آموزش مسیر شغلی تجزیه و تحلیل داده 2024

سرفصل ها و درس ها

فاز 1 - مبانی تجزیه و تحلیل داده ها Phase 1 - Data Analytics Fundamentals

• دستورالعمل من برای این مرحله My instructions for this phase

• یادداشت اضافی در مورد دنیای تحلیلی داده ها Extra note on analytical world of data

همه آنچه باید در مورد تجزیه و تحلیل داده ها بدانید All You Need to Know about Data Analysis

• تعریف، انواع و نمونه های تجزیه و تحلیل داده ها Data analysis definition, types and examples

• اجزای اصلی تجزیه و تحلیل داده ها Key components of data analysis

• ابزارها و فن آوری برای تجزیه و تحلیل داده ها Tools and technologies for data analysis

• کاربرد دنیای واقعی تحلیل داده ها Real-world application of data analysis

• درک تجزیه و تحلیل داده ها Understanding data analysis

جمع آوری داده ها: روش ها و ملاحظات Data Collection: Methods and Considerations

• منابع مختلف جمع آوری داده ها Various sources of collecting data

• جمعیت v/s نمونه و روش های آن Population v/s sample and its methods

• توجه به جمع آوری موثر داده ها Consideration for effective data collection

• درک جمع آوری داده ها Understanding data collection

پاکسازی داده ها و روش های آن را بشناسید Understand Data Cleaning and Its Methods

• چرا نمی توانید پاکسازی داده های خود را نادیده بگیرید Why you cannot ignore cleaning your data

• جنبه های مختلف پاکسازی داده ها Various aspects of data cleaning

• در نظر گرفتن پاکسازی موثر داده ها Consideration for effective data cleaning

• تکنیک های پاکسازی داده ها Techniques of Data Cleaning

روش های اتصال و الحاق را کاوش کنید Explore Joining and Concatenating Methods

• جنبه های مختلف پیوستن به مجموعه داده ها Various aspects of Joining datasets

• افزودن داده های اضافی با الحاق Adding extra data with concatenation

• درک الحاق و الحاق Understanding joining and concatenation

تصویر کامل از تجزیه و تحلیل داده های اکتشافی Complete Picture of Exploratory Data Analysis

• EDA برای ایجاد بینش قابل توجه EDA for generating significant insights

• روش های تجزیه و تحلیل داده های اکتشافی بخش 1 Methods of exploratory data analysis Part 1

• روش های تجزیه و تحلیل داده های اکتشافی بخش 2 Methods of exploratory data analysis Part 2

• روش های تجزیه و تحلیل داده های اکتشافی بخش 3 Methods of exploratory data analysis Part 3

• در نظر گرفتن EDA موثر Consideration for effective EDA

• تجزیه و تحلیل داده های اکتشافی Exploratory Data Analysis

همه چیز در مورد تجزیه و تحلیل داده های آماری Everything about Statistical Data Analysis

• کاربرد آزمون آماری The application of statistical test

• انواع تجزیه و تحلیل داده های آماری Types of statistical data analysis

• آزمون آماری v/s تجزیه و تحلیل داده های اکتشافی Statistical test v/s Exploratory data analysis

• خلاصه ای از روش های آمار توصیفی A Recap on descriptive statistics methods

• آمار استنباطی بخش 1 - آزمون های تی و آنالیز واریانس Inferential statistics Part 1 – T-tests and ANOVA

• آمار استنباطی بخش 2 – معیارهای روابط Inferential statistics Part 2 – Relationships measures

• آمار استنباطی قسمت 3 – رگرسیون خطی Inferential statistics Part 3 – Linear regression

• در نظر گرفتن تجزیه و تحلیل آماری موثر Consideration for effective statistical analysis

• تجزیه و تحلیل داده های آماری Statistical data analysis

مفاهیم احتمالات در تجزیه و تحلیل داده ها Concepts of Probabilities in Data Analysis

