Ultimate Data Science Toolkit From Python Basics to GenerativeAI
1.0.0
| Themenname | Was ist abgedeckt |
|---|---|
| Intro in Python | Anwendungen und Merkmale von Python, Hello World -Programm, Identifikatoren und Regeln zur Definition von Identifikatoren, Datentypen (numerisch, boolean, Zeichenfolgen, Listen, Tupel, Set und Diktieren), Kommentare, Eingabe und Ausgabe, Operatoren - arithmatisch, REFAILIONAL, Equality, Logical, Bitwewment, Ternary, Ternary, Identity und Mitglieder, Identität und Mitglieder |
| Datenstrukturen in Python (Zeichenfolgen, Liste, Tupel, Set, Wörterbuch) | Zeichenfolgen - Erstellen einer Zeichenfolge, Indexierung, Schneiden, Split, Join usw., Liste - Initialisierung, Indexierung, Schneiden, Sortieren, Anhänge usw., Tupel - Initialisierung, Indexierung, Schneiden, Zählen , Index usw. |
| Kontrollanweisungen (Bedingungen und Schleifen) | Bedingte Aussagen - Einführung der Einführung, wenn Aussage, wenn ... sonst Aussage, wenn..elif ... Anweisung, verschachtelt, wenn sonst Anweisung, Schleifen - während Schleifen, während ... sonst Schleife, Mitgliedsbetreiber, für Schleife, für ... sonst Schleife, verschachtelte Schleifen, Brechen und Fortsetzung der Aussage, warum sonst? |
| Funktionen und Module | Funktionen - Einführung in Python -Funktionen, Funktionsdefinition und Aufruf, Funktionen mit Argumenten/Parametern, Rückgabeerklärung, Umfang einer Variablen, globale Variablen, Module - Einführung in Module, Importieren eines Moduls, Aliasing, aus ... importieren, alles importieren, einige wichtige Module - Mathematik, Plattform, zufällige Webbrowser, Webbrowser, usw. |
| Objektorientierte Programmierung | Classes and Objects - Creating a class, Instantiating an Object, Constructor , Class Members - Variables and Mentods, Types of Variables - Instance, Static and Local Variables, Types of Methods - Instance, Class and Static Methods, Access Modifiers - Public, Private and Protected, Pillars of Object Oriented Programming - Inheritance, Polymorphism, Abstraction and Encapsulation, Setters and Getters , Inheritance vs Association |
| Ausnahmebehandlung | Fehler gegen Ausnahme, Syntax- und Eindrückungsfehler, versuchen Sie ... außer Block, Steuerfluss im Versuch ... außer Block, versuchen |
| Dateibehandlung | Einführung in die Dateibehandlung, das Öffnen und Schließen einer Datei, Dateiobjekteigenschaften, Lesen von Daten aus Textdateien, Schreiben Sie Daten in Textdateien, mit Anweisung, Umbenennung und Löschen von Dateien |
| Web -API | Anwendungsprogrammierschnittstelle , API der indischen Raumstation, API -Anforderung, Statuscode, Abfrageparameter, JSON von einer API |
| Datenbanken | Introduction to Databases, SQLite3 - Connecting Python with SQLite3, Performing CRUD Opertations, MySQL - Connecting Python with MySQL, Performing CRUD Opertations, MongoDB - Connecting Python with MongoDB, Performing CRUD Opertations, Object Relation Mapping - SQLAlchemy ORM, CRUD operations and Complex DB operations |
| Listen Sie Verständnis, Lambda, Filter, Karte, reduzieren | Listenverständnis, anonyme Funktionen, Filter, Karte, Reduzierung, Funktion aliasing |
| Problemlösung für Interviews | Tausch zwei Zahlen, Faktor für eine Zahl, Primzahl, Fibbonnacci -Sequenz, Armstrong -Nummer, Palindrome -Nummer usw. |
