لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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)
نمایش نظرات