🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش تجزیه و تحلیل داده های پایتون (2020)
- آخرین آپدیت
دانلود Python Data Analysis (2020)
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
علم داده در حال تغییر روشی است که رهبران دولت و صنعت به مشکلات خاص و جهان در کل نگاه می کنند. کنجکاو در مورد چگونگی عملکرد تجزیه و تحلیل داده ها در عمل؟ در این دوره ، مربی میشل والیسنرنی به شما نشان می دهد که چگونه ، توضیح می دهد که برای شروع کار با داده های با استفاده از پایتون چه کاری لازم است.
میشل نحوه تنظیم محیط تجزیه و تحلیل خود را نشان می دهد و در مورد اصول کار با ساختارهای داده در پایتون ، تازه کننده ای را ارائه می دهد. سپس ، او به چیزهای بزرگ پرش می کند: قدرت آرایه ها ، نمایه سازی و جداول در Numpy و Pandas-دو بسته محبوب شخص ثالث که به طور خاص برای تجزیه و تحلیل داده ها طراحی شده اند. او همچنین دو نمونه از پروژه های بزرگ داده ها را طی می کند: با استفاده از NUMPY برای شناسایی و تجسم الگوهای آب و هوا و استفاده از پاندا برای تجزیه و تحلیل محبوبیت نام کودک در قرن گذشته. چالش های صادر شده در این راه به شما کمک می کند تا آنچه را آموخته اید تمرین کنید.
توجه: این نسخه از دوره به روز شد تا منعکس کننده تغییرات اخیر در Python 3 ، Numpy و Pandas باشد.
سرفصل ها و درس ها
مقدمه
Introduction
خوش آمدی
Welcome
در تجزیه و تحلیل داده ها با پایتون شروع کنید
Get started in data analysis with Python
چه چیزی میخواهید بدانید
What you need to know
آنچه در این بروزرسانی جدید است
What's new in this update
فایل های تمرینی
Exercise files
1. نصب و راه اندازی
1. Installation and Setup
Anaconda Python را روی سیستم عامل X نصب کنید
Install Anaconda Python on OS X
توزیع توزیع آناکوندا پایتون
Installing the Anaconda Python distribution
نوشتن و اجرای پایتون در نوت بوک iPython
Writing and running Python in the iPython notebook
کار با نوت بوک های Jupyter
Working with Jupyter Notebooks
با استفاده از پایتون در ابر
Using Python in the cloud
Anaconda Python را روی ویندوز نصب کنید
Install Anaconda Python on Windows
با استفاده از پرونده های ورزش
Using the exercise files
2. تازه کردن: محتویات داده در پایتون
2. Refresher: Data Containers in Python
بررسی اجمالی ظروف پایتون
Python containers overview
با استفاده از لیست های پایتون و نحو برش
Using Python lists and the slicing syntax
با استفاده از لغت نامه های پایتون
Using Python dictionaries
درکها
Comprehensions
2 ساختار داده در پایتون خالص
2. Data Structures in Pure Python
درک
Comprehensions
ظروف پیشرفته پایتون
Advanced Python containers
گرم کردن با حلقه های پایتون
Warmup with Python loops
توالی ها: لیست ها ، تاپ ها و نحو برش
Sequences: Lists, tuples, and the slicing syntax
فرهنگ لغت و مجموعه
Dictionaries and sets
3. کلمات Anagrams در پایتون
3. Word Anagrams in Python
بررسی اجمالی anagram
Word anagram overview
بارگیری فرهنگ لغت
Loading the dictionary
پیدا کردن anagrams
Finding anagrams
چالش
Challenge
راه حل
Solution
3. Wordplay: anagrams و palindromes
3. Wordplay: Anagrams and Palindromes
بارگیری فرهنگ لغت
Loading a dictionary