• احتمال در تجزیه و تحلیل داده ها Probability in data analysis

• احتمال کلاسیک Classical probability

• احتمال تجربی Empirical probability

• احتمال مشروط Conditional probability

• احتمال مشترک Joint probability

• احتمالات در تجزیه و تحلیل داده ها Probabilities in data analysis

آزمون فرضیه در تحلیل آماری Hypothesis Testing in Statistical Analysis

• آزمون فرضیه برای آمار استنباطی Hypothesis testing for inferential statistics

• انتخاب آزمون آماری و آزمون فرض Selecting statistical test and assumption testing

• سطح اطمینان، سطح معناداری، p-value Confidence level, significance level, p-value

• تصمیم گیری و نتیجه گیری در مورد یافته ها Making decision and conclusion on findings

• تجزیه و تحلیل کامل آماری و آزمون فرضیه Complete statistical analysis and hypothesis testing

• آزمون فرضیه در تحلیل آماری Hypothesis Testing in Statistical Analysis

تبدیل داده ها و روش های آن را بررسی کنید Explore Data Transformation and Its Methods

• تبدیل داده ها برای تجزیه و تحلیل بهتر Transforming data for improved analysis

• تکنیک های تبدیل داده ها قسمت 1 Techniques for data transformation Part 1

• تکنیک های تبدیل داده ها قسمت 2 Techniques for data transformation Part 2

• در نظر گرفتن تبدیل موثر داده ها Consideration for effective data transformation

• درک تبدیل داده ها Understanding Data Transformation

یادگیری ماشینی برای بهره وری پیش بینی Machine Learning for Predictive Efficiency

• ML برای تجزیه و تحلیل داده ها و تصمیم گیری ML for data analysis and decision-making

• روش های ML به طور گسترده در تجزیه و تحلیل داده ها استفاده می شود Widely used ML methods in the data analytics

• مراحل توسعه مدل یادگیری ماشینی Steps in developing machine learning model

• یادگیری ماشین در تحلیل داده ها Machine learning in Data analysis

تجسم داده ها و روش های آن را کاوش کنید Explore Data Visualizations and Its Methods

• تجسم داده ها برای ارائه بهترین بینش Visualizing data for the best insight delivery

• چند روش تجسم داده ها قسمت 1 Several methods of data visualization Part 1

• چند روش تجسم داده ها قسمت 2 Several methods of data visualization Part 2

• چند روش تجسم داده ها قسمت 3 Several methods of data visualization Part 3

• ملاحظات برای تجسم موثر داده ها Considerations for effective data visualization

• تجسم داده ها و روش ها Data visualization and methods

فاز 2 - تجزیه و تحلیل داده ها در مایکروسافت اکسل Phase 2 - Data Analytics in Microsoft Excel

• دستورالعمل من برای این مرحله My instructions for this phase

• یادداشت اضافی در مورد توابع و میانبرها Extra note on functions and shortcuts

Excel - پاکسازی و قالب بندی داده ها Excel - Data Cleaning and Formatting

• شناسایی و حذف موارد تکراری Identifying and removing duplicates

• مقابله با موارد تکراری در اکسل Dealing with duplicates in Excel

• مقابله با ارزش های گمشده Dealing with missing values

• مقابله با مقادیر از دست رفته در اکسل Dealing with missing values in Excel

• برخورد با موارد پرت Dealing with outliers

• برخورد با موارد پرت در اکسل Dealing with outliers in Excel

• یافتن و نسبت دادن مقادیر ناسازگار Finding and imputing inconsistent values

• مقابله با مقادیر ناسازگار در اکسل Dealing with inconsistent value in Excel

• متن به ستون برای جداسازی داده ها Text-to-columns for data separation

• جداسازی داده ها در اکسل Data separation in Excel

Excel - مرتب سازی و فیلتر کردن داده ها Excel - Data Sorting and Filtering

• اعمال مرتب‌سازی و فیلترها برای محدود کردن داده‌ها Applying sorts & filters to narrow down data

