matplotlib, sklearn رو معرفی کردیم و یک کد ساده از هرکدوم نوشتیم

در این جلسه به برسی دیتاست خانه های کالیفورنیا پرداختیم و خواهیم دید چطور اون رو با وجود قطعی سایت های رسمی مثل kaggle یا مشابه اون دانلود کنیم(راه حل کاملا قانونی)

در این جلسه اومدیم و مهندسی ویژگی های دیتاست خانه های کالیفورنیا رو پیاده کردیم و از حالت اطلاعات خام در آوردیم.

در این جلسه نمودار های مذکور رو رسم کردیم و به نکات مربوطه پرداختیم.

در این جلسه، یک بازه جغرافیایی مشخص را بر اساس طول و عرض جغرافیایی بر روی نقشه کالیفرنیا تعریف می‌کنیم. سپس تراکم بلوک‌های مسکونی واقع در این محدوده را از نظر «نوع قیمت» بررسی می‌کنیم تا مشخص شود ماهیت غالب این منطقه چیست: آیا با منطقه‌ای لوکس و گران‌قیمت روبرو هستیم، یا درصد بالایی از بلوک‌ها در دسته‌های متوسط یا ارزان‌قیمت قرار می‌گیرند؟

در جلسه مدل هوش مصنوعی برای پیشبینی قیمت خانه رو آموزش دادیم و اکنون با دقت بالا و خطا پایین می تواند مقدار واقعیت را به خوبی تخمین بزند

در این جلسه کار های اولیه روی دیتاست retail-dataset رو انجام دادیم و اطلاعاتی در ضمینه اینکه هر کشور چند سفارش یا چند درصد سفارش ها رو داشته به دست آوردیم

ممنون می شم این جلسه رو به دقت ببینید و تمرین کنید و از نظرات مثبتتون ما رو بهره مند کنید

در این جلسه برسی کردیم تا ببنیم چند نفر کنسلی دادند و افراد رو بر اساس مدت زمان متوسطی که بین خرید هاشون بوده دسته بندی کردیم.

در این جلسه دیتاست مصرف انرژی لوازم برقی رو خانه رو معرفی کردیم و توضیح دادیم ستون های این دیتاست چی هستند و یکسری مهندسی ویژگی هم برای دیتاست معرفی کردیم

در این جلسه مهندسی ویژکی ها که در ویدیو قبل توضیح دادیم رو پیاده کردیم

در این جلسه نمودار های مصرف بر اساس ساعت، دما داخل و بیرون را رسم کردیم