لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش بوت کمپ تجزیه و تحلیل و تجسم داده پایتون
Python Data Analysis & Visualization Bootcamp
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
تجزیه و تحلیل داده های مالی و تجسم با پایتون: کیت مطالعه با کیفیت بالا انجام تجزیه و تحلیل داده ها به صورت یکپارچه و هوشمند
به محتوای Bootcamp تجزیه و تحلیل دادهها که توسط TakenMind ارائه شده است، خوش آمدید.
آیا علاقه مندید که یاد بگیرید چگونه زتابایت داده توسط شرکت های برتر فناوری پردازش می شود تا داده ها را تجزیه و تحلیل کنند تا رشد کسب و کارشان افزایش یابد؟ خوب، برای یک مبتدی شما در مکان مناسبی هستید و احتمالاً این زمان مناسب برای یادگیری این موضوع است.
طبق تحقیقات Indeed، امروزه دانشمند داده به طور متوسط 123000 دلار در سال درآمد دارد. اما اصطلاح عملیاتی در اینجا «امروز» است، زیرا علم داده از زمانی که در سالهای اخیر واقعاً در آگاهی کسبوکار قرار گرفت، سودهای فزایندهای را به همراه داشته است.
این دوره مبتنی بر تحلیل مالی است و مفاهیم زیر پوشش داده شده است:
اصول پایتون
پانداها برای تجزیه و تحلیل کارآمد داده
NumPy برای پردازش عددی با سرعت بالا
Matplotlib برای تجسم داده
پانداها برای دستکاری و تجزیه و تحلیل داده ها
تجسم دادههای دریا
نمونه های کار شده.
نحوه تجزیه و تحلیل داده ها با استفاده از پایتون را بیاموزید. این دوره شما را از اصول پایتون تا کاوش انواع مختلف داده ها می برد. شما یاد خواهید گرفت که چگونه داده ها را برای تجزیه و تحلیل آماده کنید، تجزیه و تحلیل های آماری ساده انجام دهید، تجسم داده های معنی دار ایجاد کنید، روندهای آینده را از داده ها پیش بینی کنید، و موارد دیگر!
شما یاد خواهید گرفت که چگونه:
مجموعه دادهها را وارد کنید
داده ها را برای تجزیه و تحلیل تمیز و آماده کنید
DataFrame پانداها را دستکاری کنید
خلاصه کردن داده ها
با استفاده از scikit-learn مدلهای یادگیری ماشین بسازید
خطوط لوله داده بسازید
تحلیل دادهها با پایتون از طریق سخنرانی، آزمایشگاههای عملی و تکالیف ارائه میشود. این شامل بخش های زیر است:
کتابخانههای تجزیه و تحلیل دادهها: یاد میگیرند که از Pandas DataFrames، آرایههای چند بعدی Numpy و کتابخانههای SciPy برای کار با مجموعه دادههای مختلف استفاده کنند. ما پانداها را به شما معرفی خواهیم کرد، یک کتابخانه منبع باز، و از آن برای بارگیری، دستکاری، تجزیه و تحلیل و تجسم مجموعه داده های جالب استفاده خواهیم کرد. سپس شما را با یک کتابخانه منبع باز دیگر به نام scikit-learn آشنا می کنیم و از برخی از الگوریتم های یادگیری ماشینی آن برای ساخت مدل های هوشمند و پیش بینی های جالب استفاده خواهیم کرد.