• مرتب سازی و فیلتر کردن در اکسل Sorting and filtering in Excel

• فیلتر پیشرفته با معیارهای سفارشی Advanced filtering with custom criteria

• فیلترینگ پیشرفته در اکسل Advanced filtering in Excel

Excel - اعمال قالب بندی شرطی Excel - Apply Conditional Formatting

• برجسته کردن سلول ها بر اساس معیارها Highlighting cells based on criteria

• برجسته کردن سلول ها در اکسل Highlighting cells in Excel

• یافته‌های بینش بالا و پایین Findings top and bottom insights

• بینش بالا و پایین در اکسل Top and bottom insights in Excel

• ایجاد مقیاس های رنگی و نوارهای رنگی Creating color scales and color bars

• نمایش نوار رنگی در اکسل Color bar presentation in Excel

Excel - فرمول ها و توابع برای تجزیه و تحلیل داده ها Excel - Formulas and Functions for Data Analysis

• توابع SUM، AVERAGE، MIN و MAX SUM, AVERAGE, MIN, and MAX functions

• استفاده از SUM و AVERAGE در اکسل Applying SUM and AVERAGE in Excel

• توابع SUMIF و AVERAGEIF SUMIF, and AVERAGEIF functions

• اعمال تابع جمع شرطی در اکسل Applying conditional aggregate function in Excel

• توابع COUNT، COUNTA و COUNTIF COUNT, COUNTA, and COUNTIF functions

• استفاده از تابع COUNTIF در اکسل Using COUNTIF function in Excel

• سال، ماه و روز برای دستکاری تاریخ YEAR, MONTH and DAY for date manipulation

• استخراج عناصر کلیدی تاریخ در اکسل Extracting key elements of date in Excel

• بیانیه های IF برای عملیات مشروط IF STATEMENTs for conditional operation

• انجام عملیات NESTED IF در اکسل Performing NESTED IF operation in Excel

• VLOOKUP برای جستجوی بینش ستونی VLOOKUP for column-wise insight search

• انجام عملیات VLOOKUP در اکسل Performing VLOOKUP operation in Excel

• HLOOKUP برای جستجوی بینش ردیفی HLOOKUP for row-wise insight search

• انجام عملیات HLOOKUP در اکسل Performing HLOOKUP operation in Excel

• XLOOKUP برای جستجوی بینش قوی و پیچیده XLOOKUP for robust & complex insight search

• انجام عملیات XLOOKUP در اکسل Performing XLOOKUP operation in Excel

Excel - نمودارها و نمودارها برای تجسم داده ها Excel - Graphs and Charts for Data Visualization

• داده ها را با نمودارهای میله ای Stacked و Cluster تجزیه و تحلیل کنید Analyze data with Stacked and cluster bar charts

• نمودار میله ای انباشته برای تجزیه و تحلیل در اکسل Stacked bar chart for analysis in Excel

• داده ها را با نمودار دایره ای و نمودار خطی تجزیه و تحلیل کنید Analyze data with Pie chart and line chart

• نمودار دایره ای برای تجزیه و تحلیل در اکسل Pie chart for analysis in Excel

• تجزیه و تحلیل داده ها با نمودار منطقه و نقشه درختی Analyze data with Area chart and TreeMap

• نمودار مساحتی برای تجزیه و تحلیل در اکسل Area chart for analysis in Excel

• تجزیه و تحلیل داده ها با Boxplot و Histogram Analyze data with Boxplot and Histogram

• باکس پلات برای تجزیه و تحلیل در اکسل Boxplot for analysis in Excel

• داده ها را با نمودار پراکندگی و نمودار ترکیبی تجزیه و تحلیل کنید Analyze data with Scatter plot and Combo chart

• نمودار پراکندگی برای تجزیه و تحلیل در اکسل Scatter plot for analysis in Excel

• تنظیم و تزئین نمودارها و نمودارها Adjusting and decorating graphs and charts

Excel - تجزیه و تحلیل داده ها در PivotTables و PivotCharts Excel - Data Analysis in PivotTables and PivotCharts

• جداول محوری برای تجزیه و تحلیل داده های گروهی بخش 1 PivotTables for GROUP data analysis PART 1

• PivotTables برای تجزیه و تحلیل در اکسل PivotTables for analysis in Excel

• PivotTables برای تجزیه و تحلیل داده های CROSSTAB بخش 2 PivotTables for CROSSTAB data analysis PART 2

