Advanced Python for Data Science ไพธอนสำหรับงานวิทยาศาสตร์ข้อมูลขั้นสูง-Skill Lane

DIGITAL COURSES

HOME / ALL COURSES / Advanced Python for Data Science ไพธอนสำหรับงานวิทยาศาสตร์ข้อมูลขั้นสูง

Advanced Python for Data Science ไพธอนสำหรับงานวิทยาศาสตร์ข้อมูลขั้นสูง

1,500 บาท

Instructor :

ผศ.ดร.ศราวุธ แรมจันทร์

Categories :

Tech & Programming

Rating :

Wish List :

START COURSES

About this course

- การทำความสะอาดข้อมูล
- การใช้ Data Mining Technique ทั้ง Supervised Learning และ Unsupervised Learning
- การสร้าง Data Visualization

Curriculum

แนะนำคอร์สออนไลน์
แนะนำคอร์สออนไลน์
ดูตัวอย่างฟรี
01:43
Function
1.1 Use Case Model
ดูตัวอย่างฟรี
13:06
1.2 Sequence Model
04:59
1.3 Function
08:07
1.4 ตัวอย่าง: Function Development
04:46
1.5 Parameter and Call Arguments
24:20
1.6 Default Parameter
05:51
1.7 ตัวอย่าง: Sub Function
15:46
Python using Numpy
2.1 Array
07:14
2.2 คำสั่ง .arange
02:04
2.3 คำสั่ง .reshape
02:56
2.4 คำสั่ง .linspace
01:56
2.5 คำสั่ง dtype
02:42
2.6 Array Operation
07:31
2.7 Indexing and Slicing
03:26
2.8 Vectorization
04:40
Python with Panda
3.1 Series and Data Frame
10:25
3.2 Import External Data
02:37
3.3 Data Assessing
04:02
3.4 Attribute Transformation
03:42
3.5 Indexing
01:27
3.6 Selecting
03:53
3.7 Data Frame Operation
10:44
3.8 Missing Value Detection & Clean Missing Value
02:42
3.9 Label Encoding
02:37
3.10 One-Hot Encoding
03:03
3.11 Practices
08:49
Data Visualization with Python
4.1 Data Visualization
12:39
4.2 Line Chart
16:06
4.3 Bar Chart
15:29
4.4 Pie Chart
15:41
4.5 Histogram
05:50
4.6 Density Plot
04:50
4.7 Box Plot
04:21
4.8 Scatter Plot
03:29
4.9 Word Cloud
05:58
The Beginning of Scikit Learn
5.1 Example of Data Set and Liner Regression
19:21
5.2 Data Cleansing: Cleansing Rows and Replacing
05:59
5.3 Data Cleansing: Removing Row
06:41
5.4 Data Cleansing: Normalization
04:40
5.5 Data Cleansing: Outlier Detection
09:10
Introduction to Supervised Learning with Python
6.1 Introduction to Supervise Learning
15:16
6.2 Regression Model: Type of Linear Regression
12:47
6.3 Regression Model: Multiple Regression
44:45
6.4 Regression Model: Polynomial Regression
21:20
6.5 Decision Tree
19:49
Introduction to Unsupervised Learning
7.1 Introduction to Unsupervise Learning
09:34
7.2 Clustering Using K-Means
12:10
7.3 Implement K-Means in Python
18:14
7.4 Conclusion
04:26
วิธีการประยุกต์และนำเสนอผลงาน Advanced Python ในเชิงวิชาการ
8.1 วิธีการประยุกต์และนำเสนอผลงาน Advanced Python ในเชิงวิชาการ
18:01
Assignment
Assignment (60 คะแนน)
แบบฝึกหัด
Final Exam
Final Exam (40 คะแนน)
ข้อสอบ

Rating

Other Instructors

Instructor :

ผศ.ดร.ศราวุธ แรมจันทร์

รองคณบดีฝ่ายแผน วิจัยและการพัฒนาคุณภาพ วิทยาลัยนวัตกรรม มหาวิทยาลัยธรรมศาสตร์ ผู้อำนวยการหลักสูตรการแปรรูปและนวัตกรรมดิจิทัล วิทยาลัยนวัตกรรม มหาวิทยาลัยธรรมศาสตร์ ปริญญาเอก คอมพิวเตอร์และการจัดการงานวิศวกรรม มหาวิทยาลัยอัสสัมชัญ ปริญญาโท การจัดการเทคโนโลยีสารสนเทศและการสื่อสาร มหาวิทยาลัยนอร์ท-เชียงใหม่ ปริญญาตรี คอมพิวเตอร์ธุรกิจ มหาวิทยาลัยนอร์ท-เชียงใหม่

Course Features