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

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