• PivotTables برای تجزیه و تحلیل در اکسل PivotTables for analysis in Excel

• نمودار محوری و برش برای تعامل PivotCharts and Slicers for interactivity

• Pivot Charts و Slicers برای تجزیه و تحلیل در اکسل PivotCharts and Slicers for analysis in Excel

Excel - بسته ابزار تجزیه و تحلیل داده ها برای تجزیه و تحلیل آماری Excel - Data Analysis ToolPack for Statistical Analysis

• آمار توصیفی و تحلیل Descriptive statistics and analysis

• توضیحات کلیدی داده های عددی را بیابید Find the key descriptives of numeric data

• آزمون t نمونه مستقل برای دو نمونه Independent sample t-test for two samples

• تفاوت بین دو گروه را پیدا کنید Find the difference between two groups

• آزمون t نمونه جفتی برای دو نمونه Paired sample t-test for two samples

• تفاوت بین دو تایم فریم را پیدا کنید Find the difference between two time frames

• تجزیه و تحلیل واریانس - ANOVA یک طرفه Analysis of variance – One way ANOVA

• تفاوت بین گروه های مختلف را بیابید Find the difference among various groups

• تحلیل همبستگی برای رابطه Correlation analysis for relationship

• رابطه دو داده عددی را پیدا کنید Find the relationship of two numeric data

• تحلیل رگرسیون خطی چندگانه Multiple linear regression analysis

• تأثیر IV ها را بر DV بیابید Find the influence of IVs on DV

اکسل - ایجاد داشبورد تعاملی Excel - Creating Interactive Dashboard

• جمع آوری اطلاعات مرتبط Accumulating relevant information

• ایجاد یک بوم برای داشبورد Creating a canvas for dashboard

• در حال توسعه داشبورد کامل Developing the complete dashboard

• بررسی نهایی برای دکوراسیون داشبورد Final touch up for dashboard decoration

• ساخت داشبورد در اکسل Creating a dashboard in Excel

پروژه اکسل - تجزیه و تحلیل داده های بانکی Excel Project - Bank Churn Data Analysis

• تجزیه و تحلیل داده های بانکی Bank Churn Data Analysis

فاز 3 - مدیریت پایگاه داده در MySQL Phase 3 - Database Management in MySQL

• دستورالعمل من برای این مرحله My instructions for this phase

• یادداشت اضافی در مورد توابع MySQL Extra note on functions of MySQL

مبانی ضروری RDBMS Necessary Fundamentals of RDBMS

• RDBMS: مثال و اهمیت RDBMS: example and importance

• ویژگی های کلیدی RDBMS Key features of RDBMS

• کلید اصلی v/s کلید خارجی Primary key v/s Foreign key

• انواع رابطه در RDBMS Types of relationship in RDBMS

• انواع داده ها در RDBMS Data types in RDBMS

• اصول ضروری در RDBMS Necessary fundamentals on RDBMS

مقدمه ای بر SQL برای RDBMS Introduction to SQL for RDBMS

• مقدمه ای بر زبان SQL Introduction to SQL language

• پلتفرم های مختلف SQL Various platforms of SQL

• مقدمه ای بر SQL برای RDBMS Introduction to SQL for RDBMS

نصب و بارگذاری داده ها در رابط MySQL Installing & Loading data in MySQL Interface

• نصب MySQL در ویندوز و مک Installing MySQL in Windows and Mac

• بارگیری مجموعه داده CSV در MySQL Loading CSV dataset in MySQL

SQL - شروع به کار: مدیریت پایگاه داده SQL - Getting Started: Database Management

• ایجاد پایگاه داده Creating database

• انتخاب پایگاه داده Selecting database

• اصلاح پایگاه داده Modifying database

• حذف پایگاه داده Deleting database

• پرس و جوی SQL برای مدیریت پایگاه داده SQL query for database management

SQL - پرس و جوهای اساسی در SQL SQL - Fundamental Queries in SQL

• SELECT....FROM: داده ها را از جدول انتخاب کنید SELECT....FROM: select data from table

