آموزش Data Science: Python for Data Analysis Bootcamp کامل

دانلود Data Science: Python for Data Analysis Full Bootcamp

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: مهارت های برنامه نویسی پایتون خود را از ابتدا یاد بگیرید و بسازید علاوه بر کتابخانه ها و ابزارهای علوم داده پایتون کد با زبان برنامه نویسی پایتون ساختار برنامه نویسی تابعی Python با استفاده از ظروف مجموعه طراحی شی گرا مبانی پیشرفته پایتون مدیریت داده ها با کتابخانه های پایتون استخراج و تجزیه و تحلیل عددی پایتون داده ها از منابع مختلف تجزیه و تحلیل داده ها با استفاده از تجسم داده پانداها matplotlib تجسم پیشرفته با راه حل های Seaborn Build Python برای علم داده دریافت مدرس QA پشتیبانی و کمک پیش نیازها: برای گذراندن این آموزش به کامپیوتر و دسترسی به اینترنت نیازی به تجربه قبلی پایتون نیست

سلام و به Data Science: Python for Data Analysis Bootcamp کامل خوش آمدید.

علوم داده یک رشته عظیم و یکی از زمینه های امیدوارکننده است که به سرعت در حال گسترش است. همچنین یکی از ثواب آور است و به دلیل اهمیت و فواید زیادی که آینده دارد روز به روز بر گسترش آن افزوده می شود.

علوم داده شرکت ها را قادر می سازد تا معیارهای عملکرد را برای تسهیل و افزایش تصمیم گیری اندازه گیری، پیگیری و ثبت کنند. شرکت‌ها می‌توانند روندها را تجزیه و تحلیل کنند تا تصمیمات حیاتی برای جذب بهتر مشتریان، بهبود عملکرد شرکت و افزایش سودآوری اتخاذ کنند.

و استفاده از علم داده و ابزارهای آن بستگی به هدفی دارد که شما از آنها می خواهید.

به عنوان مثال، استفاده از علم داده در مراقبت های بهداشتی با استفاده از علم داده در امور مالی و حسابداری و غیره بسیار متفاوت است. و من کتابخانه‌های اصلی را برای پردازش، تجزیه و تحلیل و تجسم داده‌ها به شما نشان خواهم داد که می‌توانید در زمینه‌های مختلف از آنها استفاده کنید.

یکی از قوی‌ترین زبان‌های برنامه‌نویسی که برای علم داده استفاده می‌شود، پایتون است که زبانی آسان، ساده و بسیار قدرتمند با کتابخانه‌ها و بسته‌های بسیاری است که کار بر روی انواع داده‌های پیچیده و متفاوت را تسهیل می‌کند.

>


این دوره شامل موارد زیر است:

  • ابزارهای پایتون برای تجزیه و تحلیل داده ها

  • مبانی پایتون

  • اصول پایتون

  • شئ گرا پایتون

  • مبانی پیشرفته پایتون

  • مدیریت داده ها با پایتون

  • Python عددی (NumPy)

  • تجزیه و تحلیل داده ها با پانداها

  • تجسم داده با Matplotlib

  • نمودارهای پیشرفته با Seaborn

  • پشتیبانی و راهنمایی مدرس QA

آموزش ویدیوی HD + فایلهای کاری + منابع + پشتیبانی QA.

در این دوره از ابتدا نحوه کدنویسی در پایتون را یاد می گیرید و سپس نحوه برخورد با معروف ترین کتابخانه ها و ابزارهای زبان پایتون مربوط به علم داده را از جمع آوری داده ها، جمع آوری و تجزیه و تحلیل می آموزید. برای تجسم داده ها با تکنیک های پیشرفته و بر اساس آن تصمیمات لازم توسط شرکت ها اتخاذ می شود.

من احمد ابراهیم هستم، یک مهندس نرم افزار و مدرس و به بیش از 500000 مهندس و توسعه دهنده در سراسر جهان در موضوعات مرتبط با زبان های برنامه نویسی و برنامه های کاربردی آنها آموزش داده ام و در این دوره عمیقاً به هسته اصلی آن خواهیم پرداخت. اصول پایتون، مبانی پیشرفته، کتابخانه های مدیریت داده، پایتون عددی، پانداها، Matplotlib و در نهایت Seaborn.

امیدوارم در این دوره آموزشی به ما بپیوندید تا مانند حرفه ای ها در این زمینه به زبان پایتون برای تجزیه و تحلیل داده ها و تجسم تسلط پیدا کنید.

ما چیزهای زیادی برای پوشش دادن در این دوره داریم.

بیایید شروع کنیم!


