آموزش دوره تحلیل داده ها: بوت کمپ کامل تحلیلگر داده 2023

سرفصل ها و درس ها

مقدمه دوره Introduction to the Course

• یک مثال عملی - در این دوره چه چیزی یاد خواهید گرفت؟ A Practical Example - What Will You Learn in This Course?

• دوره شامل چه مواردی است؟ What Does the Course Cover?

• دانلود تمامی منابع Download All Resources

• سوالات متداول FAQ

مقدمه دوره Introduction to the Course

• یک مثال عملی - در این دوره چه چیزی یاد خواهید گرفت؟ A Practical Example - What Will You Learn in This Course?

• دوره شامل چه مواردی است؟ What Does the Course Cover?

• دانلود تمامی منابع Download All Resources

• سوالات متداول FAQ

مقدمه ای بر تجزیه و تحلیل داده ها Introduction to Data Analytics

• مقدمه ای بر دنیای تجارت و داده ها Introduction to the World of Business and Data

• شرایط مربوطه توضیح داده شده است Relevant Terms Explained

• تحلیلگر داده در مقایسه با سایر مشاغل داده Data Analyst Compared to Other Data Jobs

• شرح شغل تحلیلگر داده Data Analyst Job Description

• چرا پایتون Why Python

مقدمه ای بر تجزیه و تحلیل داده ها Introduction to Data Analytics

• مقدمه ای بر دنیای تجارت و داده ها Introduction to the World of Business and Data

• شرایط مربوطه توضیح داده شده است Relevant Terms Explained

• تحلیلگر داده در مقایسه با سایر مشاغل داده Data Analyst Compared to Other Data Jobs

• شرح شغل تحلیلگر داده Data Analyst Job Description

• چرا پایتون Why Python

راه اندازی محیط زیست Setting up the Environment

• معرفی Introduction

• برنامه نویسی در چند دقیقه توضیح داده شد Programming Explained in a Few Minutes

• برنامه نویسی در چند دقیقه توضیح داده شد Programming Explained in a Few Minutes

• Jupyter - مقدمه Jupyter - Introduction

• Jupyter - نصب Anaconda Jupyter - Installing Anaconda

• Jupyter - مقدمه ای برای استفاده از Jupyter Jupyter - Intro to Using Jupyter

• Jupyter - کار با فایل های نوت بوک Jupyter - Working with Notebook Files

• Jupyter - استفاده از میانبرها Jupyter - Using Shortcuts

• Jupyter - مدیریت پیام های خطا Jupyter - Handling Error Messages

• Jupyter - راه اندازی مجدد هسته Jupyter - Restarting the Kernel

• Jupyter - مقدمه Jupyter - Introduction

راه اندازی محیط زیست Setting up the Environment

• معرفی Introduction

• برنامه نویسی در چند دقیقه توضیح داده شد Programming Explained in a Few Minutes

• برنامه نویسی در چند دقیقه توضیح داده شد Programming Explained in a Few Minutes

• Jupyter - مقدمه Jupyter - Introduction

• Jupyter - نصب Anaconda Jupyter - Installing Anaconda

• Jupyter - مقدمه ای برای استفاده از Jupyter Jupyter - Intro to Using Jupyter

• Jupyter - کار با فایل های نوت بوک Jupyter - Working with Notebook Files

• Jupyter - استفاده از میانبرها Jupyter - Using Shortcuts

• Jupyter - مدیریت پیام های خطا Jupyter - Handling Error Messages

• Jupyter - راه اندازی مجدد هسته Jupyter - Restarting the Kernel

• Jupyter - مقدمه Jupyter - Introduction

مبانی پایتون Python Basics

• متغیرهای پایتون Python Variables

• متغیرهای پایتون Python Variables

• انواع داده ها - اعداد و مقادیر بولی Types of Data - Numbers and Boolean Values

• انواع داده ها - اعداد و مقادیر بولی Types of Data - Numbers and Boolean Values

• انواع داده ها - رشته ها Types of Data - Strings

• انواع داده ها - رشته ها Types of Data - Strings

• نحو پایه پایتون - عملگرهای حسابی Basic Python Syntax - Arithmetic Operators

• نحو پایه پایتون - عملگرهای حسابی Basic Python Syntax - Arithmetic Operators

• نحو پایه پایتون - علامت برابری دوگانه Basic Python Syntax - The Double Equality Sign

• نحو پایه پایتون - علامت برابری دوگانه Basic Python Syntax - The Double Equality Sign

• نحو پایه پایتون - مقادیر را مجدداً اختصاص دهید Basic Python Syntax - Reassign Values

• نحو پایه پایتون - مقادیر را مجدداً اختصاص دهید Basic Python Syntax - Reassign Values

• نحو پایه پایتون - اضافه کردن نظرات Basic Python Syntax - Add Comments

• نحو پایه پایتون - اضافه کردن نظرات Basic Python Syntax - Add Comments

• نحو پایه پایتون - ادامه خط Basic Python Syntax - Line Continuation

• نحو پایه پایتون - عناصر نمایه سازی Basic Python Syntax - Indexing Elements

• نحو پایه پایتون - عناصر نمایه سازی Basic Python Syntax - Indexing Elements

• نحو پایه پایتون - تورفتگی Basic Python Syntax - Indentation

• نحو پایه پایتون - تورفتگی Basic Python Syntax - Indentation

• اپراتورها - مقایسه اپراتورها Operators - Comparison Operators

• اپراتورها - مقایسه اپراتورها Operators - Comparison Operators

• اپراتورها - عملگرهای منطقی و هویتی Operators - Logical and Identity Operators

• اپراتورها - عملگرهای منطقی و هویتی Operators - Logical and Identity Operators

• بیانیه های مشروط - بیانیه IF Conditional Statements - The IF Statement

• بیانیه های مشروط - بیانیه IF Conditional Statements - The IF Statement

• بیانیه های مشروط - بیانیه ELSE Conditional Statements - The ELSE Statement

• بیانیه های مشروط - بیانیه ELIF Conditional Statements - The ELIF Statement

• بیانیه های شرطی - یادداشتی در مورد مقادیر بولی Conditional Statements - A Note on Boolean Values

• بیانیه های شرطی - یادداشتی در مورد مقادیر بولی Conditional Statements - A Note on Boolean Values

• توابع - تعریف یک تابع در پایتون Functions - Defining a Function in Python

• توابع - ایجاد یک تابع با یک پارامتر Functions - Creating a Function with a Parameter

• توابع - راه دیگری برای تعریف یک تابع Functions - Another Way to Define a Function

• توابع - استفاده از یک تابع در یک تابع دیگر Functions - Using a Function in Another Function

• توابع - ترکیب عبارات شرطی و توابع Functions - Combining Conditional Statements and Functions

• توابع - ایجاد توابعی که حاوی چند استدلال است Functions - Creating Functions That Contain a Few Arguments

• توابع - توابع داخلی قابل توجه در پایتون Functions - Notable Built-in Functions in Python