| Themenname | Was ist abgedeckt |
|---|---|
| Datenanalyse -Framework | Datenerfassung, geschäftliches Verständnis, explorative Datenanalyse , Datenvorbereitung, Modellaufbau, Modellbewertung, Bereitstellung, Verständnis des Standardprozesses für die Branche für Data Mining ( CRISP-DM ) und Microsoft Team Data Science Process ( TDSP ) |
| Numpy | Array Oriented Numerical Computations using Numpy , Creating a Numpy Array, Basic Operations on Numpy Array - Check Dimensions, Shape, Datatypes and ItemSize, Why Numpy , Various ways to create Numpy Array, Numpy arange() function, Numpy Random Module - rand(), randn(), randint(), uniform(), etc, Indexing and Slicing in Numpy Arrays, Applying Mathematical Operations on Numpy Array - add(), subtract(), multiply(), divide(), dot(), matmul(), sum(), log(), exp(), etc, Statistical Operations on Numpy Array - min(), max(), mean(), median(), var(), std(), corrcoef(), etc, Reshaping a Numpy Array, Miscellaneous Topics - Linspace, Sortieren, Stapeln, Verkettung, Anhängen, Wo und Numpy Broadcasting |
| Pandas für Anfänger | Pandas Data Structures - Series, Dataframe and Panel, Creating a Series , Data Access, Creating a Dataframe using Tuples and Dictionaries, DataFrame Attributes - columns, shape, dtypes, axes, values, etc, DataFrame Methods - head(), tail(), info(), describe(), Working with .csv and .xlsx - read_csv() and read_excel(), DataFrame to .csv and .xlsx - to_csv () und to_excel () |
| Pandas Operations voran | Was ist abgedeckt |
| Fallstudie - Pandas Manipulation | Was ist abgedeckt |
| Fehlende Wertbehandlung | Was ist abgedeckt |
| Grundlagen der Visuallisation - Matplotlib und Seeborn | Was ist abgedeckt |
| Fallstudie - COVID_19_TimeSeries | Was ist abgedeckt |
| Handlung und ausdrücken | Was ist abgedeckt |
| Ausreißer - bald kommen | Was ist abgedeckt |
| Themenname | Was ist abgedeckt |
|---|---|
| Normalverteilung | Was ist abgedeckt |
| Zentralgrenze Theorem | Was ist abgedeckt |
| Hypothesentest | Was ist abgedeckt |
| Chi Square Testing | Was ist abgedeckt |
| Statistischer Test durchführen | Was ist abgedeckt |
| Themenname | Was ist abgedeckt |
|---|---|
| Modellserialisierung und Deserialisierung | Was ist abgedeckt |
| Anwendungsintegration | Was ist abgedeckt |
| MLFlow - Experimentverfolgung und Modellverwaltung | Was ist abgedeckt |
| Präfekt - orchestrieren Sie die ML -Pipeline | Was ist abgedeckt |
| Themenname | Was ist abgedeckt |
|---|---|
| Autopreisvorhersage (Regression) | Was ist abgedeckt |
| Analyse der Airline -Stimmung (NLP - Klassifizierung) | Was ist abgedeckt |
| Einkommensvorhersage für Erwachsene (Klassifizierung) | Was ist abgedeckt |
| Web -App -Entwicklung + Serialisierung und Deserialisierung | Was ist abgedeckt |
| AWS -Bereitstellung | Was ist abgedeckt |
| Stromlit Heroku -Einsatz | Was ist abgedeckt |
| Kundensegmentierung | Was ist abgedeckt |
| Web -Scraping | Was ist abgedeckt |
| Themenname | Was ist abgedeckt |
|---|---|
| Einführung in Deep Learning | Was ist abgedeckt |
| Schulung eines tiefen neuronalen Netzwerks + Tensorflow.keras | Was ist abgedeckt |
| Faltungsfischnetzwerke + Tensorflow.keras | Was ist abgedeckt |
| Auto -Encoder für die Bildkomprimierung | Was ist abgedeckt |
| Wiederkehrendes neuronales Netzwerk (bald kommt) | Was ist abgedeckt |
