آموزش تجسم داده با Numpy و Pandas
4h 55m
35
Udemy
10 تیر 1400
14,333
از 5
دارد (اگر در سایت مرجع باشد، قرارداده می شود.)
معمولا دارد
معمولا دارد (در صورت درخواست)
Ganesh D

https://donyad.com/d/7034

آموزش تجسم داده با Numpy و Pandas

Data Visualization with Numpy and Pandas

سرفصل ها و درس ها | نظرات

توضیحات دوره: بیاموزید که چگونه با استفاده از NumPy و Pandas با تجزیه و تحلیل و تجسم داده ها ، شما را فعال و فعال می کند

آنچه خواهید آموخت

  • این دوره بر روی آموزش افراد در Pandas و NumPy متمرکز شده است. تمام مفاهیمی که حول این کتابخانه ها می چرخند دقیقاً از طریق این دوره شرح داده می شوند. هدف اصلی این دوره غنی سازی کارآموزان با کل مهارتهایی است که برای کار با این کتابخانه های مستقر در پایتون مورد نیاز است.
  • هدف از این دوره این است که کارآموزان در زمینه کار با کتابخانه های پایتون Pandas و NumPy متخصص باشند. این آموزش به افراد کمک می کند تا در معرفی مفهوم علم داده با کمک کتابخانه هایی که ما در اینجا به آنها خواهیم پرداخت مهارت کسب کنند.

هدف این دوره این است که کارآموزان در کار با کتابخانه های پایتون Pandas و NumPy متخصص باشند. این آموزش به افراد کمک می کند تا در معرفی مفهوم علم داده با کمک کتابخانه هایی که ما در اینجا به آنها خواهیم پرداخت مهارت کسب کنند. این دوره بر روی آموزش افراد در Pandas و NumPy متمرکز شده است. تمام مفاهیمی که حول این کتابخانه ها می چرخند دقیقاً از طریق این دوره شرح داده می شوند. هدف اصلی این دوره غنی سازی کارآموزان با کل مهارتهایی است که برای کار با این کتابخانه های مستقر در پایتون مورد نیاز است.

Panda و NumPy کتابخانه ای برای پایتون است ، جایی که NumPy با کمک به کارهای عددی و کارهای محاسباتی به آن کمک می کند. از طرف دیگر ، Panda برای درگیری داده ها و کارهای مربوط به دستکاری داده ها ترجیح داده می شود.

NumPy و Panda هر دو زبان علمی Pythons را تشکیل می دهند. امکان مواجهه با دستکاری ماتریس و بردار با کتابخانه NumPy و Panda امکان پذیر است (نه اینکه ما آن را ضروری می نامیم).

NumPy به معنای Python عددی است و یک ساختار منبع باز برای نیازهای ریاضی است. آرایه ای ضروری برای توابع ریاضی سطح بالا. NumPy به روشهایی مانند Scikit-learn ، Pandas ، Matplotlib و TensorFlow با یادگیری ماشین مرتبط است.

از سوی دیگر ، Panda ویژگی های مشابهی را در یادگیری ماشین ارائه می دهد و پرکاربردترین کتابخانه پایتون است. استفاده از آن آسان است ، ساختار آن آسان است ، عملکرد بالایی ارائه می دهد و یک ابزار عالی برای تجزیه و تحلیل داده است.

دوره ما در زمینه Panda و NumPy سرمایه گذاری بسیار خوبی برای همه نامزدها در زمینه حرفه خود خواهد بود. مهم نیست که شما یک فرد تازه کار هستید یا یک متخصص باتجربه هستید حتی اگر در پایتون و مهارت های مرتبط با آن تازه کار نیستید ، این دوره فقط برای شما بچه ها طراحی شده است. لیست مهارت برای نامزدها با آموزش Pandas و NumPy طولانی است. قرار گرفتن در معرض این مهارت ها با بحث دقیق یک مزیت اضافه شده است و با کیت های ابزار پیشرفته مانند Python ، Azure و تکنیک هایی مانند یادگیری ماشین و تجزیه و تحلیل داده ها مانند گیلاس روی کیک عمل می کند.