• کارکرد Functions

• دنباله ها - لیست ها Sequences - Lists

• دنباله ها - لیست ها Sequences - Lists

• توالی ها - با استفاده از روش ها Sequences - Using Methods

• توالی ها - با استفاده از روش ها Sequences - Using Methods

• توالی - برش فهرست Sequences - List Slicing

• دنباله ها - تاپل Sequences - Tuples

• دنباله ها - فرهنگ لغت Sequences - Dictionaries

• دنباله ها - فرهنگ لغت Sequences - Dictionaries

• تکرار - برای حلقه ها Iteration - For Loops

• تکرار - برای حلقه ها Iteration - For Loops

• تکرار - در حالی که حلقه ها و افزایش Iteration - While Loops and Incrementing

• تکرار - ایجاد لیست با تابع range(). Iteration - Create Lists with the range() Function

• تکرار - ایجاد لیست با تابع range(). Iteration - Create Lists with the range() Function

• تکرار - از عبارات شرطی و حلقه ها با هم استفاده کنید Iteration - Use Conditional Statements and Loops Together

• تکرار - عبارات شرطی، توابع و حلقه ها Iteration - Conditional Statements, Functions, and Loops

• تکرار - تکرار بیش از دیکشنری ها Iteration - Iterating over Dictionaries

مبانی پایتون Python Basics

• متغیرهای پایتون Python Variables

• متغیرهای پایتون Python Variables

• انواع داده ها - اعداد و مقادیر بولی Types of Data - Numbers and Boolean Values

• انواع داده ها - اعداد و مقادیر بولی Types of Data - Numbers and Boolean Values

• انواع داده ها - رشته ها Types of Data - Strings

• انواع داده ها - رشته ها Types of Data - Strings

• نحو پایه پایتون - عملگرهای حسابی Basic Python Syntax - Arithmetic Operators

• نحو پایه پایتون - عملگرهای حسابی Basic Python Syntax - Arithmetic Operators

• نحو پایه پایتون - علامت برابری دوگانه Basic Python Syntax - The Double Equality Sign

• نحو پایه پایتون - علامت برابری دوگانه Basic Python Syntax - The Double Equality Sign

• نحو پایه پایتون - مقادیر را مجدداً اختصاص دهید Basic Python Syntax - Reassign Values

• نحو پایه پایتون - مقادیر را مجدداً اختصاص دهید Basic Python Syntax - Reassign Values

• نحو پایه پایتون - اضافه کردن نظرات Basic Python Syntax - Add Comments

• نحو پایه پایتون - اضافه کردن نظرات Basic Python Syntax - Add Comments

• نحو پایه پایتون - ادامه خط Basic Python Syntax - Line Continuation

• نحو پایه پایتون - عناصر نمایه سازی Basic Python Syntax - Indexing Elements

• نحو پایه پایتون - عناصر نمایه سازی Basic Python Syntax - Indexing Elements

• نحو پایه پایتون - تورفتگی Basic Python Syntax - Indentation

• نحو پایه پایتون - تورفتگی Basic Python Syntax - Indentation

• اپراتورها - مقایسه اپراتورها Operators - Comparison Operators

• اپراتورها - مقایسه اپراتورها Operators - Comparison Operators

• اپراتورها - عملگرهای منطقی و هویتی Operators - Logical and Identity Operators

• اپراتورها - عملگرهای منطقی و هویتی Operators - Logical and Identity Operators

• بیانیه های مشروط - بیانیه IF Conditional Statements - The IF Statement

• بیانیه های مشروط - بیانیه IF Conditional Statements - The IF Statement

• بیانیه های مشروط - بیانیه ELSE Conditional Statements - The ELSE Statement

• بیانیه های مشروط - بیانیه ELIF Conditional Statements - The ELIF Statement

• بیانیه های شرطی - یادداشتی در مورد مقادیر بولی Conditional Statements - A Note on Boolean Values

• بیانیه های شرطی - یادداشتی در مورد مقادیر بولی Conditional Statements - A Note on Boolean Values

• توابع - تعریف یک تابع در پایتون Functions - Defining a Function in Python

• توابع - ایجاد یک تابع با یک پارامتر Functions - Creating a Function with a Parameter

• توابع - راه دیگری برای تعریف یک تابع Functions - Another Way to Define a Function

• توابع - استفاده از یک تابع در یک تابع دیگر Functions - Using a Function in Another Function

• توابع - ترکیب عبارات شرطی و توابع Functions - Combining Conditional Statements and Functions

• توابع - ایجاد توابعی که حاوی چند استدلال است Functions - Creating Functions That Contain a Few Arguments

• توابع - توابع داخلی قابل توجه در پایتون Functions - Notable Built-in Functions in Python

• کارکرد Functions

• دنباله ها - لیست ها Sequences - Lists

• دنباله ها - لیست ها Sequences - Lists

• توالی ها - با استفاده از روش ها Sequences - Using Methods

• توالی ها - با استفاده از روش ها Sequences - Using Methods

• توالی - برش فهرست Sequences - List Slicing

• دنباله ها - تاپل Sequences - Tuples

• دنباله ها - فرهنگ لغت Sequences - Dictionaries

• دنباله ها - فرهنگ لغت Sequences - Dictionaries

• تکرار - برای حلقه ها Iteration - For Loops

• تکرار - برای حلقه ها Iteration - For Loops

• تکرار - در حالی که حلقه ها و افزایش Iteration - While Loops and Incrementing

• تکرار - ایجاد لیست با تابع range(). Iteration - Create Lists with the range() Function

• تکرار - ایجاد لیست با تابع range(). Iteration - Create Lists with the range() Function

• تکرار - از عبارات شرطی و حلقه ها با هم استفاده کنید Iteration - Use Conditional Statements and Loops Together

• تکرار - عبارات شرطی، توابع و حلقه ها Iteration - Conditional Statements, Functions, and Loops

• تکرار - تکرار بیش از دیکشنری ها Iteration - Iterating over Dictionaries

مبانی کد نویسی در پایتون Fundamentals for Coding in Python

• برنامه نویسی شی گرا (OOP) Object-Oriented Programming (OOP)

• ماژول ها، بسته ها و کتابخانه استاندارد پایتون Modules, Packages, and the Python Standard Library

• وارد کردن ماژول ها Importing Modules

• مقدمه ای بر استفاده از NumPy و پانداها Introduction to Using NumPy and pandas

• اسناد نرم افزاری چیست؟ What is Software Documentation?

• مستندات پایتون The Python Documentation

مبانی کد نویسی در پایتون Fundamentals for Coding in Python

• برنامه نویسی شی گرا (OOP) Object-Oriented Programming (OOP)

• ماژول ها، بسته ها و کتابخانه استاندارد پایتون Modules, Packages, and the Python Standard Library

• وارد کردن ماژول ها Importing Modules

• مقدمه ای بر استفاده از NumPy و پانداها Introduction to Using NumPy and pandas

• اسناد نرم افزاری چیست؟ What is Software Documentation?

• مستندات پایتون The Python Documentation

ریاضیات برای پایتون Mathematics for Python

• ماتریس چیست؟ What Is а Matrix?

• اسکالرها و بردارها Scalars and Vectors

• جبر خطی و هندسه Linear Algebra and Geometry

• آرایه ها در پایتون Arrays in Python

• تانسور چیست؟ What Is a Tensor?