نمای کلی anagrams
Anagrams overview
راه حل: Palindromes
Solution: Palindromes
چالش: Palindromes
Challenge: Palindromes
پیدا کردن آناگرام
Finding anagrams
4. آشنایی با NumPy
4. Introduction to NumPy
نمای کلی NumPy
NumPy overview
ایجاد آرایه های NumPy
Creating NumPy arrays
انجام ریاضی با آرایه ها
Doing math with arrays
نمایه سازی و برش
Indexing and slicing
سوابق و تاریخ
Records and dates
4. آرایه هایی با numpy
4. Arrays with NumPy
انجام ریاضیات با آرایه های numpy
Doing math with NumPy arrays
نمای کلی NUMPY
NumPy overview
ایجاد آرایه های numpy
Creating NumPy arrays
نمایه سازی آرایه های numpy
Indexing NumPy arrays
آرایه های ویژه: سوابق و تاریخ
Special arrays: Records and dates
5. داده های آب و هوا با NumPy
5. Weather Data with NumPy
نمای کلی اطلاعات هوا
Weather data overview
بارگیری و تجزیه فایل های داده
Downloading and parsing data files
تجزیه و تحلیل دما
Temperature analysis
ادغام داده های از دست رفته
Integrating missing data
هموار سازی داده ها
Smoothing data
محاسبه سوابق روزانه
Computing daily records
چالش
Challenge
راه حل
Solution
5. استفاده از مورد: داده های آب و هوا
5. Use Case: Weather Data
بارگذاری ایستگاه و داده های دما
Loading station and temperature data
بررسی اجمالی مورد استفاده
Overview of use case
پر کردن مقادیر گمشده
Filling missing values
نمودارهای آب و هوا
Weather charts
سری زمانی هموار سازی
Smoothing time series
چالش: ناهنجاری های آب و هوا
Challenge: Weather anomalies
راه حل: ناهنجاری های آب و هوا
Solution: Weather anomalies
6. آشنایی با پاندا
6. Introduction to Pandas
نمای کلی پاندا
Pandas overview
سریال در پاندا
Series in Pandas
DataFrames در پاندا
DataFrames in Pandas
با استفاده از شاخص های چند سطحی
Using multilevel indices
تجمع
Aggregation
6. پاندا
6. pandas
توطئه
Plotting
بررسی اجمالی پاندا
pandas overview
نمایه سازی در پاندا
Indexing in pandas
dataframes و سری
DataFrames and Series
7. نام های کودک با پاندا
7. Baby Names with Pandas
نمای کلی نام کودک
Baby name overview
بارگیری مجموعه داده ها
Loading datasets
نام محبوبیت
Name popularity
ده سال برتر
A yearly top ten
نام FAD ها
Name fads
چالش
Challenge
راه حل
Solution
7. از مورد استفاده کنید: نام کودک
7. Use Case: Baby Names
ده نام برتر سالانه
Yearly top ten names
راه حل: نام کودک Unisex
Solution: Unisex baby names
مقایسه محبوبیت نام
Comparing name popularity
بررسی اجمالی مورد استفاده
Overview of use case
بارگیری مجموعه داده ها
Loading data sets
چالش: نام کودک Unisex
Challenge: Unisex baby names
Michele Vallisneri یک اخترفیزیکدان نظری در آزمایشگاه پیشرانش جت ناسا است.
او دکترای فیزیک خود را در موسسه فناوری کالیفرنیا در سال 2002 به دست آورد. تحقیقات او شامل تشخیص و تفسیر امواج گرانشی با LIGO ، در فضا و زمان بندی تپنده است. او متخصص تجزیه و تحلیل داده ها ، استنتاج بیزی و فیزیک محاسباتی است و معتقد است که برنامه نویسی شفاف و زیبا می تواند سخت ترین مشکلات را روشن کند. او یکی از اعضای انجمن فیزیک آمریکا است و به او مدال دستاوردهای علمی استثنایی ناسا اهدا شد.
نمایش نظرات