قدرت و انعطاف‌پذیری زبان پایتون همراه با اکوسیستم گسترده‌ای از بسته‌های شخص ثالث آن را به ابزاری غیرقابل جایگزین برای دانشمندان داده تبدیل کرده است. در این دوره، مدرس هارشیت تیاقی نکات و تکنیک‌های عملی را به اشتراک می‌گذارد که می‌توانند به شما در بهبود جریان کاری علم داده با پایتون کمک کنند.
هارشیت نحوه‌ی کار با نوت‌بوک‌های IPython، از جمله اشکال‌زدایی خطاها را آموزش می‌دهد. او همچنین چگونگی استفاده از NumPy برای دستکاری آرایه‌ها و کار با pandas، ابزار تحلیل و دستکاری داده‌ها، را نشان می‌دهد.
علاوه بر این، نکاتی درباره‌ی بصری‌سازی داده‌ها با استفاده از Matplotlib ارائه می‌دهد و نحوه افزودن متن و حاشیه‌نویسی به نمودارها را توضیح می‌دهد. همچنین با بهترین روش‌ها برای کار با scikit-learn و سایر نکات مربوط به یادگیری ماشین آشنا خواهید شد.
هارشیت تیاقی (Harshit Tyagi) یک مدرس و منتور در حوزه‌ی علم داده و هوش مصنوعی است. او بیش از هزار دانشجو را در تسلط بر مفاهیم برنامه‌نویسی و علم داده راهنمایی کرده است. در نقش‌هایش در OpenClassrooms و Coding Ninjas، او با استفاده از دانش فنی خود، کارگاه‌های آموزشی برگزار می‌کند و دانشجویان را در تکمیل پروژه‌هایشان یاری می‌رساند. او همچنین یک کانال YouTube دارد که در آن مفاهیم بنیادی علم داده، پایتون، نکات مصاحبه و موارد دیگر را آموزش می‌دهد.
هارشیت به‌عنوان Full-Stack Data Scientist و AI Engineer در طراحی و آموزش مهارت‌های کاربردی نقش دارد. او مدیر سابق برنامه‌ی Data Science & ML در Scaler بوده و نویسنده‌ی دوره‌ی پرفروش LinkedIn در حوزه‌ی Data Engineering و NLP است که بیش از ۱۰۰ هزار دانشجو با میانگین امتیاز ۴.۷ به آن رای داده‌اند. او بیش از ۵۰ کارگاه تخصصی در علم داده و مهندسی داده برگزار کرده که میانگین NPS آن‌ها ۷۰ بوده است. همچنین تاکنون بیش از ۲۰۰ هزار علاقه‌مند به هوش مصنوعی، وب، و علم داده را از طریق آموزش‌های زنده منتور کرده است.
تخصص اصلی او در طراحی دوره‌های جامع آموزشی در مسیرهای AI و Data Engineering است. او پیش‌تر در طراحی الگوریتم‌های پردازش داده‌های زیست‌پزشکی برای تیم‌های تحقیقاتی در دانشگاه‌های Yale، MIT و UCLA نیز مشارکت داشته است.
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.