• جمع و تفریق ماتریس ها Adding and Subtracting Matrices

• خطا در هنگام اضافه کردن ماتریس Errors When Adding Matrices

• جابجا شود Transpose

• محصول نقطه ای بردارها Dot Product of Vectors

• محصول نقطه ای ماتریس ها Dot Product of Matrices

• چرا جبر خطی مفید است؟ Why is Linear Algebra Useful

ریاضیات برای پایتون Mathematics for Python

• ماتریس چیست؟ What Is а Matrix?

• اسکالرها و بردارها Scalars and Vectors

• جبر خطی و هندسه Linear Algebra and Geometry

• آرایه ها در پایتون Arrays in Python

• تانسور چیست؟ What Is a Tensor?

• جمع و تفریق ماتریس ها Adding and Subtracting Matrices

• خطا در هنگام اضافه کردن ماتریس Errors When Adding Matrices

• جابجا شود Transpose

• محصول نقطه ای بردارها Dot Product of Vectors

• محصول نقطه ای ماتریس ها Dot Product of Matrices

• چرا جبر خطی مفید است؟ Why is Linear Algebra Useful

مبانی NumPy NumPy Basics

• بسته NumPy و چرا از آن استفاده می کنیم The NumPy Package and Why We Use It

• نصب/ارتقاء NumPy Installing/Upgrading NumPy

• ندارای Ndarray

• اسناد NumPy The NumPy Documentation

• مبانی NumPy - ورزش NumPy Basics - Exercise

مبانی NumPy NumPy Basics

• بسته NumPy و چرا از آن استفاده می کنیم The NumPy Package and Why We Use It

• نصب/ارتقاء NumPy Installing/Upgrading NumPy

• ندارای Ndarray

• اسناد NumPy The NumPy Documentation

• مبانی NumPy - ورزش NumPy Basics - Exercise

پانداها - اصول اولیه Pandas - Basics

• آشنایی با کتابخانه پانداها Introduction to the pandas Library

• نصب و راه اندازی پانداها Installing and Running pandas

• معرفی سری پانداها Introduction to pandas Series

• کار با ویژگی ها در پایتون Working with Attributes in Python

• استفاده از شاخص در پانداها Using an Index in pandas

• نمایه سازی مبتنی بر برچسب در مقابل نمایه سازی مبتنی بر موقعیت Label-based vs Position-based Indexing

• بیشتر در مورد کار با شاخص ها در پایتون More on Working with Indices in Python

• استفاده از متدها در پایتون - قسمت اول Using Methods in Python - Part I

• استفاده از روش ها در پایتون - قسمت دوم Using Methods in Python - Part II

• پارامترها در مقابل آرگومان ها Parameters vs Arguments

• مستندات پانداها the pandas Documentation

• مقدمه ای بر DataFrames پانداها Introduction to pandas DataFrames

• ایجاد DataFrames از ابتدا - قسمت اول Creating DataFrames from Scratch - Part I

• ایجاد DataFrame از ابتدا - قسمت دوم Creating DataFrames from Scratch - Part II

• نکات اضافی در مورد استفاده از DataFrames Additional Notes on Using DataFrames

• مبانی پانداها - نتیجه گیری pandas Basics - Conclusion

پانداها - اصول اولیه Pandas - Basics

• آشنایی با کتابخانه پانداها Introduction to the pandas Library

• نصب و راه اندازی پانداها Installing and Running pandas

• معرفی سری پانداها Introduction to pandas Series

• کار با ویژگی ها در پایتون Working with Attributes in Python

• استفاده از شاخص در پانداها Using an Index in pandas

• نمایه سازی مبتنی بر برچسب در مقابل نمایه سازی مبتنی بر موقعیت Label-based vs Position-based Indexing

• بیشتر در مورد کار با شاخص ها در پایتون More on Working with Indices in Python

• استفاده از متدها در پایتون - قسمت اول Using Methods in Python - Part I

• استفاده از روش ها در پایتون - قسمت دوم Using Methods in Python - Part II

• پارامترها در مقابل آرگومان ها Parameters vs Arguments

• مستندات پانداها the pandas Documentation

• مقدمه ای بر DataFrames پانداها Introduction to pandas DataFrames

• ایجاد DataFrames از ابتدا - قسمت اول Creating DataFrames from Scratch - Part I

• ایجاد DataFrame از ابتدا - قسمت دوم Creating DataFrames from Scratch - Part II

• نکات اضافی در مورد استفاده از DataFrames Additional Notes on Using DataFrames

• مبانی پانداها - نتیجه گیری pandas Basics - Conclusion

کار با فایل های متنی Working with Text Files

• کار با فایل ها در پایتون - مقدمه Working with Files in Python - An Introduction

• فایل در مقابل شی فایل، خواندن در مقابل تجزیه File vs File Object, Read vs Parse

• داده های ساختاریافته در مقابل داده های نیمه ساختاریافته و بدون ساختار Structured vs Semi-Structured and Unstructured Data

• اتصال داده ها از طریق فایل های متنی Data Connectivity through Text Files

• اصول وارد کردن داده در پایتون Principles of Importing Data in Python

• اطلاعات بیشتر در مورد فایل‌های متنی (*.txt در مقابل *.csv) More on Text Files (*.txt vs *.csv)

• فایل های با عرض ثابت Fixed-width Files

• قراردادهای نامگذاری رایج مورد استفاده در برنامه نویسی Common Naming Conventions Used in Programming

• وارد کردن فایل های متنی در پایتون (open()) Importing Text Files in Python ( open() )

• وارد کردن فایل های متنی در پایتون (با open()) Importing Text Files in Python ( with open() )

• وارد کردن فایل‌های csv *. با پانداها - قسمت اول Importing *.csv Files with pandas - Part I

• وارد کردن فایل‌های csv *. با پانداها - قسمت دوم Importing *.csv Files with pandas - Part II

• وارد کردن فایل‌های csv *. با پانداها - قسمت سوم Importing *.csv Files with pandas - Part III

• وارد کردن داده ها با پارامتر "index_col". Importing Data with the "index_col" Parameter

• وارد کردن داده با NumPy - .loadtxt() در مقابل genfromtxt() Importing Data with NumPy - .loadtxt() vs genfromtxt()

• وارد کردن داده با NumPy - پاکسازی جزئی در حین واردات Importing Data with NumPy - Partial Cleaning While Importing

• وارد کردن داده با NumPy - تمرین Importing Data with NumPy - Exercise

• وارد کردن فایل های *.json Importing *.json Files

• مقدمه کار با فایل های اکسل در پایتون Prelude to Working with Excel Files in Python

• کار با داده های اکسل (فرمت *.xlsx) Working with Excel Data (the *.xlsx Format)

• تمرینی مهم برای وارد کردن داده ها در پایتون An Important Exercise on Importing Data in Python

• وارد کردن داده ها با روش "فشار" پانداها Importing Data with the pandas' "Squeeze" Method

• نکته ای در مورد وارد کردن فایل ها در Jupyter A Note on Importing Files in Jupyter

