داده کاوی با پایتون

آموزش کامل داده کاوی و کار با داده در پایتون در ده دقیقه

آموزش کامل داده کاوی و کار با داده در پایتون در ده دقیقه

مقدمه داده کاوی به طور خیلی مختصر یعنی یک معنا یا الگویی را از دل داده های عظیمی که در ظاهر نمی توان از آن ها نتیجه گیری کرد بیرون آورد. برای این منظور ابزارها و روش های مختلفی در حوزه دادی کاوی درگیر هستند. ابتدایی ترین جز در این مبحث که در خیلی از مشاهده ادامه مطلب…

مرجع کامل ماژول numpy – داده کاوی با نامپای

مرجع کامل ماژول numpy – داده کاوی با نامپای

مقدمه – آشنایی با ماژول نامپای (numpy) بعد از فراگیری مابحث پایه برنامه نویسی پایتون و انواع داده ها در پایتون، اولین ماژولی که باید برای کار با داده فراگرفت کتابخانه numpy است. ماژول numpy یک ابزار مفید برای تعریف ماتریس و آرایه در پایتون است و اکثر ماژول های دیگر در حوزه داده کاوی مشاهده ادامه مطلب…

کدام نسخه پایتون را استفاده کنیم؟ پایتون ورژن ۲ یا پایتون۳

کدام نسخه پایتون را استفاده کنیم؟ پایتون ورژن ۲ یا پایتون۳

تا زمان نوشتن این مطلب آخرین نسخه پایتون ۳.۸ می باشد. در اصل می توان گفت پایتون در دو نسخه کلی پایتون۲ و پایتون ۳ شناخته می شود. این دو نسخه تفاوت های اندکی با هم دارند. مثلا در نسخه ۲ دستور print به این صورت کار میکند که بلافاصله متن مورد نظر بعد از مشاهده ادامه مطلب…

قسمت چهارم: مدل کردن یا برازش منحنی روی داده ها در پایتون

قسمت چهارم: مدل کردن یا برازش منحنی روی داده ها در پایتون

فرض کنید یک سایت خرید داریم، که میزان خرید با سرعت لود شدن صفحه سایت ارتباط دارد. حال میخواهیم این ارتباط را مدل کنیم. برای مشاهده مثال ها و پروژه های متنوع تر در حوزه هوش مصنوعی و یادگیری ماشین

قسمت سوم: ارتباط بین سن بازدیدکنندگان وبسایت و احتمال خرید آن ها با استفاده از احتمال شرطی

قسمت سوم: ارتباط بین سن بازدیدکنندگان وبسایت و احتمال خرید آن ها با استفاده از احتمال شرطی

در مثال زیر میخواهیم ارتباط بین سن خریداران و میزان خرید آن ها را متوجه شویم.   برای مشاهده مثال ها و پروژه های متنوع تر در حوزه هوش مصنوعی و یادگیری ماشین

قسمت اول: مروری بر ماژول تحلیل داده و ساختار ساز Pandas

قسمت اول: مروری بر ماژول تحلیل داده و ساختار ساز Pandas

ماژول پانداز به زبان ساده چیست؟ اگرچه ماژول numpy قابلیت استفاده از آرایه ها و ماتریس ها و کار با داده را در اختیار مهندسان داده قرار می دهد اما راحتی و قابلیت های آن محدود است، در حالی که کتابخانه پانداز قابلیت ایجاد ساختار های داده همراه با قابلیت های منعطف بسیاری را می مشاهده ادامه مطلب…