NumPy، Pandas، و Python برای تجزیه و تحلیل داده ها: راهنمای کامل

NumPy, Pandas, & Python for Data Analysis: A Complete Guide

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: تکنیک های تجزیه و تحلیل داده ها را با Python، NumPy و Pandas بیاموزید: از پاکسازی داده تا تجسم پیشرفته مقدمه ای بر نوت بوک Jupyter مفاهیم اولیه برنامه نویسی پایتون نصب NumPy و Pandas ایجاد آرایه های NumPy از لیست های Python توابع ریاضی در فایل های NumPy و نوشتن NumPyraum و ReadingPy فهرست‌بندی و انتخاب DataFrame افزودن، حذف و به‌روزرسانی داده‌ها فیلتر کردن، مرتب‌سازی و گروه‌بندی داده‌ها تجزیه و تحلیل و دستکاری سری‌های زمانی شناسایی و مدیریت داده‌های گمشده ادغام، پیوستن و الحاق DataFrame اعمال توابع به DataFrames سفارشی‌سازی نمودارها (عنوان، برچسب‌ها، رنگ‌ها) ایجاد پیچیده تجسم (هیستوگرام، نمودار پراکندگی، نمودار جعبه) تکنیک های بهینه سازی حافظه پیش نیازها: نیازی به دانش قبلی نیست.

در این دوره جامع و عملی، پتانسیل کامل تجزیه و تحلیل داده ها را با NumPy، Pandas و Python باز کنید! چه مبتدی باشید و چه به دنبال تقویت مهارت های خود باشید، این دوره شما را در تمام مواردی که برای تسلط بر تجزیه و تحلیل داده ها با استفاده از قوی ترین کتابخانه های پایتون نیاز دارید، راهنمایی می کند.


شما یاد خواهید گرفت که:


  • پایتون برای تجزیه و تحلیل داده ها: به اصول پایتون، محبوب ترین زبان برای علوم داده، از جمله مفاهیم برنامه نویسی اصلی و کتابخانه های ضروری تسلط داشته باشید.

  • ملزومات NumPy: برای محاسبات عددی سریع، دستکاری آرایه‌ها و بهینه‌سازی عملکرد به NumPy بروید.

  • تسلط Pandas: یاد بگیرید چگونه با استفاده از Pandas، کتابخانه قدرتمند دستکاری داده، با مجموعه داده های بزرگ کار کنید. داده های دنیای واقعی را به راحتی مدیریت، تمیز، تبدیل و تجزیه و تحلیل کنید.

  • تجسم داده ها: نحوه نمایش داده های خود را به صورت بصری برای به دست آوردن بینش با استفاده از کتابخانه های Python مانند Matplotlib و Seaborn بدانید.

  • پروژه‌های دنیای واقعی: دانش خود را در مجموعه داده‌های دنیای واقعی اعمال کنید، از ابتدا تا انتها با چالش‌های داده مقابله کنید—کاوش، تمیز کردن، و ترسیم بینش.


آنچه یاد خواهید گرفت:


  • مبانی برنامه نویسی پایتون برای تجزیه و تحلیل داده ها

  • مقدمه ای بر NumPy: آرایه ها، عملیات، و تکنیک های عملکرد

  • غواصی عمیق در پانداها: DataFrames، Series و دستکاری پیشرفته داده

  • تکنیک های پاکسازی و پیش پردازش داده

  • تحلیل داده های اکتشافی (EDA) با پانداها

  • مطالعات موردی در دنیای واقعی و پروژه‌های عملی


امروز ثبت نام کنید و اولین قدم را برای تسلط بر تجزیه و تحلیل داده ها با Python، NumPy، و Pandas بردارید!


سرفصل ها و درس ها

ماژول 1: مقدمه ای بر پایتون برای تجزیه و تحلیل داده ها Module 1: Introduction to Python for Data Analysis

  • مفاهیم اولیه برنامه نویسی پایتون Basic Python programming concepts

  • درک تجزیه و تحلیل داده ها Understanding data analysis

ماژول 2: مقدمه ای بر NumPy Module 2: Introduction to NumPy

  • ایجاد آرایه های NumPy از لیست های پایتون Creating NumPy arrays from Python lists

  • نمایه سازی آرایه، برش و شکل دهی مجدد Array indexing, slicing, and reshaping

  • عملیات پایه با آرایه های NumPy Basic operations with NumPy arrays

  • توابع ریاضی در NumPy Mathematical functions in NumPy

  • کار با آرایه های چند بعدی Working with multidimensional arrays

  • تولید اعداد تصادفی Random number generation

  • خواندن و نوشتن فایل ها با NumPy Reading and writing files with NumPy

ماژول 3: آشنایی با پانداها Module 3: Introduction to Pandas

  • ایجاد و درک DataFrame Creating and understanding DataFrames

  • وارد کردن و صادر کردن داده ها (CSV، Excel، JSON) Importing and exporting data (CSV, Excel, JSON)

  • فهرست بندی و انتخاب DataFrame DataFrame indexing and selection

  • افزودن، حذف و به روز رسانی داده ها Adding, removing, and updating data

  • رسیدگی به داده های از دست رفته Handling missing data

  • فیلتر کردن، مرتب سازی و گروه بندی داده ها Data filtering, sorting, and grouping

  • درک داده های سری زمانی Understanding time series data

  • کار با تاریخ و زمان در پانداها Working with dates and times in Pandas

  • تجزیه و تحلیل و دستکاری سری های زمانی Time series analysis and manipulation

ماژول 4: پاکسازی و آماده سازی داده ها Module 4: Data Cleaning and Preparation

  • شناسایی و رسیدگی به داده های از دست رفته Identifying and handling missing data

  • حذف موارد تکراری Removing duplicates

  • تبدیل و عادی سازی داده ها Data transformation and normalization

  • ادغام، پیوستن، و الحاق DataFrameها Merging, joining, and concatenating DataFrames

  • تغییر شکل و چرخش داده ها Reshaping and pivoting data

  • اعمال توابع در DataFrames Applying functions to DataFrames

ماژول 5: تجسم داده ها با پانداها Module 5: Data Visualization with Pandas

  • اهمیت تجسم داده ها Importance of data visualization

  • توطئه اولیه با پانداها Basic plotting with Pandas

  • سفارشی کردن طرح ها (عناوین، برچسب ها، رنگ ها) Customizing plots (titles, labels, colors)

  • ایجاد تجسم های پیچیده (هیستوگرام، نمودار پراکندگی، نمودار جعبه) Creating complex visualizations (histograms, scatter plots, box plots)

ماژول 7: مباحث پیشرفته در تجزیه و تحلیل داده ها Module 7: Advanced Topics in Data Analysis

  • تکنیک های بهینه سازی حافظه Memory optimization techniques

  • محاسبات کارآمد با مجموعه داده های بزرگ Efficient computation with large datasets

  • آماده سازی داده ها برای یادگیری ماشینی Preparing data for machine learning

  • کار با تاریخ و زمان در پانداها Working with dates and times in Pandas

  • الگوریتم های اصلی یادگیری ماشین با استفاده از Pandas و NumPy Basic machine learning algorithms using Pandas and NumPy

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

NumPy، Pandas، و Python برای تجزیه و تحلیل داده ها: راهنمای کامل
جزییات دوره
4.5 hours
33
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
4,005
4.4 از 5
ندارد
دارد
دارد
Sara Academy
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Sara Academy Sara Academy

برنامه نویس | برنامه نویس اندروید | طراح وب | مربی