• ذخیره داده های خود با پانداها Saving Your Data with pandas

• ذخیره داده های خود با NumPy - np.save() Saving Your Data with NumPy - np.save()

• ذخیره داده های خود با NumPy - np.savez() Saving Your Data with NumPy - np.savez()

• ذخیره داده های خود با NumPy - np.savetxt() Saving Your Data with NumPy - np.savetxt()

• ذخیره داده های خود با NumPy - ورزش Saving Your Data with NumPy - Exercise

• کار با فایل های متنی - نتیجه گیری Working with Text Files - Conclusion

کار با فایل های متنی Working with Text Files

• کار با فایل ها در پایتون - مقدمه Working with Files in Python - An Introduction

• فایل در مقابل شی فایل، خواندن در مقابل تجزیه File vs File Object, Read vs Parse

• داده های ساختاریافته در مقابل داده های نیمه ساختاریافته و بدون ساختار Structured vs Semi-Structured and Unstructured Data

• اتصال داده ها از طریق فایل های متنی Data Connectivity through Text Files

• اصول وارد کردن داده در پایتون Principles of Importing Data in Python

• اطلاعات بیشتر در مورد فایل‌های متنی (*.txt در مقابل *.csv) More on Text Files (*.txt vs *.csv)

• فایل های با عرض ثابت Fixed-width Files

• قراردادهای نامگذاری رایج مورد استفاده در برنامه نویسی Common Naming Conventions Used in Programming

• وارد کردن فایل های متنی در پایتون (open()) Importing Text Files in Python ( open() )

• وارد کردن فایل های متنی در پایتون (با open()) Importing Text Files in Python ( with open() )

• وارد کردن فایل‌های csv *. با پانداها - قسمت اول Importing *.csv Files with pandas - Part I

• وارد کردن فایل‌های csv *. با پانداها - قسمت دوم Importing *.csv Files with pandas - Part II

• وارد کردن فایل‌های csv *. با پانداها - قسمت سوم Importing *.csv Files with pandas - Part III

• وارد کردن داده ها با پارامتر "index_col". Importing Data with the "index_col" Parameter

• وارد کردن داده با NumPy - .loadtxt() در مقابل genfromtxt() Importing Data with NumPy - .loadtxt() vs genfromtxt()

• وارد کردن داده با NumPy - پاکسازی جزئی در حین واردات Importing Data with NumPy - Partial Cleaning While Importing

• وارد کردن داده با NumPy - تمرین Importing Data with NumPy - Exercise

• وارد کردن فایل های *.json Importing *.json Files

• مقدمه کار با فایل های اکسل در پایتون Prelude to Working with Excel Files in Python

• کار با داده های اکسل (فرمت *.xlsx) Working with Excel Data (the *.xlsx Format)

• تمرینی مهم برای وارد کردن داده ها در پایتون An Important Exercise on Importing Data in Python

• وارد کردن داده ها با روش "فشار" پانداها Importing Data with the pandas' "Squeeze" Method

• نکته ای در مورد وارد کردن فایل ها در Jupyter A Note on Importing Files in Jupyter

• ذخیره داده های خود با پانداها Saving Your Data with pandas

• ذخیره داده های خود با NumPy - np.save() Saving Your Data with NumPy - np.save()

• ذخیره داده های خود با NumPy - np.savez() Saving Your Data with NumPy - np.savez()

• ذخیره داده های خود با NumPy - np.savetxt() Saving Your Data with NumPy - np.savetxt()

• ذخیره داده های خود با NumPy - ورزش Saving Your Data with NumPy - Exercise

• کار با فایل های متنی - نتیجه گیری Working with Text Files - Conclusion

کار با داده های متنی Working with Text Data

• کار با داده های متنی و مشخص کننده های استدلال Working with Text Data and Argument Specifiers

• دستکاری رشته های پایتون Manipulating Python Strings

• استفاده از روش های مختلف رشته پایتون - قسمت اول Using Various Python String Methods - Part I

• استفاده از روش های مختلف رشته پایتون - قسمت دوم Using Various Python String Methods - Part II

• لوازم جانبی رشته String Accessors

• با استفاده از روش .format() Using the .format() Method

کار با داده های متنی Working with Text Data

• کار با داده های متنی و مشخص کننده های استدلال Working with Text Data and Argument Specifiers

• دستکاری رشته های پایتون Manipulating Python Strings

• استفاده از روش های مختلف رشته پایتون - قسمت اول Using Various Python String Methods - Part I

• استفاده از روش های مختلف رشته پایتون - قسمت دوم Using Various Python String Methods - Part II

• لوازم جانبی رشته String Accessors

• با استفاده از روش .format() Using the .format() Method

ابزارهای ضروری پایتون Must-Know Python Tools

• تکرار اشیاء بیش از محدوده Iterating Over Range Objects

• Nested For Loops - مقدمه Nested For Loops - Introduction

• سه گانه تو در تو برای حلقه ها Triple Nested For Loops

• فهرست درک List Comprehensions

• توابع ناشناس (لامبدا). Anonymous (Lambda) Functions

ابزارهای ضروری پایتون Must-Know Python Tools

• تکرار اشیاء بیش از محدوده Iterating Over Range Objects

• Nested For Loops - مقدمه Nested For Loops - Introduction

• سه گانه تو در تو برای حلقه ها Triple Nested For Loops

• فهرست درک List Comprehensions

• توابع ناشناس (لامبدا). Anonymous (Lambda) Functions

جمع آوری داده ها/جمع آوری داده ها Data Gathering/Data Collection

• گردآوری/جمع آوری داده چیست؟ What is data gathering/data collection?

جمع آوری داده ها/جمع آوری داده ها Data Gathering/Data Collection

• گردآوری/جمع آوری داده چیست؟ What is data gathering/data collection?

API ها (درخواست های POST برای این دوره لازم نیست) APIs (POST requests are not needed for this course)

• مروری بر API ها Overview of APIs

• دریافت و ارسال درخواست ها GET and POST Requests

• فرمت تبادل داده برای API ها: JSON Data Exchange Format for APIs: JSON

• معرفی API نرخ ارز Introducing the Exchange Rates API

• شامل پارامترها در یک درخواست GET Including Parameters in a GET Request

• عملکردهای بیشتر API نرخ ارز More Functionalities of the Exchange Rates API

• کدگذاری یک ماشین حساب ساده تبدیل ارز Coding a Simple Currency Conversion Calculator

• iTunes API iTunes API

• iTunes API: تکالیف iTunes API: Homework

• iTunes API: ساختار و صادرات داده ها iTunes API: Structuring and Exporting the Data

• صفحه بندی: GitHub API Pagination: GitHub API

• API ها: ورزش APIs: Exercise

API ها (درخواست های POST برای این دوره لازم نیست) APIs (POST requests are not needed for this course)

• مروری بر API ها Overview of APIs

• دریافت و ارسال درخواست ها GET and POST Requests

• فرمت تبادل داده برای API ها: JSON Data Exchange Format for APIs: JSON

• معرفی API نرخ ارز Introducing the Exchange Rates API

• شامل پارامترها در یک درخواست GET Including Parameters in a GET Request

• عملکردهای بیشتر API نرخ ارز More Functionalities of the Exchange Rates API

• کدگذاری یک ماشین حساب ساده تبدیل ارز Coding a Simple Currency Conversion Calculator