این دوره برای چه کسانی است:

  • این دوره آموزشی Pandas و NumPy برای متخصصانی با زمینه های مختلف که مایل به یادگیری علم داده در مراحل ساده و آسان با استفاده از پایتون به عنوان یک زبان برنامه نویسی هستند ، طراحی شده است. اگر به هر نوع داده و تحلیل در هر پلتفرمی مشغول هستید ، این دوره برای شما بسیار مفید است. مدیران و ارشد باید به این دوره نگاه کنند زیرا بازار فعلی در مرحله گذار است که باید درک خوبی از تکنیک های داده و تجزیه و تحلیل داشته باشید. با این حال ، برای راحتی خوانندگان ما ، برخی از پروفایل های احتمالی را ذکر کرده ایم که باید این Pandas و NumPy را برای به حداکثر رساندن امتیازات شغلی خود انتخاب کنند.


سرفصل ها و درس ها

معرفی Introduction

  • مقدمه ای برای Numpy Introduction to Numpy

پوزخند Numpy

  • وارد کردن بسته Numpy و دستورات اساسی Importing Numpy Package and Basic Commands

  • مقایسه بین لیست Comparision Between List

  • مبتنی بر حافظه و زمان Numpy on Basis of Memory and Time

  • چرا ما از Numpy استفاده می کنیم و چرا List نیست Why we are using Numpy and why not List

  • عملیات ناخوشایند و زیرمجموعه Numpy Operations and Subsetting

  • آرایه های 2 بعدی 2D Numpy Arrays

  • زیر مجموعه سازی عملیات Subsetting Operations

  • آمار توصیفی در آرایه های پوچ Descriptive Statistics in Numpy Arrays

  • به روزرسانی آرایه Array Updating

  • توابع concatenate Concatenate Functions

پندا Pandas

  • معرفی پانداها Introduction to Pandas

  • ایجاد Dataframe از سری و فرهنگ لغت Creating Dataframe from Series and Dictionary

  • ساخت Dataframe از فرهنگ لغت Making Dataframe from Dictionary

  • Dataframe را بهم پیوند دهید Concatenate Dataframe

  • می پیوندد و محوری Joins and Pivot

  • Unipivot Dataframe Unipivot Dataframe

  • عملیات Dataframe Dataframe Operations

  • برش زدن Slicing

  • قیمت گذاری Dicing

  • مرتب سازی داده ها Sorting Dataframes

  • آمار خلاصه Summary Statistics

  • پرداختن به مقادیر تکراری Dealing with Duplicate Values

دستکاری داده ها Dataframe Manipulation

  • وارد کردن مجموعه داده Importing Dataset

  • سر دم و عملکرد منحصر به فرد Head Tail and Unique Function

  • دسترسی به ستون Accessing Column

  • تغییر نام متغیرها Rename Variables

  • انداختن متغیرها Dropping Variables

  • آمار توصیفی Descriptive Statisitcs

  • گروه بندی براساس توابع Group by Functions

  • توابع فیلتر کردن Filtering Functions

ارزش از دست رفته Missing Values

  • مقدمه ای بر نوت بوک Jupyter Introduction to Jupyter Notebook

  • مقدمه مقادیر گمشده Missing Values Introduction

  • بدل کردن Imputation

  • کار با شرایط مختلف Working with Different Conditions

نمایش نظرات

نظری ارسال نشده است.

Ganesh D

کارآفرین و مربی من یک کارآفرین و مربی هستم. من از طریق دوره های خود و فیلم های آنلاین به هزاران دانش آموز در چندین موضوع در زمینه های مختلف آموزش داده ام. من 11 سال سابقه مربیگری دارم. من دوست دارم دانش خود را با دانش آموزان در میان بگذارم. در طول سال ها من ایده های تجاری مختلفی از اصول اولیه تا الگوی پیچیده تر را اجرا کرده ام و دانش بزرگی کسب کرده ام که دوست دارم آنها را به اشتراک بگذارم. من چندین ماه را برای آماده سازی دوره هایم صرف می کنم. قدرت من به عنوان یک معلم از توانایی من در تجزیه و تحلیل موضوعات پیچیده به مفاهیم ساده تر ناشی می شود. و توجه من به جزئیات به من کمک می کند تا این مفاهیم را به گونه ای توضیح دهم که برای دانشجویان بسیار قابل دسترسی باشد. من به طور مداوم در حال تحقیق ، مطالعه و آموزش هستم تا مهارت های خود را ارتقا دهم. امیدوارم از دوره های من لذت ببرید