Python for Data Science Pro: دوره تسلط کامل

سرفصل ها و درس ها

ماژول 1: مقدمه ای بر پایتون و علم داده Module 1: Introduction to Python and Data Science

• متغیرها، انواع داده ها و عملگرها Variables, data types, and operators

• جریان کنترل: شرایط و حلقه ها Control Flow: Conditionals and Loops

• توابع و ماژول ها Functions and Modules

ماژول 2: دستکاری داده ها با پایتون Module 2: Data Manipulation with Python

• آشنایی با آرایه ها و ماتریس ها Understanding Arrays and Matrices

• عملیات آرایه Array Operations

• DataFrames و Series DataFrames and Series

• پاکسازی و آماده سازی داده ها Data Cleaning and Preparation

• رسیدگی به داده های از دست رفته Handling Missing Data

• ادغام و پیوستن به داده ها Merging and Joining Data

• مرتب سازی و فیلتر کردن داده ها Sorting and Filtering Data

• گروه بندی و تجمیع Grouping and Aggregation

ماژول 3: تجسم داده ها Module 3: Data Visualization

• طرح های اساسی: خط، نوار، پراکندگی Basic Plots: Line, Bar, Scatter

• سفارشی کردن توطئه ها Customizing Plots

• نمودارهای فرعی و ارقام Subplots and Figures

• ایجاد نمودارهای تعاملی Creating Interactive Charts

ماژول 4: تجزیه و تحلیل آماری Module 4: Statistical Analysis

• اقدامات گرایش مرکزی Measures of Central Tendency

• معیارهای تغییرپذیری Measures of Variability

• توزیع های عادی، دو جمله ای و دیگر Normal, Binomial, and Other Distributions

• فرضیه های پوچ و جایگزین Null and Alternative Hypotheses

ماژول 5: مقدمه ای بر یادگیری ماشین Module 5: Introduction to Machine Learning

• مقیاس بندی و عادی سازی ویژگی ها Feature Scaling and Normalization

• رمزگذاری متغیرهای طبقه بندی شده Encoding Categorical Variables

• مدیریت داده های نامتعادل Handling Imbalanced Data

• رگرسیون خطی و لجستیک Linear and Logistic Regression

ماژول 6: مباحث پیشرفته در علم داده Module 6: Advanced Topics in Data Science

• مقدمه ای بر داده های سری زمانی Introduction to Time Series Data

• تجزیه، مدل های ARIMA Decomposition, ARIMA Models

• پیش پردازش متن Text Preprocessing

• تحلیل احساسات Sentiment Analysis