• iTunes API iTunes API

• iTunes API: تکالیف iTunes API: Homework

• iTunes API: ساختار و صادرات داده ها iTunes API: Structuring and Exporting the Data

• صفحه بندی: GitHub API Pagination: GitHub API

• API ها: ورزش APIs: Exercise

پاکسازی داده ها و پیش پردازش داده ها Data Cleaning and Data Preprocessing

• پاکسازی داده ها و پیش پردازش داده ها Data Cleaning and Data Preprocessing

پاکسازی داده ها و پیش پردازش داده ها Data Cleaning and Data Preprocessing

• پاکسازی داده ها و پیش پردازش داده ها Data Cleaning and Data Preprocessing

سری پانداها pandas Series

• .unique()، .nunique() .unique(), .nunique()

• تبدیل سری به آرایه Converting Series into Arrays

• .sort_values() .sort_values()

• زنجیره صفت و روش Attribute and Method Chaining

• .sort_index() .sort_index()

سری پانداها pandas Series

• .unique()، .nunique() .unique(), .nunique()

• تبدیل سری به آرایه Converting Series into Arrays

• .sort_values() .sort_values()

• زنجیره صفت و روش Attribute and Method Chaining

• .sort_index() .sort_index()

پانداهای دیتا فریم pandas DataFrames

• ویرایشی برای DataFrames پانداها A Revision to pandas DataFrames

• ویژگی های رایج برای کار با DataFrames Common Attributes for Working with DataFrames

• انتخاب داده در DataFrames پانداها Data Selection in pandas DataFrames

• انتخاب داده - نمایه سازی با .iloc[] Data Selection - Indexing with .iloc[]

• انتخاب داده - نمایه سازی با .loc[] Data Selection - Indexing with .loc[]

• چند نظر در مورد استفاده از .loc[] و .iloc[] A Few Comments on Using .loc[] and .iloc[]

پانداهای دیتا فریم pandas DataFrames

• ویرایشی برای DataFrames پانداها A Revision to pandas DataFrames

• ویژگی های رایج برای کار با DataFrames Common Attributes for Working with DataFrames

• انتخاب داده در DataFrames پانداها Data Selection in pandas DataFrames

• انتخاب داده - نمایه سازی با .iloc[] Data Selection - Indexing with .iloc[]

• انتخاب داده - نمایه سازی با .loc[] Data Selection - Indexing with .loc[]

• چند نظر در مورد استفاده از .loc[] و .iloc[] A Few Comments on Using .loc[] and .iloc[]

NumPy Fundamentals NumPy Fundamentals

• نمایه سازی در NumPy Indexing in NumPy

• تخصیص مقادیر در NumPy Assigning Values in NumPy

• ویژگی های عنصری آرایه ها Elementwise Properties of Arrays

• انواع داده های پشتیبانی شده توسط NumPy Types of Data Supported by NumPy

• ویژگی های توابع NumPy قسمت 1 Characteristics of NumPy Functions Part 1

• ویژگی های توابع NumPy قسمت 2 Characteristics of NumPy Functions Part 2

• NumPy Fundamentals - ورزش NumPy Fundamentals - Exercise

NumPy Fundamentals NumPy Fundamentals

• نمایه سازی در NumPy Indexing in NumPy

• تخصیص مقادیر در NumPy Assigning Values in NumPy

• ویژگی های عنصری آرایه ها Elementwise Properties of Arrays

• انواع داده های پشتیبانی شده توسط NumPy Types of Data Supported by NumPy

• ویژگی های توابع NumPy قسمت 1 Characteristics of NumPy Functions Part 1

• ویژگی های توابع NumPy قسمت 2 Characteristics of NumPy Functions Part 2

• NumPy Fundamentals - ورزش NumPy Fundamentals - Exercise

انواع داده NumPy NumPy DataTypes

• دارای ها ndarrays

• آرایه ها در مقابل لیست ها Arrays vs Lists

• رشته ها در مقابل شی در مقابل عدد Strings vs Object vs Number

• NumPy DataTypes - تمرین NumPy DataTypes - Exercise

انواع داده NumPy NumPy DataTypes

• دارای ها ndarrays

• آرایه ها در مقابل لیست ها Arrays vs Lists

• رشته ها در مقابل شی در مقابل عدد Strings vs Object vs Number

• NumPy DataTypes - تمرین NumPy DataTypes - Exercise

کار با آرایه ها Working with Arrays

• برش اولیه در NumPy Basic Slicing in NumPy

• برش گام به گام در NumPy Stepwise Slicing in NumPy

• برش شرطی در NumPy Conditional Slicing in NumPy

• ابعاد و تابع فشار Dimensions and the Squeeze Function

• کار با آرایه ها - تمرین Working with Arrays - Exercise

کار با آرایه ها Working with Arrays

• برش اولیه در NumPy Basic Slicing in NumPy

• برش گام به گام در NumPy Stepwise Slicing in NumPy

• برش شرطی در NumPy Conditional Slicing in NumPy

• ابعاد و تابع فشار Dimensions and the Squeeze Function

• کار با آرایه ها - تمرین Working with Arrays - Exercise

تولید داده با NumPy Generating Data with NumPy

• آرایه های 0 و 1 Arrays of 0s and 1s

• توابع "_like" در NumPy "_like" functions in NumPy

• دنباله ای غیر تصادفی از اعداد A Non-Random Sequence of Numbers

• ژنراتورها و بذرهای تصادفی Random Generators and Seeds

• توابع تصادفی پایه در NumPy Basic Random Functions in NumPy

• توزیع احتمال در NumPy Probability Distributions in NumPy

• کاربردهای داده های تصادفی در NumPy Applications of Random Data in NumPy

• تولید داده با NumPy - تمرین Generating Data with NumPy - Exercise

تولید داده با NumPy Generating Data with NumPy

• آرایه های 0 و 1 Arrays of 0s and 1s

• توابع "_like" در NumPy "_like" functions in NumPy

• دنباله ای غیر تصادفی از اعداد A Non-Random Sequence of Numbers

• ژنراتورها و بذرهای تصادفی Random Generators and Seeds

• توابع تصادفی پایه در NumPy Basic Random Functions in NumPy

• توزیع احتمال در NumPy Probability Distributions in NumPy

• کاربردهای داده های تصادفی در NumPy Applications of Random Data in NumPy

• تولید داده با NumPy - تمرین Generating Data with NumPy - Exercise

آمار با NumPy Statistics with NumPy

• استفاده از توابع آماری در NumPy Using Statistical Functions in NumPy

• مقادیر حداقل و حداکثر در NumPy Minimal and Maximal Values in NumPy

• توابع ترتیب آماری در NumPy Statistical Order Functions in NumPy

• میانگین ها و واریانس ها در NumPy Averages and Variance in NumPy

• کوواریانس و همبستگی در NumPy Covariance and Correlation in NumPy

• هیستوگرام در NumPy (قسمت 1) Histograms in NumPy (Part 1)