سرفصل ها و درس ها
راه اندازی و محیط Jupyter (Python 3)
Setup and Jupyter Environment (Python 3)
مقدمه ای بر بسته مطالعه
Introduction to the Study Kit
شماره 1 دانلود راه اندازی و نصب
#1 Downloading Setup and Installation
#2 نصب محیط کار - نوت بوک Jupyter
#2 Installing Work Environment - Jupyter Notebook
شماره 6 ذخیره و بارگذاری آرایه ها در حافظه خارجی
#6 Saving And Loading Arrays To External Memory
شماره 7 پردازش آماری و ترسیم نمودارها
#7 Statistical Processing And Sketching Graphs
# 8 بند شرطی و عملیات بولی
#8 Conditional Clauses And Boolean Operation
دستکاری داده ها با پانداها (پایتون 3)
Data Manipulation with Pandas (Python 3)
شماره 1 شروع کار با سریال
#1 Getting Started with Series
#2 مقدمه ای بر DataFrames در پانداها
#2 Introduction to DataFrames in Pandas
شماره 3 آموزش دسترسی به عناصر با نمایه ها
#3 Learning to access elements with indexes
شماره 4 - فهرست بندی مجدد در سری پانداها و فریم های داده
#4 - Re-indexing in pandas Series and Dataframes
شماره 5 - حذف مقادیر از Series و DataFrames
#5 - Dropping values from Series and DataFrames
شماره 6 - مدیریت مقادیر Null یا NAN در پانداها
#6 - Handling Null or NAN values in pandas
شماره 7 انتخاب و اصلاح ورودی های پانداها
#7 Selecting and Modifying entries in Pandas
# 8 داده ها را در سری ها و Dataframe ها هماهنگ و تنظیم کنید
#8 Coordinate and Regulate data in Series and Dataframes
شماره 9 - رتبه بندی و مرتب سازی در سری
#9 - Ranking and Sorting in Series
شماره 10 تجزیه و تحلیل داده های آماری و نمودارها در پانداها
#10 Statistical Data Analysis and Graphs in Pandas
دستکاری داده ها با پانداها (پایتون 3)
Data Manipulation with Pandas (Python 3)
شماره 1 شروع کار با سریال
#1 Getting Started with Series
#2 مقدمه ای بر DataFrames در پانداها
#2 Introduction to DataFrames in Pandas
شماره 3 آموزش دسترسی به عناصر با نمایه ها
#3 Learning to access elements with indexes
شماره 4 - فهرست بندی مجدد در سری پانداها و فریم های داده
#4 - Re-indexing in pandas Series and Dataframes
شماره 5 - حذف مقادیر از Series و DataFrames
#5 - Dropping values from Series and DataFrames
شماره 6 - مدیریت مقادیر Null یا NAN در پانداها
#6 - Handling Null or NAN values in pandas
شماره 7 انتخاب و اصلاح ورودی های پانداها
#7 Selecting and Modifying entries in Pandas
# 8 داده ها را در سری ها و Dataframe ها هماهنگ و تنظیم کنید
#8 Coordinate and Regulate data in Series and Dataframes
شماره 9 - رتبه بندی و مرتب سازی در سری
#9 - Ranking and Sorting in Series
شماره 10 تجزیه و تحلیل داده های آماری و نمودارها در پانداها
#10 Statistical Data Analysis and Graphs in Pandas
شروع با عملیات فایل (Python 3)
Starting with File Operations (Python 3)
شماره 1 عملیات فایل - Dataframes و Csv
#1 File Operations - Dataframes And Csv
شماره 2 داده ها را از فایل اکسل وارد کنید
#2 Import Data From Excel File
شروع با عملیات فایل (Python 3)
Starting with File Operations (Python 3)
شماره 1 عملیات فایل - Dataframes و Csv
#1 File Operations - Dataframes And Csv
شماره 2 داده ها را از فایل اکسل وارد کنید
#2 Import Data From Excel File
تجزیه و تحلیل داده ها و روش ها - آموزش انجام عملیات روی مجموعه داده ها (Py 3)