سرفصل ها و درس ها

تسلط بر پایتون، مدیریت داده ها، تجزیه و تحلیل و تجسم Mastering Python, Data Handling, Analysis and Visualization

  • خوش آمدید به تسلط بر پایتون، مدیریت اطلاعات، تجزیه و تحلیل و تجسم Welcome to Mastering Python, Data Handling, Analysis and Visualization

  • به Data Science: Python for Data Analysis 2022 Bootcamp کامل خوش آمدید Welcome to Data Science: Python for Data Analysis 2022 Full Bootcamp

  • ابزارهای کار را دانلود و نصب کنید Download and Install the working tools

  • Jupyter Overview + Markdown در Jupyter Tutorial Jupyter Overview + Markdown in Jupyter tutorial

  • با استفاده از نوت بوک Jupyter برای کدگذاری با پایتون Using Jupyter Notebook for coding with Python

  • با استفاده از Anaconda Prompt Using Anaconda Prompt

  • مسابقه 1 Quiz 1

مبانی پایتون The basics of Python

  • متغیرها و نوع آموزش Variables and Types Tutorial

  • توصیف آنچه در داخل کد است Describe what's inside the code

  • تعریف بلوک ها و جلوگیری از indentationError Define Blocks and Avoid IndentationError

  • رشته آموزش کامل Strings full tutorial

  • اعداد، ریاضی و آموزش F-string Numbers, Math and f-string tutorial

  • دست زدن به ورودی ها و خروجی ها Handling inputs and outputs

  • مسابقه 2 Quiz 2

مبانی پایتون The Basics of Python

  • آموزش متغیرها و انواع Variables and Types Tutorial

  • آنچه داخل کد است را شرح دهید Describe what's inside the code

  • بلوک ها را تعریف کنید و از IndentationError اجتناب کنید Define Blocks and Avoid IndentationError

