تجزیه و تحلیل سری زمانی: پروژه های عملی و تکنیک های پیشرفته

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه Introduction

• میانبرهای Jupyter Jupyter Shortcuts

• آشنایی با انواع داده ها و ساختارها در پایتون Understanding Data Types and Structures in Python.

• آشنایی با ساختار داده پایتون. Understanding Python Data Structure Wrap up.

تجدید کننده پایتون Python Refresher

• توابع رشته در پایتون قسمت 1 String Functions in Python Part 1

• توابع رشته در پایتون قسمت 2 String Functions in Python Part 2

• توابع رشته در پایتون قسمت 3 String Functions in Python Part 3

• توابع رشته در پایتون قسمت 4 String Functions in Python Part 4

• توابع رشته در پایتون قسمت 5 String Functions in Python Part 5

• لیست ها Lists.

• تاپل ها. Tuples.

• مجموعه ها Sets.

• لغت نامه ها Dictionaries.

• کنترل جریان IF. Control Flow IF.

• برای حلقه قسمت 1. For Loop Part 1.

• برای حلقه قسمت 2. For Loop Part 2.

• while Loop قسمت 1. While Loop Part 1.

• while Loop قسمت 2. While Loop Part 2.

• در حالی که حلقه بهترین شیوه. While Loop Best Practices.

• مقدمه ای بر توابع در پایتون Introduction to Functions in Python.

• توابع در پایتون و آرگومنت ها Functions in Python and Arguments.

• نکات و ترفندهای عملکرد: بازگشت. Function Tips & Tricks: Recursion.

• نکات و ترفندهای عملکرد: توابع دکوراتورها و عملکردهای مرتبه بالاتر. Function Tips & Tricks: Functions Decorators and Higher Order Functions.

• نکات و ترفندهای توابع: توابع لامبدا. Functions Tips & Tricks: Lambda Functions.

• نکات و ترفندهای عملکرد: ذخیره توابع و یادداشت کردن. Function Tips & Tricks: Functions Caching & Memoization.

• مدیریت خطا در پایتون Error Handling in Python.

• فایل ها و ماژول ها در پایتون Files and Modules in Python.

برنامه نویسی شی گرا (OOP) در Python Refresher. Object Oriented Programming (OOP) In Python Refresher.

• ایجاد کلاس ساده Creating Simple Class.

• نمای کلی سازنده. Overviewing Constructor.

• آموزش نحوه ایجاد متدهای Dunder؟ Learning How to creating Dunder Methods?

• یادگیری در مورد وراثت Learning about Inheritance.

• دانستن کپسولاسیون چیست؟ Knowing What is the Encapsulation?

• همچنین یادگیری در مورد وراثت چندگانه. Learning also about Multiple Inheritance.

• دانستن اینکه اصل چیست؟ Knowing What is the Overriding?

• آشنایی با دکوراتورها Learning about Decorators.

• آموزش نحوه استفاده از دکوراتورهای داخلی؟ Learning How to use Build-in Decorators?

پروژه 1: پاندای پایتون + PostgreSQL Project 1: Python Pandas + PostgreSQL

• دانلود و نصب PostgreSQL. PostgreSQL Downloading & Installing.

• ایجاد پایگاه داده Create Database.

• بازیابی پایگاه داده Restore Database.

• استفاده از CMD و Python pip.PyPi برای نصب Jupyter Lab & Pandas. Using CMD & Python pip.PyPi to Install Jupyter Lab & Pandas.

• با استفاده از PostgreSQL یک فایل CSV ایجاد کنید Create a CSV File Using PostgreSQL

• Fetchmany و Fetchall Fetchmany and Fetchall

• اجرای پرس و جوی SQL با استفاده از ماژول Python Panadas. Runnig SQL Query Using Python Panadas Module.

• استفاده از بسته Python Pandas برای بارگیری PostgreSQL فایل خروجی داده. Using Python Pandas Package to load PostgreSQL the Data Output file.

• بررسی اجمالی فرآیند تجزیه و تحلیل داده ها. Data Analysis Process Overview.

• روش پانداها Pandas Methods.

• تجسم داده های پانداها Pandas data visualization.

• تجزیه و تحلیل داده پانداها Pandas Data Analysis.

• خطای نمونه گیری Sampling Error.

پروژه 2: وب را خراش دهید و داده ها را در یک پایگاه داده ذخیره کنید. Project 2: Scrape the Web & Saving Data to a Database.

• چگونه یک وب سایت را خراش دهیم؟؟؟ How to Scrape a website???

• با استفاده از پانداها و ماژول های LXML پایتون، یک جدول را در یک صفحه وب خراش دهید! Scrape a Table inside a Webpage using Pandas and LXML Python Modules!

• تجسم داده های Scarped. Visualization of the Scarped Data.

• داده های خراشیده شده را در یک پایگاه داده ذخیره کنید. Save The Scraped Data to a Database.