• هیستوگرام در NumPy (قسمت 2) Histograms in NumPy (Part 2)

• توابع معادل NAN در NumPy NAN Equivalent Functions in NumPy

• آمار با NumPy - ورزش Statistics with NumPy - Exercise

آمار با NumPy Statistics with NumPy

• استفاده از توابع آماری در NumPy Using Statistical Functions in NumPy

• مقادیر حداقل و حداکثر در NumPy Minimal and Maximal Values in NumPy

• توابع ترتیب آماری در NumPy Statistical Order Functions in NumPy

• میانگین ها و واریانس ها در NumPy Averages and Variance in NumPy

• کوواریانس و همبستگی در NumPy Covariance and Correlation in NumPy

• هیستوگرام در NumPy (قسمت 1) Histograms in NumPy (Part 1)

• هیستوگرام در NumPy (قسمت 2) Histograms in NumPy (Part 2)

• توابع معادل NAN در NumPy NAN Equivalent Functions in NumPy

• آمار با NumPy - ورزش Statistics with NumPy - Exercise

NumPy - پیش پردازش NumPy - Preprocessing

• بررسی مقادیر از دست رفته در Ndarrays Checking for Missing Values in Ndarrays

• جایگزینی مقادیر از دست رفته در Ndarrays Substituting Missing Values in Ndarrays

• تغییر شکل Ndarrays Reshaping Ndarrays

• حذف مقادیر از Ndarrays Removing Values from Ndarrays

• مرتب سازی Ndarrays Sorting Ndarrays

• مرتب سازی آرگومان در NumPy Argument Sort in NumPy

• Argument Where در NumPy Argument Where in NumPy

• به هم زدن Ndarrays Shuffling Ndarrays

• بازیگران Ndarrays Casting Ndarrays

• ارزش گذاری از Ndarrays Striping Values from Ndarrays

• انباشتن Ndarrays Stacking Ndarrays

• ندارای به هم پیوسته Concatenating Ndarrays

• یافتن مقادیر منحصر به فرد در Ndarrays Finding Unique Values in Ndarrays

NumPy - پیش پردازش NumPy - Preprocessing

• بررسی مقادیر از دست رفته در Ndarrays Checking for Missing Values in Ndarrays

• جایگزینی مقادیر از دست رفته در Ndarrays Substituting Missing Values in Ndarrays

• تغییر شکل Ndarrays Reshaping Ndarrays

• حذف مقادیر از Ndarrays Removing Values from Ndarrays

• مرتب سازی Ndarrays Sorting Ndarrays

• مرتب سازی آرگومان در NumPy Argument Sort in NumPy

• Argument Where در NumPy Argument Where in NumPy

• به هم زدن Ndarrays Shuffling Ndarrays

• بازیگران Ndarrays Casting Ndarrays

• ارزش گذاری از Ndarrays Striping Values from Ndarrays

• انباشتن Ndarrays Stacking Ndarrays

• ندارای به هم پیوسته Concatenating Ndarrays

• یافتن مقادیر منحصر به فرد در Ndarrays Finding Unique Values in Ndarrays

یک نمونه داده وام با NumPy A Loan Data Example with NumPy

• راه اندازی: مقدمه ای بر مثال عملی Setting Up: Introduction to the Practical Example

• تنظیم: وارد کردن مجموعه داده Setting Up: Importing the Data Set

• راه‌اندازی: بررسی داده‌های ناقص Setting Up: Checking for Incomplete Data

• تنظیم: تقسیم مجموعه داده Setting Up: Splitting the Dataset

• راه اندازی: ایجاد نقاط بازرسی Setting Up: Creating Checkpoints

• دستکاری داده های متنی: تاریخ صدور Manipulating Text Data: Issue Date

• دستکاری داده های متنی: وضعیت و مدت وام Manipulating Text Data: Loan Status and Term

• دستکاری داده های متنی: درجه و درجه فرعی Manipulating Text Data: Grade and Sub Grade

• دستکاری داده های متنی: وضعیت تأیید و URL Manipulating Text Data: Verification Status & URL

• دستکاری داده های متنی: آدرس ایالت Manipulating Text Data: State Address

• دستکاری داده های متنی: تبدیل رشته ها و ایجاد یک چک پوینت Manipulating Text Data: Converting Strings and Creating a Checkpoint

• دستکاری داده های عددی: جایگزین مقادیر پرکننده Manipulating Numeric Data: Substitute Filler Values

• دستکاری داده های عددی: تغییر ارز - نرخ مبادله Manipulating Numeric Data: Currency Change – The Exchange Rate

• دستکاری داده های عددی: تغییر ارز - از USD به EUR Manipulating Numeric Data: Currency Change - From USD to EUR

• تکمیل مجموعه داده Completing the Dataset

یک نمونه داده وام با NumPy A Loan Data Example with NumPy

• راه اندازی: مقدمه ای بر مثال عملی Setting Up: Introduction to the Practical Example

• تنظیم: وارد کردن مجموعه داده Setting Up: Importing the Data Set

• راه‌اندازی: بررسی داده‌های ناقص Setting Up: Checking for Incomplete Data

• تنظیم: تقسیم مجموعه داده Setting Up: Splitting the Dataset

• راه اندازی: ایجاد نقاط بازرسی Setting Up: Creating Checkpoints

• دستکاری داده های متنی: تاریخ صدور Manipulating Text Data: Issue Date

• دستکاری داده های متنی: وضعیت و مدت وام Manipulating Text Data: Loan Status and Term

• دستکاری داده های متنی: درجه و درجه فرعی Manipulating Text Data: Grade and Sub Grade

• دستکاری داده های متنی: وضعیت تأیید و URL Manipulating Text Data: Verification Status & URL

• دستکاری داده های متنی: آدرس ایالت Manipulating Text Data: State Address

• دستکاری داده های متنی: تبدیل رشته ها و ایجاد یک چک پوینت Manipulating Text Data: Converting Strings and Creating a Checkpoint

• دستکاری داده های عددی: جایگزین مقادیر پرکننده Manipulating Numeric Data: Substitute Filler Values

• دستکاری داده های عددی: تغییر ارز - نرخ مبادله Manipulating Numeric Data: Currency Change – The Exchange Rate

• دستکاری داده های عددی: تغییر ارز - از USD به EUR Manipulating Numeric Data: Currency Change - From USD to EUR

• تکمیل مجموعه داده Completing the Dataset

تمرین "غیبت" - مقدمه The "Absenteeism" Exercise - Introduction

• مقدمه ای بر تمرین "غیبت". An Introduction to the "Absenteeism" Exercise

• تمرین "غیبت" از دیدگاه تجاری The "Absenteeism" Exercise from a Business Perspective

• مجموعه داده The Dataset

تمرین "غیبت" - مقدمه The "Absenteeism" Exercise - Introduction

• مقدمه ای بر تمرین "غیبت". An Introduction to the "Absenteeism" Exercise

• تمرین "غیبت" از دیدگاه تجاری The "Absenteeism" Exercise from a Business Perspective