• انتخاب......از SELECT......FROM

• DISTINCT: انتخاب مقادیر منحصر به فرد برای ستون DISTINCT: selecting unique values for column

• انتخاب کنید........ متمایز SELECT........DISTINCT

• AS: انتخاب ستون ها بر اساس نام مستعار AS: selecting columns based on aliases

• AS برای نام مستعار AS for Aliases

• WHERE: انتخاب داده بر اساس شرایط WHERE: selecting data based on condition

• انتخاب .... از ... کجا SELECT....FROM...WHERE

• پرس و جوهای اولیه SQL Basic SQL Queries

SQL - مدیریت جداول در سیستم پایگاه داده SQL - Managing Tables in Database System

• ایجاد: ایجاد جدول CREATE: creating table

• ایجاد جدول CREATE TABLE

• NOT NULL: محدود کردن مقادیر null NOT NULL: limiting null values

• تهی نیست NOT NULL

• UNIQUE: محدود کردن موارد تکراری UNIQUE: limiting duplicates

• منحصر بفرد UNIQUE

• INSERT INTO: اضافه کردن مقادیر در ستون ها INSERT INTO: adding values in columns

• درج کنید INSERT INTO

• به روز رسانی: به روز رسانی مقادیر بر اساس شرایط UPDATE: updating values based on condition

• به روز رسانی UPDATE

• DELETE: حذف مقادیر بر اساس شرایط DELETE: deleting values based on condition

• حذف .... از DELETE....FROM

• TRUNCATE: حذف تمام مقادیر به جز جدول TRUNCATE: deleting all the values except table

• میز کوتاه TRUNCATE TABLE

• DROP: حذف کل جدول DROP: removing entire table

• میز رها کردن DROP TABLE

• بررسی: محدود کردن مقادیر خاص در ستون‌ها CHECK: limiting specific values in columns

• بررسی CHECK

• مدیریت جداول در SQL Managing Tables in SQL

SQL - کار با ستون ها و محدودیت ها SQL - Working with Columns and Constraint

• ADD COLUMN: اضافه کردن ستون جدید ADD COLUMN: adding new column

• اضافه کردن ستون ADD COLUMN

• MODIFY COLUMN: جایگزینی انواع داده ها MODIFY COLUMN: replacing data types

• تغییر ستون MODIFY COLUMN

• تغییر نام ستون: تغییر نام ستون RENAME COLUMN: changing column names

• تغییر نام ستون RENAME COLUMN

• DROP COLUMN: حذف ستون ها DROP COLUMN: deleting columns

• رها کردن ستون DROP COLUMN

• ADD CONSTRAINT: افزودن کلید اولیه ADD CONSTRAINT: adding primary key

• محدودیت را اضافه کنید ADD CONSTRAINT

• ADD CONSTRAINT…. مراجع: افزودن کلید خارجی ADD CONSTRAINT….REFERENCES: adding foreign key

• افزودن محدودیت….منابع ADD CONSTRAINT….REFERENCES

• DROP CONSTRAINT: حذف کلیدها DROP CONSTRAINT: deleting keys

• محدودیت افت DROP CONSTRAINT

• کار با ستون ها و محدودیت ها Working with Columns and Constraint

SQL - کار با عملیات نمایه سازی SQL - Working with Indexing Operation

• CREATE INDEX: ایجاد نمایه جدید CREATE INDEX: creating new index

• ایجاد شاخص CREATE INDEX

• ایجاد شاخص منحصر به فرد: ایجاد نمایه بدون تکرار CREATE UNIQUE INDEX: creating index without duplicates

• ایجاد شاخص منحصر به فرد CREATE UNIQUE INDEX

• DROP INDEX: حذف فهرست موجود DROP INDEX: deleting existing index

• DROP INDEX DROP INDEX

• کار با عملیات نمایه سازی Working with Indexing Operation

SQL - برخورد با مقادیر NULL/MISSING SQL - Dealing with NULL/MISSING values

• IS NULL: فیلتر کردن مقادیر واقعی IS NULL: filtering the actual values out

• تهی است IS NULL

• IS NOT NULL: فیلتر کردن مقادیر از دست رفته IS NOT NULL: filtering the missing values out

• NULL نیست IS NOT NULL

• برخورد با مقادیر NULL Dealing with NULL values

SQL - جنبه های مختلف فیلتر کردن داده ها SQL - Various Aspects of Filtering Data

• و: ترکیب دو یا چند شرط AND: combining two or more conditions

• و AND

• OR: عملگر منطقی انعطاف پذیر OR: flexible logical operator

• یا. OR.