پروژه 3: Python Automation AFC (ماژول OS Python). Project 3: Python Automation AFC (OS Python Module).

• دانلود و نصب ویرایشگر متن Sublime. Download & Install of Sublime Text Editor.

• بررسی پروژه. Project Walkthrough.

• پروژه ترتیب محتوای پوشه. Project Arrange Folder Content.

پروژه 4: پروژه اتوماسیون پایتون MPF (ماژول PyPDF2 Python). Project 4: Python Automation Project MPF (PyPDF2 Python Module).

• بررسی پروژه. Project Walkthrough.

• راه حل پروژه Project Solution.

پروژه 5: فهرست ایمیل کسب و کار اتوماسیون پایتون (ماژول پایتون smtplib). Project 5: Python Automation Business Email List (smtplib Python Module).

• قسمت 1 Part 1

• قسمت 2 Part 2

• قسمت 3 Part 3

کتابخانه Numpy Python. Python Numpy Library.

• معرفی Numpy. Numpy Intro.

• Numpy.shape & Numpy.size Numpy.shape & Numpy.size

• ایجاد آرایه های Numpy nd با استفاده از توابع Numpy. Creating Numpy nd arrays using Numpy functions.

• Numpy.unique() و برش آرایه. Numpy.unique( ) & Array slicing.

• محاسبات و اپراتورهای Numpy. Numpy Calculations and Operators.

• انباشته های ناقص. Numpy Aggregations.

• تغییر شکل و جابجایی Numpy. Numpy Reshape and Transposing.

• مقایسه آرایه های Numpy Comparing Numpy Arrays.

• پردازش تصاویر آرایه های Numpy. Numpy Arrays Images Processing.

دسترسی، دستکاری و فیلتر کردن DataFrames. Accessing, Manipulating & Filtering DataFrames.

• دستکاری داده ها با استفاده از DataFrames. Data manipulation using DataFrames.

• دسترسی به داده ها با استفاده از DataFrames. Accessing Data Using DataFrames.

• جمع آوری و خلاصه سازی داده ها. Data aggregation and summarization.

• ستون های جدید ایجاد کنید، موارد غیر ضروری را رها کنید و دستکاری داده های مختلف را انجام دهید Create New Columns, Drop Unnecessary Ones, and Perform Various Data Manipulation

• تکنیک‌های ضروری برای مشاهده و توصیف داده‌های ما در پایتون. Essential Techniques for Peeking at & Describing our Data in Python.

• فیلتر کردن داده ها Filtering Data.

تجسم داده ها در پایتون Data Visualization in Python.

• مقدمه ای بر تجسم داده ها در پایتون Introduction to Data Visualization in Python.

• هیستوگرام - ابزاری قدرتمند برای تجسم توزیع داده ها. Histograms – a Powerful Tool for Visualizing the Distribution of Data.

• تجسم روندها با استفاده از داده های مالی دنیای واقعی. Visualizing Trends using a Real-World Financial Data.

• تعیین و انتخاب نوع قطعه مناسب. Determining and Choosing the Appropriate Plot Type.

تجزیه و تحلیل داده های سری زمانی با استفاده از پایتون Time Series Data Analysis using Python.

• مجموعه داده های مورد استفاده در این بخش Datasets used in this Section.

• مقدمه ای بر تحلیل سری های زمانی. Introduction to Time Series Analysis.

• ایجاد، تبدیل Datetimes از رشته ها و دستکاری داده های Datetime. Creating, Converting Datetimes from Strings & Manipulating Datetime Data.

• دسترسی به ویژگی های Datetime، مقایسه Datetimes، و ساختن Datetime نسبی. Accessing Datetime Attributes, Comparing Datetimes, & Making Relative Datetime.

• درک نرخ رشد سری زمانی و مقایسه قیمت سهام با معیار Understanding Time Series Growth Rates & Comparing Stock Prices with a Benchmark

• تغییر فرکانس سری های زمانی با نمونه برداری و درونیابی. Changing Time Series Frequency By Up-Sampling & Interpolation.

• تغییر فرکانس سری زمانی با نمونه گیری پایین. Changing Time Series Frequency By Down-Sampling.

• توابع پنجره در تحلیل سری زمانی. Window Functions in Time Series Analysis.

• تجزیه و تحلیل سری قیمت سهام با تاخیر. Stocks Prices Series Analysis with Lags.

پروژه 6: تجزیه و تحلیل سری زمانی مجموعه داده های تاریخی بت کوین. Project 6: Time Series Analysis of Betcoin Historical Data dataset.

• معرفی این پروژه Introduction to this Project.

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

• تجسم داده های سری زمانی Visualizing Time Series Data.

• ایجاد مدل های پیش بینی Creating Forecasting Models.

• پیش بینی قیمت بیت کوین در آینده Predicting Future Bitcoin Prices.

پاداش Bonus

• با تشکر Thanks