  • آموزش کامل رشته ها Strings full tutorial

  • آموزش اعداد ریاضی و رشته f Numbers, Math and f-string tutorial

  • مدیریت ورودی ها و خروجی ها Handling inputs and outputs

  • آزمون 2 Quiz 2

ساختارهای داده پایتون Python Data Structures

  • داده های ساختاری با استفاده از لیست ها Structure Data using lists

  • ساختار داده ها با استفاده از tuples Structure data using tuples

  • ساختار داده ها با استفاده از واژه نامه ها Structure Data using Dictionaries

  • ساختار داده ها با استفاده از مجموعه ها Structure Data using sets

  • مسابقه 3 Quiz 3

اصول پایتون The Fundamentals of Python

  • مقایسه مقادیر Comparing Values

  • خروجی از منطق Output from Logics

  • اظهارات شرطی Conditional Statements

  • حلقه while در پایتون The while loop in Python

  • حلقه در حالی که The while loop

  • برای حلقه در پایتون The for loop in Python

  • توابع کتابخانه پایتون Python Library Functions

  • توابع تعریف شده توسط کاربر User-Defined Functions

  • قدرت لامبدا The lambda power

  • بیانیه شکستن The break statement

  • بیانیه ادامه The continue statement

  • بیانیه دیگری The for else statement

  • برنامه برای قرار دادن همه با هم Program to Put all together

  • مسابقه 4 Quiz 4

OOP در پایتون OOP in Python

  • هسته پایتون OOP: کلاس ها و موارد Core Python OOP: Classes and Instances

  • هسته پایتون OOP: کاوش ارث Core Python OOP: Exploring Inheritance

  • مسابقه 5 Quiz 5

پایه های پیشرفته Advanced Foundations

  • خلاقیت مختصر Concise Comprehensions

  • ماژول های ساخته شده و تصادفی Constructed modules and random

  • انجام ریاضیات Doing mathematics

  • انجام آمار Doing statistics

  • اکتشاف اشتباهات Errors Exploration

  • استثناء زمین بازی Exceptions Playground

  • مسابقه 6 Quiz 6

دست زدن به داده های پایتون Python Data Handling

  • داده های IO در حافظه IO data in memory

  • تعامل با داده های سیستم عامل Interacting with operating system data

  • انتقال فایل های داده بین دایرکتوری ها Moving data files between directories

  • داده ها در سطل زباله قرار می گیرند Data will be in the trash bin

  • Zipping و unzipping داده ها Zipping and Unzipping Data

  • مسابقه 7 Quiz 7

عددی پایتون - numpy Numerical Python - NumPy

  • سطح NUMPY 1 NumPy Level 1

  • سطح NUMPY 2 NumPy Level 2

  • سطح Numpy 3 NumPy Level 3

  • سطح Numpy 4 NumPy Level 4

  • سطح Numpy 5 NumPy Level 5

  • سطح Numpy 6 NumPy Level 6

  • سطح NUMPY 7 NumPy Level 7

  • سطح Numpy 8 NumPy Level 8

  • سطح NUMPY 9 NumPy Level 9

  • مسابقه 8 Quiz 8

تجزیه و تحلیل داده ها با پانداها Analyze Data with Pandas

  • پانداها تجزیه و تحلیل داده ها سطح 1 Pandas data analysis level 1

  • تجزیه و تحلیل داده های پانداها سطح 2 Pandas data analysis level 2

  • تجزیه و تحلیل داده های پانداها سطح 3 Pandas data analysis level 3

  • تجزیه و تحلیل داده های پانداها 4 Pandas data analysis level 4

  • تجزیه و تحلیل داده های پانداها سطح 5 Pandas data analysis level 5

  • پانداها تجزیه و تحلیل داده ها سطح 6 Pandas data analysis level 6

  • مسابقه 9 Quiz 9

تجسم داده ها با matplotlib Visualize Data with Matplotlib

  • سطح تجسم داده Matplotlib 1 Matplotlib data visualization level 1

  • MatplotLib Data Visualization سطح 2 Matplotlib data visualization level 2

  • سطح تجسم داده Matplotlib 3 Matplotlib data visualization level 3

  • سطح تجسم داده Matplotlib 4 Matplotlib data visualization level 4

  • سطح تجسم داده Matplotlib 5 Matplotlib data visualization level 5

  • سطح تجسم داده Matplotlib 6 Matplotlib data visualization level 6

  • سطح تجسم داده Matplotlib 7 Matplotlib data visualization level 7

  • مسابقه 10 Quiz 10

نمودارهای داده پیشرفته با Seeborn Advanced Data graphs with Seaborn

  • نمودار آماری Seeborn سطح 1 Seaborn statistical graphs level 1

  • نمودار آماری Seeborn سطح 2 Seaborn statistical graphs level 2

  • نمودار آماری Seeborn سطح 3 Seaborn statistical graphs level 3

  • نمودار آماری Seeborn سطح 4 Seaborn statistical graphs level 4

  • نمودار آماری Seeborn سطح 5 Seaborn statistical graphs level 5

  • نمودار آماری Seeborn سطح 6 Seaborn statistical graphs level 6

  • نمودار آماری Seeborn سطح 7 Seaborn statistical graphs level 7

  • نمودار آماری Seeborn سطح 8 Seaborn statistical graphs level 8

منابع Resources

  • برنامه نویسی پایتون Python Programming

  • ناچیز NumPy

  • پندا Pandas

  • ماتلوتلیب Matplotlib

  • ذوب شده Seaborn

بخش پاداش BONUS SECTION

  • پاداش Bonus

نمایش نظرات

آموزش Data Science: Python for Data Analysis Bootcamp کامل
جزییات دوره
6 hours
76
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
187,078
4.3 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

FLOOSTEC Now FLOOSTEC Now

نرم افزار ، توسعه نرم افزار و فناوری اطلاعات ، آموزش ، راه حل FLOOSTEC اکنون دوره های آنلاین ویدیویی توسعه نرم افزار و فناوری اطلاعات را ارائه می دهد. هدف اصلی FLOOSTEC اکنون ارائه مهارت های با ارزش در فن آوری های نرم افزاری با استفاده از فیلم های با کیفیت بالا ، کوتاه ، متمرکز و مستقیم به منظور صرفه جویی در وقت گرانبهای شما است. ما به شما نشان خواهیم داد که چطور در زمینه مهارت خود مهارت کافی را کسب کنید تا حرفه خود را بهتر کنید و با سرعت شگفت انگیزی به جلو بروید.

Ahmed IB Ahmed IB

مهندس نرم افزار و مربی من احمد IB (ایبرا) هستم ، مهندس ارشد توسعه نرم افزار و مربی با مدرک لیسانس مهندسی برق ، ارتباطات و مهندسی کامپیوتر. من یک تجربه کاربردی عالی در بسیاری از زبانها و چارچوبهای برنامه نویسی دارم ، همچنین دانش و تجربه ماهرانه ای در مهندسی نرم افزار با مهارت در زمینه طراحی ، توسعه ، آزمایش و نگهداری برنامه های مقیاس پذیر دارم. هر روز ، من در حال به روزرسانی مهارت های خود و یادگیری جدید هستم ، زیرا همیشه علاقه مند به توسعه کار و مهارت های روزمره ام و دوست دارم به دیگران کمک کنم مهارت های جدید را یاد بگیرند و مهارت های خود را از طریق آموزش ویدئویی کوتاه و مستقیم به اشتراک بگذارم. هرگز یادگیری را متوقف نکن!