آموزش پردازش و دستکاری داده‌ها - آخرین آپدیت

دانلود Data Processing and Manipulation

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: دوره «پردازش و دستکاری داده‌ها» درک جامع و گسترده‌ای از مفاهیم و ابزارهای مختلف پردازش و مدیریت داده‌ها را در اختیار دانشجویان قرار می‌دهد. شرکت‌کنندگان در این دوره می‌آموزند که چگونه با مقادیر گم‌شده (Missing Values) برخورد کنند، داده‌های پرت (Outliers) را شناسایی نمایند، نمونه‌برداری و کاهش ابعاد را اجرا کنند و تکنیک‌های مقیاس‌بندی و گسسته‌سازی را به کار گیرند. همچنین عملیات مربوط به مکعب داده‌ها (Data Cube) و جداول محوری (Pivot Tables) در این دوره مورد بررسی قرار می‌گیرد. این دوره مهارت‌های ضروری برای آماده‌سازی و تبدیل بهینه داده‌ها جهت تحلیل و تصمیم‌گیری را به دانشجویان می‌آموزد. اهداف یادگیری: ۱. درک اهمیت پردازش و دستکاری داده‌ها در خط لوله تحلیل داده‌ها. ۲. یادگیری تکنیک‌های مدیریت مقادیر گم‌شده در مجموعه‌داده‌ها، شامل استراتژی‌های جایگزینی و حذف. ۳. شناسایی و تشخیص داده‌های پرت برای ارزیابی تأثیر آن‌ها بر تحلیل داده‌ها و تصمیم‌گیری. ۴. بررسی روش‌های نمونه‌برداری و تکنیک‌های کاهش ابعاد برای مجموعه‌داده‌های بزرگ و داده‌های با ابعاد بالا. ۵. به‌کارگیری تکنیک‌های مقیاس‌بندی داده‌ها برای نرمال‌سازی و استانداردسازی متغیرها جهت مقایسه‌های معنادار. ۶. استفاده از گسسته‌سازی برای تبدیل داده‌های پیوسته به نمایش‌های دسته‌ای جهت ساده‌سازی تحلیل. ۷. درک مفهوم مکعب داده و انجام تجمیع چندبعدی برای تحلیل اکتشافی. ۸. ایجاد جداول محوری برای خلاصه‌سازی و تغییر شکل داده‌ها جهت استخراج بینش‌های ارزشمند از داده‌های پیچیده. در طول این دوره، دانشجویان به طور فعال در تمرینات عملی و پروژه‌ها شرکت می‌کنند تا تکنیک‌های پردازش و دستکاری داده‌ها را روی مجموعه‌داده‌های واقعی پیاده‌سازی کنند. در پایان دوره، شرکت‌کنندگان به طور کامل برای آماده‌سازی، پاک‌سازی و تبدیل موثر داده‌ها جهت تحلیل‌های بعدی و تصمیم‌گیری‌های داده‌محور توانمند خواهند شد.

سرفصل ها و درس ها

مقادیر گم‌شده و داده‌های پرت Missing Values and Outliers

  • مقادیر گم‌شده Missing Values

  • تشخیص داده‌های پرت با استفاده از آمار Outliers Detection using Statistics

  • تشخیص داده‌های پرت با استفاده از IQR Outliers Detection using IQR

کاهش داده‌ها Data Reduction

  • حذف ابعاد Dimension Elimination

  • نمونه‌برداری Sampling

مقیاس‌بندی و گسسته‌سازی Scaling and Discretization

  • مقیاس‌بندی داده‌ها Data Scaling

  • گسسته‌سازی داده‌ها Data Discretization

انبار داده Data Warehouse

  • جدول محوری Pivot Table

  • مکعب داده Data Cube

نمایش نظرات

آموزش پردازش و دستکاری داده‌ها
جزییات دوره
28h 43m
9
(آخرین آپدیت)
914
- از 5
دارد
دارد
دارد
Di Wu
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar