آموزش پایتون برای تجزیه و تحلیل داده ها و تجسم نسخه 1

Learning Python for Data Analysis and Visualization Ver 1

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: پایتون و نحوه استفاده از آن برای تجزیه و تحلیل، تجسم و ارائه داده ها را بیاموزید. شامل هزاران کد نمونه و ساعت ها ویدیو! دارای سطح مهارت متوسط ​​در برنامه نویسی پایتون. از محیط نوت بوک Jupyter استفاده کنید. از کتابخانه numpy برای ایجاد و دستکاری آرایه ها استفاده کنید. از ماژول pandas با پایتون برای ایجاد و ساختار داده استفاده کنید. یاد بگیرید که چگونه با فرمت های مختلف داده در پایتون کار کنید، از جمله: JSON، HTML، و کاربرگ های MS Excel. تجسم داده ها را با استفاده از matplotlib و ماژول های دریایی با پایتون ایجاد کنید. مجموعه ای از پروژه های مختلف تجزیه و تحلیل داده ها را داشته باشید. پیش نیازها:مهارت های پایه ریاضی. مهارت های پایه تا متوسط ​​پایتون یک کامپیوتر (اعم از مک، ویندوز یا لینوکس) داشته باشید که میل به یادگیری دارید!


این دوره به شما منابعی برای یادگیری پایتون و استفاده موثر از آن برای تجزیه و تحلیل و تجسم داده ها می دهد! حرفه خود را در علم داده شروع کنید!

شما درک کاملی از نحوه برنامه نویسی با پایتون و نحوه استفاده از آن در ارتباط با ماژول ها و کتابخانه های محاسباتی علمی برای تجزیه و تحلیل داده ها خواهید داشت.

همچنین به بیش از 100 نمونه نوت بوک کد پایتون، ویدیوهای جدید و به روز شده، و همچنین افزوده های آینده پروژه های تجزیه و تحلیل داده های مختلف که می توانید برای نمونه کارها برای نشان دادن کارفرمایان آینده استفاده کنید، مادام العمر دسترسی خواهید داشت!

در پایان این دوره شما:

- درک درستی از نحوه برنامه نویسی در پایتون داشته باشید.

- نحوه ایجاد و دستکاری آرایه ها با استفاده از Numpy و Python را بدانید.

- نحوه استفاده از پانداها برای ایجاد و تجزیه و تحلیل مجموعه داده ها را بدانید.

- نحوه استفاده از کتابخانه های matplotlib و seaborn برای ایجاد تجسم داده های زیبا را بدانید.

- یک نمونه کار شگفت انگیز از نمونه پروژه های تجزیه و تحلیل داده پایتون داشته باشید!

- درک درستی از یادگیری ماشین و SciKit Learn داشته باشید!

با بیش از 100 سخنرانی و بیش از 20 ساعت اطلاعات و بیش از 100 نمونه نوت بوک کد پایتون، شما به خوبی برای آینده ای در علم داده آماده خواهید شد!


لطفاً مطمئن شوید که کل صفحه را مطالعه کرده اید تا متوجه شوید که آیا دوره نسخه صحیح برای شما است یا خیر.


سرفصل ها و درس ها

معرفی دوره و پایتون Intro to Course and Python

  • معرفی دوره Course Intro

  • سوالات متداول دوره Course FAQs

معرفی دوره و پایتون Intro to Course and Python

  • معرفی دوره Course Intro

  • سوالات متداول دوره Course FAQs

برپایی Setup

  • نصب و راه اندازی و نمای کلی Installation Setup and Overview

  • IDE ها و منابع دوره IDEs and Course Resources

  • مروری بر نوت بوک iPython/Jupyter iPython/Jupyter Notebook Overview

برپایی Setup

  • نصب و راه اندازی و نمای کلی Installation Setup and Overview

  • IDE ها و منابع دوره IDEs and Course Resources

  • مروری بر نوت بوک iPython/Jupyter iPython/Jupyter Notebook Overview

آموزش Numpy Learning Numpy

  • معرفی numpy Intro to numpy

  • ایجاد آرایه ها Creating arrays

  • استفاده از آرایه ها و اسکالرها Using arrays and scalars

  • آرایه های نمایه سازی Indexing Arrays

  • انتقال آرایه Array Transposition

  • تابع آرایه جهانی Universal Array Function

  • پردازش آرایه Array Processing

  • ورودی و خروجی آرایه Array Input and Output

آموزش Numpy Learning Numpy

  • معرفی numpy Intro to numpy

  • ایجاد آرایه ها Creating arrays

  • استفاده از آرایه ها و اسکالرها Using arrays and scalars

  • آرایه های نمایه سازی Indexing Arrays

  • انتقال آرایه Array Transposition

  • تابع آرایه جهانی Universal Array Function

  • پردازش آرایه Array Processing

  • ورودی و خروجی آرایه Array Input and Output

معرفی پانداها Intro to Pandas

  • سلسله Series

  • DataFrames DataFrames

  • اشیاء شاخص Index objects

  • فهرست مجدد Reindex

  • رها کردن ورود Drop Entry

  • انتخاب ورودی ها Selecting Entries

  • تراز داده ها Data Alignment

  • رتبه و مرتب سازی Rank and Sort

  • آمار خلاصه Summary Statistics

  • داده های از دست رفته Missing Data

  • سلسله مراتب شاخص Index Hierarchy

معرفی پانداها Intro to Pandas

  • سلسله Series

  • DataFrames DataFrames

  • اشیاء شاخص Index objects

  • فهرست مجدد Reindex

  • رها کردن ورود Drop Entry

  • انتخاب ورودی ها Selecting Entries

  • تراز داده ها Data Alignment

  • رتبه و مرتب سازی Rank and Sort

  • آمار خلاصه Summary Statistics

  • داده های از دست رفته Missing Data

  • سلسله مراتب شاخص Index Hierarchy

کار با داده: قسمت 1 Working with Data: Part 1

  • خواندن و نوشتن فایل های متنی Reading and Writing Text Files

  • JSON با پایتون JSON with Python

  • HTML با پایتون HTML with Python

  • فایل های مایکروسافت اکسل با پایتون Microsoft Excel files with Python

کار با داده: قسمت 1 Working with Data: Part 1

  • خواندن و نوشتن فایل های متنی Reading and Writing Text Files

  • JSON با پایتون JSON with Python

  • HTML با پایتون HTML with Python

  • فایل های مایکروسافت اکسل با پایتون Microsoft Excel files with Python

کار با داده: قسمت 2 Working with Data: Part 2

  • ادغام Merge

  • ادغام در ایندکس Merge on Index

  • الحاق Concatenate

  • ترکیب DataFrames Combining DataFrames

  • تغییر شکل دادن Reshaping

  • چرخش Pivoting

  • موارد تکراری در DataFrames Duplicates in DataFrames

  • نقشه برداری Mapping

  • جایگزین کردن Replace

  • تغییر نام فهرست Rename Index

  • بنینگ Binning

  • موارد پرت Outliers

  • جایگشت Permutation

کار با داده: قسمت 2 Working with Data: Part 2

  • ادغام Merge

  • ادغام در ایندکس Merge on Index

  • الحاق Concatenate

  • ترکیب DataFrames Combining DataFrames

  • تغییر شکل دادن Reshaping

  • چرخش Pivoting

  • موارد تکراری در DataFrames Duplicates in DataFrames

  • نقشه برداری Mapping

  • جایگزین کردن Replace

  • تغییر نام فهرست Rename Index

  • بنینگ Binning

  • موارد پرت Outliers

  • جایگشت Permutation

کار با داده ها: قسمت 3 Working with Data: Part 3

  • GroupBy در DataFrames GroupBy on DataFrames

  • GroupBy در دیکت و سری GroupBy on Dict and Series

  • تجمع Aggregation

  • تقسیم اعمال و ترکیب Splitting Applying and Combining

  • جدول بندی متقاطع Cross Tabulation

کار با داده ها: قسمت 3 Working with Data: Part 3

  • GroupBy در DataFrames GroupBy on DataFrames

  • GroupBy در دیکت و سری GroupBy on Dict and Series

  • تجمع Aggregation

  • تقسیم اعمال و ترکیب Splitting Applying and Combining

  • جدول بندی متقاطع Cross Tabulation

تجسم داده ها Data Visualization

  • نصب Seaborn Installing Seaborn

  • هیستوگرام ها Histograms

  • نمودارهای تخمین چگالی هسته Kernel Density Estimate Plots

  • ترکیب سبک های طرح Combining Plot Styles

  • نقشه های جعبه و ویولن Box and Violin Plots

  • نمودارهای رگرسیون Regression Plots

  • نقشه های حرارتی و ماتریس های خوشه ای Heatmaps and Clustered Matrices

تجسم داده ها Data Visualization

  • نصب Seaborn Installing Seaborn

  • هیستوگرام ها Histograms

  • نمودارهای تخمین چگالی هسته Kernel Density Estimate Plots

  • ترکیب سبک های طرح Combining Plot Styles

  • نقشه های جعبه و ویولن Box and Violin Plots

  • نمودارهای رگرسیون Regression Plots

  • نقشه های حرارتی و ماتریس های خوشه ای Heatmaps and Clustered Matrices

پروژه های نمونه Example Projects.

  • پیش نمایش پروژه های داده Data Projects Preview

  • مقدمه ای بر پروژه های داده Intro to Data Projects

  • پروژه تایتانیک - قسمت 1 Titanic Project - Part 1

  • پروژه تایتانیک - قسمت 2 Titanic Project - Part 2

  • پروژه تایتانیک - قسمت 3 Titanic Project - Part 3

  • پروژه تایتانیک - قسمت 4 Titanic Project - Part 4

  • مقدمه ای بر پروژه داده - تحلیل بازار سهام Intro to Data Project - Stock Market Analysis

  • پروژه داده - تحلیل بازار سهام قسمت 1 Data Project - Stock Market Analysis Part 1

  • پروژه داده - تجزیه و تحلیل بازار سهام قسمت 2 Data Project - Stock Market Analysis Part 2

  • پروژه داده - تحلیل بازار سهام قسمت 3 Data Project - Stock Market Analysis Part 3

  • پروژه داده - تحلیل بازار سهام قسمت 4 Data Project - Stock Market Analysis Part 4

  • پروژه داده - تحلیل بازار سهام قسمت 5 Data Project - Stock Market Analysis Part 5

  • پروژه داده - مقدمه ای بر تحلیل انتخابات Data Project - Intro to Election Analysis

  • پروژه داده - تحلیل انتخابات قسمت 1 Data Project - Election Analysis Part 1

  • پروژه داده - تحلیل انتخابات قسمت 2 Data Project - Election Analysis Part 2

  • پروژه داده - تحلیل انتخابات قسمت 3 Data Project - Election Analysis Part 3

  • پروژه داده - تحلیل انتخابات قسمت 4 Data Project - Election Analysis Part 4

پروژه های نمونه Example Projects.

  • پیش نمایش پروژه های داده Data Projects Preview

  • مقدمه ای بر پروژه های داده Intro to Data Projects

  • پروژه تایتانیک - قسمت 1 Titanic Project - Part 1

  • پروژه تایتانیک - قسمت 2 Titanic Project - Part 2

  • پروژه تایتانیک - قسمت 3 Titanic Project - Part 3

  • پروژه تایتانیک - قسمت 4 Titanic Project - Part 4

  • مقدمه ای بر پروژه داده - تحلیل بازار سهام Intro to Data Project - Stock Market Analysis

  • پروژه داده - تحلیل بازار سهام قسمت 1 Data Project - Stock Market Analysis Part 1

  • پروژه داده - تجزیه و تحلیل بازار سهام قسمت 2 Data Project - Stock Market Analysis Part 2

  • پروژه داده - تحلیل بازار سهام قسمت 3 Data Project - Stock Market Analysis Part 3

  • پروژه داده - تحلیل بازار سهام قسمت 4 Data Project - Stock Market Analysis Part 4

  • پروژه داده - تحلیل بازار سهام قسمت 5 Data Project - Stock Market Analysis Part 5

  • پروژه داده - مقدمه ای بر تحلیل انتخابات Data Project - Intro to Election Analysis

  • پروژه داده - تحلیل انتخابات قسمت 1 Data Project - Election Analysis Part 1

  • پروژه داده - تحلیل انتخابات قسمت 2 Data Project - Election Analysis Part 2

  • پروژه داده - تحلیل انتخابات قسمت 3 Data Project - Election Analysis Part 3

  • پروژه داده - تحلیل انتخابات قسمت 4 Data Project - Election Analysis Part 4

فراگیری ماشین Machine Learning

  • مقدمه ای بر یادگیری ماشین با SciKit Learn Introduction to Machine Learning with SciKit Learn

  • رگرسیون خطی قسمت 1 Linear Regression Part 1

  • رگرسیون خطی قسمت 2 Linear Regression Part 2

  • رگرسیون خطی قسمت 3 Linear Regression Part 3

  • رگرسیون خطی قسمت 4 Linear Regression Part 4

  • رگرسیون لجستیک قسمت 1 Logistic Regression Part 1

  • رگرسیون لجستیک قسمت 2 Logistic Regression Part 2

  • رگرسیون لجستیک قسمت 3 Logistic Regression Part 3

  • رگرسیون لجستیک قسمت 4 Logistic Regression Part 4

  • بخش 1 طبقه بندی چند طبقه - رگرسیون لجستیک Multi Class Classification Part 1 - Logistic Regression

  • طبقه بندی چند طبقه قسمت 2 - k نزدیکترین همسایه Multi Class Classification Part 2 - k Nearest Neighbor

  • ماشین‌های بردار پشتیبانی قسمت 1 Support Vector Machines Part 1

  • ماشین های بردار پشتیبانی - قسمت 2 Support Vector Machines - Part 2

  • Naive Bayes قسمت 1 Naive Bayes Part 1

  • Naive Bayes قسمت 2 Naive Bayes Part 2

  • درختان تصمیم گیری و جنگل های تصادفی Decision Trees and Random Forests

  • پردازش زبان طبیعی قسمت 1 Natural Language Processing Part 1

  • پردازش زبان طبیعی قسمت 2 Natural Language Processing Part 2

  • پردازش زبان طبیعی قسمت 3 Natural Language Processing Part 3

  • پردازش زبان طبیعی قسمت 4 Natural Language Processing Part 4

فراگیری ماشین Machine Learning

  • مقدمه ای بر یادگیری ماشین با SciKit Learn Introduction to Machine Learning with SciKit Learn

  • رگرسیون خطی قسمت 1 Linear Regression Part 1

  • رگرسیون خطی قسمت 2 Linear Regression Part 2

  • رگرسیون خطی قسمت 3 Linear Regression Part 3

  • رگرسیون خطی قسمت 4 Linear Regression Part 4

  • رگرسیون لجستیک قسمت 1 Logistic Regression Part 1

  • رگرسیون لجستیک قسمت 2 Logistic Regression Part 2

  • رگرسیون لجستیک قسمت 3 Logistic Regression Part 3

  • رگرسیون لجستیک قسمت 4 Logistic Regression Part 4

  • بخش 1 طبقه بندی چند طبقه - رگرسیون لجستیک Multi Class Classification Part 1 - Logistic Regression

  • طبقه بندی چند طبقه قسمت 2 - k نزدیکترین همسایه Multi Class Classification Part 2 - k Nearest Neighbor