• مجموعه داده The Dataset

راه حل تمرین "غیبت". Solution to the "Absenteeism" Exercise

• چگونه تمرین غیبت را کامل کنیم How to Complete the Absenteeism Exercise

• ابتدا داده های شما کره چشم Eyeball Your Data First

• توجه: برنامه نویسی در مقابل بقیه جهان Note: Programming vs the Rest of the World

• استفاده از یک رویکرد آماری برای حل تمرین ما Using a Statistical Approach to Solve Our Exercise

• رها کردن ستون "ID". Dropping the 'ID' Column

• تحلیل ستون "دلیل غیبت". Analysis of the 'Reason for Absence' Column

• تقسیم دلایل غیبت به چند متغیر ساختگی Splitting the Reasons for Absence into Multiple Dummy Variables

• کار با متغیرهای ساختگی - یک دیدگاه آماری Working with Dummy Variables - A Statistical Perspective

• گروه بندی دلیل عدم وجود ستون ها Grouping the Reason for Absence Columns

• به هم پیوستن ستون ها در یک DataFrame پانداها Concatenating Columns in a pandas DataFrame

• ترتیب مجدد ستون ها در یک DataFrame Reordering Columns in a DataFrame

• کار بر روی ستون "تاریخ". Working on the 'Date' Column

• استخراج مقدار ماه از ستون "تاریخ". Extracting the Month Value from the 'Date' Column

• ایجاد ستون "روز هفته". Creating the 'Day of the Week' Column

• درک معنای 5 ستون دیگر Understanding the Meaning of 5 More Columns

• اصلاح ستون "آموزش". Modifying the 'Education' Column

• اظهارات پایانی در مورد تمرین غیبت Final Remarks on the Absenteeism Exercise

راه حل تمرین "غیبت". Solution to the "Absenteeism" Exercise

• چگونه تمرین غیبت را کامل کنیم How to Complete the Absenteeism Exercise

• ابتدا داده های شما کره چشم Eyeball Your Data First

• توجه: برنامه نویسی در مقابل بقیه جهان Note: Programming vs the Rest of the World

• استفاده از یک رویکرد آماری برای حل تمرین ما Using a Statistical Approach to Solve Our Exercise

• رها کردن ستون "ID". Dropping the 'ID' Column

• تحلیل ستون "دلیل غیبت". Analysis of the 'Reason for Absence' Column

• تقسیم دلایل غیبت به چند متغیر ساختگی Splitting the Reasons for Absence into Multiple Dummy Variables

• کار با متغیرهای ساختگی - یک دیدگاه آماری Working with Dummy Variables - A Statistical Perspective

• گروه بندی دلیل عدم وجود ستون ها Grouping the Reason for Absence Columns

• به هم پیوستن ستون ها در یک DataFrame پانداها Concatenating Columns in a pandas DataFrame

• ترتیب مجدد ستون ها در یک DataFrame Reordering Columns in a DataFrame

• کار بر روی ستون "تاریخ". Working on the 'Date' Column

• استخراج مقدار ماه از ستون "تاریخ". Extracting the Month Value from the 'Date' Column

• ایجاد ستون "روز هفته". Creating the 'Day of the Week' Column

• درک معنای 5 ستون دیگر Understanding the Meaning of 5 More Columns

• اصلاح ستون "آموزش". Modifying the 'Education' Column

• اظهارات پایانی در مورد تمرین غیبت Final Remarks on the Absenteeism Exercise

تجسم داده ها Data Visualization

• تجسم داده چیست و چرا مهم است؟ What Is Data Visualization and Why Is It Important?

• چرا تجسم داده را یاد بگیریم؟ Why Learn Data Visualization?

• انتخاب تجسم مناسب – برخی از رویکردها و چارچوب های محبوب کدامند Choosing the Right Visualization – What Are Some Popular Approaches and Framewor

• مقدمه ای بر رنگ ها و تئوری رنگ ها Introduction into Colors and Color Theory

• نمودار میله ای - مقدمه - نظریه عمومی و آشنایی با مجموعه داده Bar Chart - Introduction - General Theory and Getting to Know the Dataset

• نمودار میله ای - نحوه ایجاد نمودار میله ای با استفاده از پایتون Bar Chart - How to Create a Bar Chart Using Python

• نمودار میله ای – تفسیر نمودار میله ای. چگونه یک نمودار نواری خوب بسازیم Bar Chart – Interpreting the Bar Graph. How to Make a Good Bar Graph

• نمودار دایره ای - مقدمه - نظریه عمومی و مجموعه داده Pie Chart - Introduction - General Theory and Dataset

• نمودار دایره ای - نحوه ایجاد نمودار پای با استفاده از پایتون Pie Chart - How to Create a Pie Chart Using Python

• نمودار دایره ای – تفسیر نمودار دایره ای Pie Chart – Interpreting the Pie Chart

• نمودار دایره ای - چرا هرگز نباید نمودار دایره ای ایجاد کنید Pie Chart - Why You Should Never Create a Pie Graph

• نمودار مساحت انباشته - مقدمه - نظریه عمومی. آشنایی با مجموعه داده Stacked Area Chart - Introduction - General Theory. Getting to Know the Dataset

• نمودار منطقه انباشته - چگونه با استفاده از پایتون یک نمودار منطقه انباشته ایجاد کنیم Stacked Area Chart - How to Create a Stacked Area Chart Using Python

• نمودار مساحت انباشته - تفسیر نمودار ناحیه انباشته شده Stacked Area Chart - Interpreting the Stacked Area Graph

• نمودار مساحت انباشته - چگونه یک نمودار مساحت پشته ای خوب بسازیم Stacked Area Chart - How to Make a Good Stacked Area Chart

• نمودار خطی - مقدمه - نظریه عمومی. آشنایی با مجموعه داده Line Chart - Introduction - General Theory. Getting to Know the Dataset

• نمودار خطی - نحوه ایجاد نمودار خطی در پایتون Line Chart - How to Create a Line Chart in Python

• نمودار خطی - تفسیر Line Chart - Interpretation

• نمودار خطی - چگونه یک نمودار خطی خوب بسازیم Line Chart - How to Make a Good Line Chart

• هیستوگرام - مقدمه - نظریه عمومی. آشنایی با مجموعه داده Histogram - Introduction - General Theory. Getting to Know the Dataset

• هیستوگرام - نحوه ایجاد یک هیستوگرام با استفاده از پایتون Histogram - How to Create a Histogram Using Python

• هیستوگرام - تفسیر هیستوگرام Histogram – Interpreting the Histogram

• هیستوگرام - انتخاب تعداد سطل ها در یک هیستوگرام Histogram – Choosing the Number of Bins in a Histogram

• هیستوگرام - چگونه یک هیستوگرام خوب بسازیم Histogram - How to Make a Good Histogram

• طرح پراکندگی - مقدمه - نظریه عمومی. آشنایی با مجموعه داده Scatter Plot - Introduction - General Theory. Getting to Know the Dataset

• Scatter Plot - نحوه ایجاد یک Scatter Plot با استفاده از Python Scatter Plot - How to Create a Scatter Plot Using Python