Data Analysis and Methodologies - Learn to perform Operations on datasets (Py 3)
پانداهای شماره 1 - ادغام در امتداد ستون ها در DataFrames
#1 Pandas - Merging along columns in DataFrames
#2 الحاق آرایه ها، سری ها و فریم های داده
#2 Concatenation of Arrays, Series and Dataframes
#3 ترکیب مقادیر یک DataFrame یا Series
#3 Combining values of a DataFrame or Series
#4 تغییر شکل مجموعه داده ها - سری و چارچوب داده
#4 Reshaping Datasets - Series and Dataframe
شماره 5 جدول محوری
#5 Pivot Tables
#6 تجزیه و تحلیل تکراری در مجموعه داده
#6 Duplicates Analysis in dataset
شماره 7 نقشه برداری در DataFrame
#7 Mapping in DataFrame
#8 مقادیر را در سری جایگزین کنید
#8 Replace values in Series
شماره 9 تغییر نام ایندکس ها در DataFrame
#9 Renaming Indexes in DataFrame
شماره 10 مشاهده، فیلتر کردن و تجزیه و تحلیل اساسی
#10 Observation, Filtering and Basic Analysis
تجزیه و تحلیل داده ها و روش ها - آموزش انجام عملیات روی مجموعه داده ها (Py 3)
Data Analysis and Methodologies - Learn to perform Operations on datasets (Py 3)
پانداهای شماره 1 - ادغام در امتداد ستون ها در DataFrames
#1 Pandas - Merging along columns in DataFrames
#2 الحاق آرایه ها، سری ها و فریم های داده
#2 Concatenation of Arrays, Series and Dataframes
#3 ترکیب مقادیر یک DataFrame یا Series
#3 Combining values of a DataFrame or Series
#4 تغییر شکل مجموعه داده ها - سری و چارچوب داده
#4 Reshaping Datasets - Series and Dataframe
شماره 5 جدول محوری
#5 Pivot Tables
#6 تجزیه و تحلیل تکراری در مجموعه داده
#6 Duplicates Analysis in dataset
شماره 7 نقشه برداری در DataFrame
#7 Mapping in DataFrame
#8 مقادیر را در سری جایگزین کنید
#8 Replace values in Series
شماره 9 تغییر نام ایندکس ها در DataFrame
#9 Renaming Indexes in DataFrame
شماره 10 مشاهده، فیلتر کردن و تجزیه و تحلیل اساسی
#10 Observation, Filtering and Basic Analysis
تجسم داده ها
Data Visualization
تجسم داده ها و مقدمه ای بر کتابخانه تجسم دریازاد
Data Visualization and Introduction to Seaborn Visualization Library
تجسم هیستوگرام در متولدین دریا
Histogram Visualization in seaborn
نمودار تخمین چگالی هسته Seaborn (KDE) روی تک متغیره ها
Seaborn Kernel Density Estimation (KDE) Plot on Univariates
طرح KDE Seaborn برای چند متغیره
Seaborn KDE Plot for multivariates
ترسیم نمودارهای متعدد با seaborn
Plotting multiple charts with seaborn
تصویرسازی باکس پلات
Box Plot Visualization
نمودارهای رگرسیون با متولدین دریا
Regression Plots with seaborn
تجسم طرح ویولن
Violin plot Visualization
تجسم نقشه های حرارتی
Heat Maps Visualization
تجسم نقشه خوشه ای
Cluster Map Visualization
تجسم داده ها
Data Visualization
تجسم داده ها و مقدمه ای بر کتابخانه تجسم دریازاد
Data Visualization and Introduction to Seaborn Visualization Library
تجسم هیستوگرام در متولدین دریا
Histogram Visualization in seaborn
نمودار تخمین چگالی هسته Seaborn (KDE) روی تک متغیره ها
Seaborn Kernel Density Estimation (KDE) Plot on Univariates
طرح KDE Seaborn برای چند متغیره
Seaborn KDE Plot for multivariates
ترسیم نمودارهای متعدد با seaborn
Plotting multiple charts with seaborn
تصویرسازی باکس پلات
Box Plot Visualization
نمودارهای رگرسیون با متولدین دریا
Regression Plots with seaborn
نمایش نظرات