Eğitim Hakkında
Veri Bilimi ve Makine Öğrenimi için Kapsamlı Bulut Tabanlı Python eğitimi, katılımcılara gerçek dünyadaki veri analizi zorluklarını çözmek için bulut tabanlı makine öğrenimi platformlarını nasıl kullanacaklarını öğretir. Katılımcılar, veri bilimi ve makine öğrenimi araçlarını kullanarak pratik deneyim oluşturmaya başlar. Python ve makine öğrenimi teorisinde temel bilgileri oluşturduktan sonra, öğrenciler bulutta makine öğrenimini nasıl gerçekleştireceklerini ve ölçeklendireceklerini öğrenirler. Bu Python kursu, Google Colab , Google AutoML ve Amazon SageMaker gibi son teknoloji araçları kullanan gelişmiş laboratuvarları içerir.
Neler Öğreneceksiniz
Jupyter Not Defterlerinde ve Google Colab not defterlerinde Python kullanarak eğitmeni uygulamalı laboratuvarlarda takip ederek bulut tabanlı Python for Data Science'ı kullanabilmeyi,
Bulut tabanlı makine öğreniminin yerel ortamlara göre avantajlarını,
Veri bilimini etkili bir şekilde uygulamak ve makine öğrenimini uygulamak için gerekli olan veri türleri, işlevler, sınıflar ve kontrol yapıları gibi temel Python kavramlarını öğrenmek için programlar oluşturmayı,
Hata işleme ve istisnalar dahil olmak üzere python işlevlerini ve kontrol yapılarını uygulama alıştırması yapımayı,
Veri Bilimi yaşam döngüsü boyunca hem yapılandırılmış hem de yapılandırılmamış verilerle çalışmayı,
Verileri keşfetmek ve temizlemek için Pandalar ile birlikte çalışmayı,
Amazon Web Services (AWS) ve SageMaker, Google Colab ve Google AutoML dahil olmak üzere Google aracılığıyla güçlü bulut tabanlı makine öğrenimi yeteneklerini keşfetmek için uygulamalı laboratuvarları öğrenebilirsiniz.
Eğitim İçeriği
Giriş
Python, IPython ve Jupyter'de Giriş Kavramları
IPython ve Python REPL
Prosedürel ifadeler
Dizeler ve dize biçimlendirme
Sayılar ve aritmetik işlemler
Veri Yapıları: Listeler, Sözlükler, Kümeler ve İşlemler
Komut dosyaları yazma ve çalıştırma
Fonksiyonlar
İşlev bağımsız değişkenleri: konumsal, anahtar sözcük
İşlevsel Köri Oluşturma: İstenmeyen işlevleri aktarma
Verilen işlevler
Dekoratörler: Diğer işlevleri saran işlevler
Lambdas
Kitaplıkları, Sınıfları, Denetimleri ve Yapıları Kullanma
Python'da Kitaplıkları Kullanma
Python Sınıflarını Anlamak
Kontrol Yapıları
Sıralamayı Anlamak
Python Normal İfadeler
Verilerle Çalışma
Yapılandırılmış Veriler
Dosyalarla Çalışma (okuma / yazma)
Alt işleme ve çoklu işleme
YAML Dosyalarını Okuma ve Yazma
Pandalarda Veri Çerçevelerini Okuma ve Yazma
Pandalarda Veri Çerçevelerini Birleştirme, Birleştirme ve Sorgulama
İzlenecek Yol Sosyal Güç NBA Keşif Veri Analizi ve Makine Öğrenimi Projesi
Python Pandas Makine Öğrenimi Proje Keşfi için Etkileşimli Görselleştirmeler
Pandas DataFrames kullanın
Pandalarda DataFrame'leri İçe Aktarma ve Birleştirme
Veri temizleme - kopyaları filtreleme
Veri kümelerini birleştirmek
EDA için görselleştirme
Bulutta Yerel Veri Bilimi ve Makine Öğrenimi
Temel AWS Hizmetlerine Genel Bakış
Uygulamalı Python ve Bulut Temelleri
AWS Web Hizmetlerine Giriş: Hesap Oluşturma, Kullanıcı Oluşturma ve Amazon S3'ü Etkin Bir Şekilde Kullanma
Chalice ile AWS Python Lambda geliştirmeye kısa bir genel bakış
AWS ile Adım işlevlerine genel bakış
ML İşleri için AWS Batch'e Genel Bakış
Yazılım Marangozluğu (başarı için gerekli temel beceriler: kitaplıkları kullanma, kodu kontrol etme, lint çalıştırma)
Değişiklikleri yönetmek için Git ve Github'ı kullanma
Github kaynaklı proje oluşturmak ve test etmek için CircleCI'yi kullanma
Statik Analiz ve Test araçlarını kullanma: Pylint ve Pytest
Jupyter Defter / Google Colaboratory kullanma
AWS SageMaker'a Giriş
Makine Öğrenimi Teorisi
Tarih ve Tanımlar
Denetimli ve Denetimsiz Öğrenim
Regresyon ve Sınıflandırma
Denetimli Öğrenim Örneği
Denetimsiz Öğrenim Örneği
Nöral ağlar
Gelişmiş konular - aşırı uyum, düzenleme
Sinir ağı mimarilerine ve kullanımlarına genel bakış
AWSSageMaker
Araçlar - SageMaker
Araçlar - AWS hesapları - öğrenciler için nasıl edinilir
AWS SageMaker'ı kullanarak ML modelleri oluşturun, eğitin ve dağıtın
Plotly ile Gelişmiş Veri Görselleştirme
Gayrimenkul için etkileşimli 3B ve 2B Veri Görselleştirmeleri oluşturun
Pandas DataFrame ile Kol Düğmelerini Kullanın
Google Colab tabanlı çözümler
Colab'a veri yükleme ve kaydetme
Formları ve grafikleri kullanma
Github'ı Colab ile kullanma
Colab ile TPU'ları ve GPU'ları kullanma
Google AutoML
Resimlerinizdeki basılı kelimeleri okumanın yanı sıra nesneleri ve yüzleri algılayan Google Vision AI API'yi kullanın.
Kodsuz çok sınıflı görüntü sınıflandırma sistemi oluşturun
Diğer Eğitimler
Digital Vizyon
444 Eğitim Seti