• طرح پراکندگی - تفسیر طرح پراکندگی Scatter Plot – Interpreting the Scatter Plot

• طرح پراکندگی - چگونه یک طرح پراکندگی خوب بسازیم Scatter Plot - How to Make a Good Scatter Plot

• طرح رگرسیون - مقدمه - نظریه عمومی. آشنایی با مجموعه داده Regression Plot - Introduction - General Theory. Getting to Know the Dataset

• نمودار رگرسیون - چگونه با استفاده از پایتون یک نمودار پراکندگی رگرسیون ایجاد کنیم Regression Plot - How to Create a Regression Scatter Plot Using Python

• نمودار رگرسیون - تفسیر نمودار پراکندگی رگرسیون Regression Plot – Interpreting the Regression Scatter Plot

• طرح رگرسیون - چگونه یک طرح رگرسیون خوب بسازیم Regression Plot - How to Make a Good Regression Plot

• نمودار میله ای و خطی - مقدمه - نظریه عمومی. آشنایی با مجموعه داده Bar and Line Chart - Introduction - General Theory. Getting to Know the Dataset

• نمودار میله ای و خطی - نحوه ایجاد یک نوار ترکیبی و نمودار خطی با استفاده از پایتون Bar and Line Chart - How to Create a Combination Bar and Line Graph Using Python

• نمودار میله ای و خطی - تفسیر میله ترکیبی و نمودار خطی Bar and Line Chart – Interpreting the Combination Bar and Line Graph

• نمودار میله‌ای و خطی – چگونه یک نمودار میله‌ای و خطی خوب بسازیم Bar and Line Chart – How to Make a Good Bar and Line Graph

• تجسم داده ها - تمرین Data Visualization - Exercise

تجسم داده ها Data Visualization

• تجسم داده چیست و چرا مهم است؟ What Is Data Visualization and Why Is It Important?

• چرا تجسم داده را یاد بگیریم؟ Why Learn Data Visualization?

• انتخاب تجسم مناسب – برخی از رویکردها و چارچوب های محبوب کدامند Choosing the Right Visualization – What Are Some Popular Approaches and Framewor

• مقدمه ای بر رنگ ها و تئوری رنگ ها Introduction into Colors and Color Theory

• نمودار میله ای - مقدمه - نظریه عمومی و آشنایی با مجموعه داده Bar Chart - Introduction - General Theory and Getting to Know the Dataset

• نمودار میله ای - نحوه ایجاد نمودار میله ای با استفاده از پایتون Bar Chart - How to Create a Bar Chart Using Python

• نمودار میله ای – تفسیر نمودار میله ای. چگونه یک نمودار نواری خوب بسازیم Bar Chart – Interpreting the Bar Graph. How to Make a Good Bar Graph

• نمودار دایره ای - مقدمه - نظریه عمومی و مجموعه داده Pie Chart - Introduction - General Theory and Dataset

• نمودار دایره ای - نحوه ایجاد نمودار پای با استفاده از پایتون Pie Chart - How to Create a Pie Chart Using Python

• نمودار دایره ای – تفسیر نمودار دایره ای Pie Chart – Interpreting the Pie Chart

• نمودار دایره ای - چرا هرگز نباید نمودار دایره ای ایجاد کنید Pie Chart - Why You Should Never Create a Pie Graph

• نمودار مساحت انباشته - مقدمه - نظریه عمومی. آشنایی با مجموعه داده Stacked Area Chart - Introduction - General Theory. Getting to Know the Dataset

• نمودار منطقه انباشته - چگونه با استفاده از پایتون یک نمودار منطقه انباشته ایجاد کنیم Stacked Area Chart - How to Create a Stacked Area Chart Using Python

• نمودار مساحت انباشته - تفسیر نمودار ناحیه انباشته شده Stacked Area Chart - Interpreting the Stacked Area Graph

• نمودار مساحت انباشته - چگونه یک نمودار مساحت پشته ای خوب بسازیم Stacked Area Chart - How to Make a Good Stacked Area Chart

• نمودار خطی - مقدمه - نظریه عمومی. آشنایی با مجموعه داده Line Chart - Introduction - General Theory. Getting to Know the Dataset

• نمودار خطی - نحوه ایجاد نمودار خطی در پایتون Line Chart - How to Create a Line Chart in Python

• نمودار خطی - تفسیر Line Chart - Interpretation

• نمودار خطی - چگونه یک نمودار خطی خوب بسازیم Line Chart - How to Make a Good Line Chart

• هیستوگرام - مقدمه - نظریه عمومی. آشنایی با مجموعه داده Histogram - Introduction - General Theory. Getting to Know the Dataset

• هیستوگرام - نحوه ایجاد یک هیستوگرام با استفاده از پایتون Histogram - How to Create a Histogram Using Python

• هیستوگرام - تفسیر هیستوگرام Histogram – Interpreting the Histogram

• هیستوگرام - انتخاب تعداد سطل ها در یک هیستوگرام Histogram – Choosing the Number of Bins in a Histogram

• هیستوگرام - چگونه یک هیستوگرام خوب بسازیم Histogram - How to Make a Good Histogram

• طرح پراکندگی - مقدمه - نظریه عمومی. آشنایی با مجموعه داده Scatter Plot - Introduction - General Theory. Getting to Know the Dataset

• Scatter Plot - نحوه ایجاد یک Scatter Plot با استفاده از Python Scatter Plot - How to Create a Scatter Plot Using Python

• طرح پراکندگی - تفسیر طرح پراکندگی Scatter Plot – Interpreting the Scatter Plot

• طرح پراکندگی - چگونه یک طرح پراکندگی خوب بسازیم Scatter Plot - How to Make a Good Scatter Plot

• طرح رگرسیون - مقدمه - نظریه عمومی. آشنایی با مجموعه داده Regression Plot - Introduction - General Theory. Getting to Know the Dataset

• نمودار رگرسیون - چگونه با استفاده از پایتون یک نمودار پراکندگی رگرسیون ایجاد کنیم Regression Plot - How to Create a Regression Scatter Plot Using Python

• نمودار رگرسیون - تفسیر نمودار پراکندگی رگرسیون Regression Plot – Interpreting the Regression Scatter Plot

• طرح رگرسیون - چگونه یک طرح رگرسیون خوب بسازیم Regression Plot - How to Make a Good Regression Plot

• نمودار میله ای و خطی - مقدمه - نظریه عمومی. آشنایی با مجموعه داده Bar and Line Chart - Introduction - General Theory. Getting to Know the Dataset

• نمودار میله ای و خطی - نحوه ایجاد یک نوار ترکیبی و نمودار خطی با استفاده از پایتون Bar and Line Chart - How to Create a Combination Bar and Line Graph Using Python

• نمودار میله ای و خطی - تفسیر میله ترکیبی و نمودار خطی Bar and Line Chart – Interpreting the Combination Bar and Line Graph

• نمودار میله‌ای و خطی – چگونه یک نمودار میله‌ای و خطی خوب بسازیم Bar and Line Chart – How to Make a Good Bar and Line Graph

• تجسم داده ها - تمرین Data Visualization - Exercise

نتیجه Conclusion

• نتیجه Conclusion

نتیجه Conclusion

• نتیجه Conclusion