  • ماشین‌های بردار پشتیبانی قسمت 1 Support Vector Machines Part 1

  • ماشین های بردار پشتیبانی - قسمت 2 Support Vector Machines - Part 2

  • Naive Bayes قسمت 1 Naive Bayes Part 1

  • Naive Bayes قسمت 2 Naive Bayes Part 2

  • درختان تصمیم گیری و جنگل های تصادفی Decision Trees and Random Forests

  • پردازش زبان طبیعی قسمت 1 Natural Language Processing Part 1

  • پردازش زبان طبیعی قسمت 2 Natural Language Processing Part 2

  • پردازش زبان طبیعی قسمت 3 Natural Language Processing Part 3

  • پردازش زبان طبیعی قسمت 4 Natural Language Processing Part 4

ضمیمه: بررسی اجمالی آمار Appendix: Statistics Overview

  • مقدمه ضمیمه B Intro to Appendix B

  • توزیع یکنواخت گسسته Discrete Uniform Distribution

  • توزیع یکنواخت مداوم Continuous Uniform Distribution

  • توزیع دو جمله ای Binomial Distribution

  • توزیع پواسون Poisson Distribution

  • توزیع نرمال Normal Distribution

  • تکنیک های نمونه برداری Sampling Techniques

  • T-Distribution T-Distribution

  • آزمون فرضیه ها و فواصل اطمینان Hypothesis Testing and Confidence Intervals

  • تست مربع چی و توزیع Chi Square Test and Distribution

  • قضیه بیز Bayes Theorem

ضمیمه: بررسی اجمالی آمار Appendix: Statistics Overview

  • مقدمه ضمیمه B Intro to Appendix B

  • توزیع یکنواخت گسسته Discrete Uniform Distribution

  • توزیع یکنواخت مداوم Continuous Uniform Distribution

  • توزیع دو جمله ای Binomial Distribution

  • توزیع پواسون Poisson Distribution

  • توزیع نرمال Normal Distribution

  • تکنیک های نمونه برداری Sampling Techniques

  • T-Distribution T-Distribution

  • آزمون فرضیه ها و فواصل اطمینان Hypothesis Testing and Confidence Intervals

  • تست مربع چی و توزیع Chi Square Test and Distribution

  • قضیه بیز Bayes Theorem

ضمیمه: SQL و Python Appendix: SQL and Python

  • مقدمه ای بر SQL با پایتون Introduction to SQL with Python

  • SQL - SELECT، Distinct، WHERE، AND & OR SQL - SELECT,DISTINCT,WHERE,AND & OR

  • SQL WILDCARDS، ORDER BY، GROUP BY و توابع جمع SQL WILDCARDS, ORDER BY, GROUP BY and Aggregate Functions

ضمیمه: SQL و Python Appendix: SQL and Python

  • مقدمه ای بر SQL با پایتون Introduction to SQL with Python

  • SQL - SELECT، Distinct، WHERE، AND & OR SQL - SELECT,DISTINCT,WHERE,AND & OR

  • SQL WILDCARDS، ORDER BY، GROUP BY و توابع جمع SQL WILDCARDS, ORDER BY, GROUP BY and Aggregate Functions

پیوست: اسکرپینگ وب با پایتون Appendix: Web Scraping with Python

  • Web Scraping قسمت 1 Web Scraping Part 1

  • Web Scraping قسمت 2 Web Scraping Part 2

پیوست: اسکرپینگ وب با پایتون Appendix: Web Scraping with Python

  • Web Scraping قسمت 1 Web Scraping Part 1

  • Web Scraping قسمت 2 Web Scraping Part 2

ضمیمه: پیشنهادات ویژه پایتون Appendix: Python Special Offers

  • بررسی اجمالی پایتون قسمت 1 Python Overview Part 1

  • بررسی اجمالی پایتون قسمت 2 Python Overview Part 2

  • بررسی اجمالی پایتون قسمت 3 Python Overview Part 3

ضمیمه: پیشنهادات ویژه پایتون Appendix: Python Special Offers

  • بررسی اجمالی پایتون قسمت 1 Python Overview Part 1

  • بررسی اجمالی پایتون قسمت 2 Python Overview Part 2

  • بررسی اجمالی پایتون قسمت 3 Python Overview Part 3

بخش پاداش: از شما متشکرم! BONUS SECTION: THANK YOU!

  • سخنرانی پاداش Bonus Lecture

بخش پاداش: از شما متشکرم! BONUS SECTION: THANK YOU!

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

نظری ارسال نشده است.

آموزش پایتون برای تجزیه و تحلیل داده ها و تجسم نسخه 1
خرید اشتراک و دانلود خرید تکی و دانلود | 320,000 تومان (5 روز مهلت دانلود) در صورت خرید اشتراک، این آموزش بدلیل حجم بالا معادل 2 دوره است و 2 دوره از اشتراک شما کم می شود. زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
21 hours
110
Udemy (یودمی) udemy-small
13 شهریور 1398 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
196,901
4.3 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Jose Portilla Jose Portilla

رئیس بخش علوم داده در آموزش پیریان

Jose Portilla Jose Portilla

رئیس بخش علوم داده در آموزش پیریان

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.