欢迎学习《2022版Python数据科学与TCLab热传递数据分析视频教程》课程，这是面向科学家和工程师的数据科学介绍的视频课程。开始或学习编程语言的最佳方法之一是开展项目。这些练习旨在教授数据科学 Python 编程技能。几乎所有行业都可以找到数据科学应用程序，这些行业将原始数据转化为推动科学发现、业务创新和发展的可操作信息。这个项目是确定几种材料的导热系数。热导率是材料传导或绝缘热传递的程度。具体的传热项目展示了如何应用数据科学来解决一个重要问题，这些方法适用于许多不同的应用。
MP4 | 视频：h264, 1280×720 | 音频：AAC，44.1 KHz，2 Ch
类型：eLearning | 语言：英语 + srt | 时长：14 节课（4 小时 23 米）| 大小：1.71 GB
你会学到什么
- 可视化数据以了解关系并评估数据质量
- 了解分类、回归和聚类之间的区别以及何时可以应用它们
- 检测过拟合并实施改进预测的策略
- 了解工程和业务目标以规划应用程序
- 成功实施数据科学技术以完成项目
要求
- 需要初级 Python 经验。
- 考虑 GitHub 上的免费课程：APMonitor/begin_python，以获得有关变量、循环、函数、列表和其他 Python 介绍性主题的基础经验。
课程说明
这些模块旨在帮助您在 Python 中培养数据科学和机器学习技能。这 12 个模块为每个练习提供视频教程，并为每个练习提供解决方案。这些模块的独特之处之一是您可以处理基本元素，然后通过传热设计项目的真实数据练习来测试您的知识。通过为新产品设计材料，您将看到您的 Python 代码产生了真正的影响。
开始或学习编程语言的最佳方法之一是开展项目。这些练习旨在教授数据科学 Python 编程技能。几乎所有行业都可以找到数据科学应用程序，这些行业将原始数据转化为推动科学发现、业务创新和发展的可操作信息。这个项目是确定几种材料的导热系数。热导率是材料传导或绝缘热传递的程度。具体的传热项目展示了如何应用数据科学来解决一个重要问题，这些方法适用于许多不同的应用。
目标：收集和分析来自 TCLab 的数据，以确定放置在两个温度传感器之间的三种材料（金属、塑料和纸板）的热导率。创建一个可预测热传递和温度的数字双胞胎。
为了使问题更适用于实际情况，假设您正在设计下一代手机。手机上的电池和处理器会产生大量热量。您要确保它们之间的材料可以防止处理器使电池过热。本研究将帮助您回答有关预测电池和处理器温度的材料特性的问题。
话题
有 12 节课可帮助您实现在 Python 中学习数据科学的目标。您需要做的第一件事是安装 Python 以在 Jupyter 中打开和运行 IPython 笔记本文件。还有关于如何安装 Python 和管理模块的附加说明。可以使用任何 Python 发行版或集成开发环境 (IDE)（IDLE、Spyder、PyCharm 等），但需要 Jupyter 笔记本或 VSCode 才能打开和运行 IPython 笔记本 (.ipynb) 文件。可以下载所有 IPython 笔记本 (.ipynb) 文件。不要忘记解压缩文件夹（解压缩存档）并将其复制到方便的位置，然后再开始。
- 概述
- 数据导入和导出
- 数据分析
- 可视化数据
- 准备（清理、缩放、划分）数据
- 回归
- 特征
- 分类
- 插值
- 求解方程
- 微分方程
- 时间序列
他们提供了完成最终项目所需的技能。在最终的项目中，金属硬币、塑料和纸板被插入两个加热器之间，以便在两个传感器之间有一条热量传导路径。温度差和温度水平受材料将热量从加热器 1 和温度传感器 T1 传导到另一个温度传感器 T2 的能力的影响。
您可能并不总是知道如何最初解决问题或如何构建算法。您可能不知道您需要的函数或与对象关联的属性的名称。这是设计使然。您将使用帮助资源、在线资源、教科书等来搜索您可能需要的信息。
您不仅要评估程序提供正确输出的能力，还要评估良好的编程实践，例如易用性、代码可读性和简单性、模块化编程以及充分、有用的注释。请记住，注释、缩进和模块化编程可以真正帮助您和其他人查看您的代码。
温度控制实验室
这些项目是对所有课程材料的回顾，其中包含来自温度控制实验室 (TCLab) 中温度传感器的真实数据。使用 TCLab 调节的加热器调节温度。如果您没有 TCLab 模块，请通过将 TCLab() 替换为 TCLabModel() 来使用数字孪生模拟器。
本课程适用于谁
- 对数据科学感兴趣的初学者 Python 开发人员
- 有抱负和经验丰富的科学家和工程师
- 希望在实践中采用数据科学的学生和专业人士