آموزش تحلیل داده‌ها با پایتون - آخرین آپدیت

مقدمه‌ای بر پایتون Introduction to Python

• معرفی برنامه Introduction to the Program

• ویدئوی معرفی مدرس Instructor Introduction Video

• رویکرد تحلیل داده‌ها با چارچوب OSEMN Approaching Data Analysis with the OSEMN Framework

• چرا پایتون برای تحلیل داده‌ها؟ Why Python for Data Analysis

• دفترچه Jupyter: محیط نوشتن کدها Jupyter Notebook: Where We Write Our Code

• مبانی استفاده از Jupyter Notebook Basics of Using Jupyter Notebook

• استفاده از Jupyter Notebook در کورسرا Using Jupyter Notebook on Coursera

• بررسی نمونه‌ای از یک دفترچه معمولی در فعالیت‌های کورسرا Reviewing Example of a Typical Notebook on Coursera Activity

مفاهیم پایه پایتون Basic Python Concepts

• متغیر در پایتون به چه معناست؟ What Does a Variable Mean in Python?

• انواع متغیرها Variable Types

• کار با انواع داده‌ها در پایتون Working with Types in Python

• تمرین بررسی متغیرها در پایتون Reviewing Variables in Python Activity

• لیست‌ها و تاپل‌ها Lists & Tuples

• تمرین بررسی لیست‌ها و تاپل‌ها Reviewing Lists & Tuples Activity

• دیکشنری‌ها Dictionaries

• تمرین بررسی دیکشنری‌ها Reviewing Dictionaries Activity

• مقادیر بولی (Booleans) در پایتون Booleans in Python

• تمرین استفاده از مقادیر بولی Reviewing Using Booleans Activity

• دستورات شرطی Conditional Statements

• تمرین استفاده از شرط‌ها Reviewing Using Conditionals Activity

استخراج و پاک‌سازی داده‌ها با Pandas Obtaining and Scrubbing Data with Pandas

• مقدمه‌ای بر کتابخانه‌ها Introduction to Libraries

• کتابخانه Pandas چیست؟ What is Pandas?

• کار با Series و DataFrames در پایتون Working with Pandas Series & DataFrames

• تمرین بررسی Pandas Reviewing Pandas Activity

• استخراج زیرمجموعه‌ها با Pandas Subsets with Pandas

• تمرین استخراج زیرمجموعه‌های انتخابی Reviewing Selective Subsets Activity

• پاک‌سازی (Scrubbing) چیست؟ What is Scrubbing?

• حذف داده‌ها Removing Data

• تمرین حذف داده‌ها Reviewing Removing Data Activity

• تغییر مقادیر Modifying Values

• جایگزینی مقادیر Replacing Values

• تمرین جایگزینی مقادیر Reviewing Replacing Values Activity

کاوش در داده‌ها با پایتون Exploring Data with Python

• چرا کاوش در داده‌ها؟ Why Exploration?

• رابطه کاوش و پاک‌سازی Exploring Relates to Scrubbing

• کاوش: آمار پایه Exploration: Basic Statistics

• کاوش: فیلتر کردن داده‌ها Exploration: Filtering Data

• تمرین بررسی کاوش پایه Reviewing Basic Exploration Activity

• یک تصویر گویاتر از هزار کلمه است A Picture is Worth a Thousand Words

• مقدمه‌ای بر هدف از بصری‌سازی Introduction to the Purpose of Visualizations

• انواع بصری‌سازی‌های اکتشافی: توزیع‌ها Types of Exploratory Visualizations: Distributions

• انواع بصری‌سازی‌های اکتشافی: دسته‌بندی Types of Exploratory Visualizations: Category

• انواع بصری‌سازی‌های اکتشافی: روابط Types of Exploratory Visualizations: Relationship

• استفاده از Pandas و Matplotlib برای ایجاد بصری‌سازی Using Pandas and Matplotlib to Create Visualizations

• تمرین ایجاد بصری‌سازی‌ها Reviewing Creating Visualizations Activity

• درک بصری‌سازی‌ها برای کاوش Understanding Visualizations for Exploration

• تمرین کاوش با استفاده از بصری‌سازی Reviewing Exploring with Visualization Activity

• نقش تجمیع (Aggregations) در درک داده‌ها Where Aggregations Help Us Understand Data

• کار با گروه‌ها در Pandas Working with Groups in Pandas

• تمرین بررسی تجمیع داده‌ها Reviewing Aggregations Activity

مدل‌سازی و تفسیر داده‌ها با پایتون Modeling and Interpreting Data with Python

• مدل‌سازی و تفسیر داده‌ها Modeling & Interpreting Data

• نمای کلی مدل‌سازی Overview of Modeling

• مدل‌سازی با پایتون Modeling with Python

• نمای کلی تفسیر داده‌ها Overview of Interpreting

• تفسیر نتایج مدل Interpreting Model Results

• بصری‌سازی‌های اکتشافی در مقابل تبیینی Exploratory vs. Explanatory Visualizations

• ایجاد بصری‌سازی‌های تبیینی (Explanatory) Creating Explanatory Visualizations

• OSEMN: جمع‌بندی نهایی OSEMN: Tying It All Together

• تمرین بررسی کامل چرخه OSEMN Reviewing Full OSEMN Activity