لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مبانی پایتون و ضروریات علوم داده
- آخرین آپدیت
دانلود Python Fundamentals and Data Science Essentials
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
بهروزرسانی شده در می ۲۰۲۵.
این دوره اکنون دارای قابلیت Coursera Coach است!
روشی هوشمندتر برای یادگیری با گفتگوهای تعاملی و آنی که به شما کمک میکند دانش خود را بیازمایید، پیشفرضها را به چالش بکشید و در حین پیشروی در دوره، درک خود را عمیقتر کنید.
این دوره با معرفی برنامهنویسی پایتون آغاز میشود و تمامی موارد از نصب و راهاندازی پایتون و آناکوندا تا مفاهیم بنیادی مانند متغیرها، عملیات عددی و منطقی، ساختارهای کنترلی مانند if-else و حلقهها، و تعریف توابع را پوشش میدهد. این مسیر با بخشهای تخصصی در مورد رشتهها (Strings) و لیستها ادامه مییابد تا درکی استوار از این اجزای اصلی ایجاد شود.
پس از تسلط بر مبانی پایتون، تحلیل دادهها با استفاده از NumPy و Pandas را بررسی خواهید کرد. شما عملیات آرایهها در NumPy و مدیریت و تحلیل دادهها با Pandas، از جمله کار با DataFrameها، اجرای عملیات دادهای، ایندکسگذاری و ادغام مجموعهدادهها را خواهید آموخت. این بخشها برای ایجاد یک پایه قوی در دستکاری و تحلیل دادهها طراحی شدهاند که برای هر نقش در علوم داده حیاتی است.
دوره با معرفی مفاهیم پایه یادگیری ماشین به اوج خود میرسد. شما به بررسی رگرسیون خطی، درک مبانی ریاضی و کاربردهای عملی آن خواهید پرداخت. علاوه بر این، گرادینت دیسنت (Gradient Descent) به عنوان یک تکنیک بهینهسازی حیاتی و طبقهبندی KNN را به عنوان یکی از سادهترین الگوریتمهای یادگیری ماشین بررسی میکنید. هر موضوع با مطالعات موردی تقویت شده است تا اطمینان حاصل شود که میتوانید دانش تئوری را در سناریوهای واقعی به کار ببرید.
این دوره برای مبتدیان در برنامهنویسی و علوم داده ایدهآل است. هیچ تجربه قبلی در پایتون یا تحلیل داده نیاز نیست، اما داشتن درک پایه از ریاضیات مفید خواهد بود.
سرفصل ها و درس ها
مبانی پایتون
Python Fundamentals
نصب پایتون و آناکوندا
Installation of Python and Anaconda
مقدمهای بر پایتون
Python Introduction
متغیرها در پایتون
Variables in Python
عملیات عددی در پایتون
Numeric Operations in Python
عملیات منطقی
Logical Operations
حلقه If Else
If Else Loop
حلقههای For و While
For While Loop
توابع
Functions
رشتهها: بخش اول
Strings: Part 1
رشتهها: بخش دوم
Strings: Part 2
لیستها: بخش اول
List: Part 1
لیستها: بخش دوم
List: Part 2
لیستها: بخش سوم
List: Part 3
لیستها: بخش چهارم
List: Part 4
تاپلها
Tuples
مجموعهها
Sets
دیکشنریها
Dictionaries
کامپرهنشن (Comprehension)
Comprehension
کتابخانه NumPy
NumPy
مقدمه
Introduction
عملیات NumPy: بخش اول
NumPy Operations: Part 1
عملیات NumPy: بخش دوم
NumPy Operations: Part 2
کتابخانه Pandas
Pandas
مقدمه
Introduction
سریها (Series)
Series
دیتا فریم (DataFrame)
DataFrame
عملیات: بخش اول
Operations: Part 1
عملیات: بخش دوم
Operations: Part 2
ایندکسها
Indexes
متدهای loc و iloc
loc and iloc
خواندن فایلهای CSV
Reading CSV
ادغام دادهها: بخش اول
Merging: Part 1
گروهبندی (groupby)
groupby
ادغام دادهها: بخش دوم
Merging: Part 2
جداول محوری (Pivot Tables)
Pivot Tables
مباحث کاربردی ریاضی
Some Fun with Math
جبر خطی: بردارها
Linear Algebra: Vectors
جبر خطی: ماتریس: بخش اول
Linear Algebra: Matrix: Part 1
جبر خطی: ماتریس: بخش دوم
Linear Algebra: Matrix: Part 2
جبر خطی: انتقال از 2D به nD: بخش اول
Linear Algebra: Going from 2D to nD: Part 1
جبر خطی: انتقال از 2D به nD: بخش دوم
Linear Algebra: Going from 2D to nD: Part 2
بصریسازی دادهها
Data Visualization
کتابخانه Matplotlib
Matplotlib
کتابخانه Seaborn
Seaborn
مطالعه موردی
Case Study
استفاده از Seaborn برای دادههای سری زمانی
Seaborn on Time Series Data
رگرسیون خطی ساده
Simple Linear Regression
مقدمهای بر یادگیری ماشین
Introduction to Machine Learning
انواع یادگیری ماشین
Types of Machine Learning
مقدمهای بر رگرسیون خطی (LR)
Introduction to Linear Regression (LR)
رگرسیون خطی چگونه کار میکند؟
How LR Works?
بررسی ریاضیات پشت رگرسیون خطی
Some Fun with Math Behind LR
ضریب تعیین (R Square)
R Square
مطالعه موردی رگرسیون خطی: بخش اول
LR Case Study: Part 1
مطالعه موردی رگرسیون خطی: بخش دوم
LR Case Study: Part 2
مطالعه موردی رگرسیون خطی: بخش سوم
LR Case Study: Part 3
خطای مربع باقیمانده (RSE)
Residual Square Error (RSE)
گرادینت دیسنت
Gradient Descent
پیشنیازهای گرادینت دیسنت: بخش اول
Prerequisite for Gradient Descent: Part 1
پیشنیازهای گرادینت دیسنت: بخش دوم
Prerequisite for Gradient Descent: Part 2
توابع هزینه (Cost Functions)
Cost Functions
تعریف رسمیتر توابع هزینه
Defining Cost Functions More Formally
گرادینت دیسنت
Gradient Descent
بهینهسازی
Optimization
مقایسه فرم بسته و گرادینت دیسنت
Closed Form Versus Gradient Descent
مطالعه موردی گرادینت دیسنت
Gradient Descent Case Study
طبقهبندی: KNN
Classification: KNN
مقدمهای بر طبقهبندی (Classification)
Introduction to Classification
نمایش نظرات