آموزش مقدمه ای بر علم داده

سرفصل ها و درس ها

مقدمه Introduction

• اکتشاف علوم داده خود را شروع کنید Beginning your data science exploration

1. تعریف علم داده 1. Defining Data Science

• علم داده چیست؟ What is data science?

• چرا علم داده؟ Why data science?

2- چرخه عمر علوم داده 2. Data Science Life Cycle

• چرخه عمر علم داده چیست؟ What is the data science life cycle?

3. طراحی داده ها 3. Data Design

• نمونه گیری احتمالی Probability sampling

4- ابزارهای محاسباتی 4. Computational Tools

• پایتون در مقابل R Python vs. R

• تنظیم محیط: Jupyter Set up the environment: Jupyter

5. داده های جداول 5. Tabular Data

• داده های جدولی چیست؟ What is tabular data?

• خواندن داده های جدولی Reading tabular data

• جمع آوری بینش Gathering insights

• پاسخ به سؤالات خاص Answering specific questions

6. تجزیه و تحلیل داده های اکتشافی 6. Exploratory Data Analysis

• تجزیه و تحلیل داده های اکتشافی چیست؟ What is exploratory data analysis?

• انواع داده های آماری Statistical data types

• خصوصیات داده ها Properties of data

7. تمیز کردن داده ها 7. Data Cleaning

• تمیز کردن داده ها چیست؟ What is data cleaning?

• سؤالاتی که باید قبل از تمیز کردن بپرسید Questions to ask before cleaning

8. تجسم داده ها 8. Data Visualization

• تجسم داده ها چیست؟ What is data visualization?

• داده های کیفی را تجسم کنید Visualize qualitative data

• داده های کمی را تجسم کنید Visualize quantitative data

9. استنباط 9. Inference

• استنباط چیست؟ What is inference?

• آزمون فرضیه طراحی کنید Design a hypothesis test

• انجام آزمایش جایزه Conduct a permutation test

• یک فاصله اطمینان برای بوت شدن استفاده کنید Bootstrap a confidence interval

10. طبقه بندی 10. Classification

• طبقه بندی چیست؟ What is classification?

• معرفی به الگوریتم k-نزدیکترین همسایه Intro to k-Nearest Neighbor algorithm

نتیجه Conclusion

• مراحل بعدی Next steps