• NOT: به استثنای مقادیر از فیلتر NOT: excluding values from filteration

• نه NOT

• BETWEEN...AND: فیلتر کردن محدوده مقادیر BETWEEN...AND: filtering ranges of values

• بین و BETWEEN...AND

• مانند: فیلتر بر اساس الگو LIKE: filtering based on pattern

• پسندیدن LIKE

• IN: منطق دقیق برای شرایط چندگانه IN: precise logic for multiple conditions

• که در. IN.

• LIMIT: فیلتر کردن با داده های محدود LIMIT: filtering with limited data

• حد LIMIT

• جنبه های مختلف فیلتر کردن داده ها Various Aspects of Filtering Data

SQL - توابع مهم رشته MySQL SQL - IMPORTANT MySQL String Functions

• CHAR_LENGTH: یافتن طول متن CHAR_LENGTH: finding the length of text

• CHAR_LENGTH CHAR_LENGTH

• CONCAT: اضافه کردن رشته های مختلف با هم CONCAT: adding different strings together

• CONCAT CONCAT

• LOWER: تبدیل به حروف کوچک LOWER: converting into lowercase

• پایین تر LOWER

• UPPER: تبدیل به حروف بزرگ UPPER: converting into uppercase

• بالا UPPER

• TRIM: از بین بردن شکاف های غیر ضروری TRIM: removing unnecessary gaps

• TRIM TRIM

• REPLACE: جایگزینی مقدار قدیمی با مقدار جدید REPLACE: replacing old value by new value

• جایگزین کردن REPLACE

• توابع رشته مهم MySQL IMPORTANT MySQL String Functions

SQL - توابع محاسباتی مهم MySQL SQL - IMPORTANT MySQL Arithmetic Functions

• ABS: مقدار منفی به مثبت ABS: negative to positive value

• ABS ABS

• SUM: محاسبه مقدار کل SUM: calculating the total value

• جمع SUM

• AVG: محاسبه مقدار متوسط AVG: calculating the average value

• AVG AVG

• COUNT: شمارش کل اقلام COUNT: counting total items

• شمردن COUNT

• DIV: تقسیم داده های عددی DIV: dividing numeric data

• DIV DIV

• MIN: یافتن کمترین مقدار MIN: finding the lowest value

• MIN MIN

• MAX: یافتن بالاترین مقدار MAX: finding the highest value

• حداکثر MAX

• توابع حسابی MySQL MySQL Arithmetic Functions

SQL - توابع مهم تبدیل MySQL SQL - IMPORTANT MySQL Transformation Functions

• POWER: ضرب های متعدد POWER: multiple multiplications

• قدرت POWER

• ROUND: کاهش اعشار ROUND: decreasing the decimals

• گرد ROUND

• SQRT و LOG: توابع تبدیل SQRT and LOG: transformation functions

• SQRT SQRT

• توابع تبدیل MySQL MySQL Transformation Functions

SQL - توابع مهم MySQL Datetime SQL - IMPORTANT MySQL Datetime Functions

• DATEFORMAT: قالب بندی شکل تاریخ DATEFORMAT: formatting the date shape

• فرمت تاریخ DATEFORMAT

• DATEDIFF: پیدا کردن تفاوت تاریخ DATEDIFF: finding the date difference

• DATEDIFF DATEDIFF

• DAY/MONTH/YEAR: استخراج قطعات خرما DAY/MONTH/YEAR: extracting parts of dates

• سال YEAR

• توابع تاریخ تاریخ MySQL MySQL Datetime Functions

SQL - گروه بندی و مرتب سازی داده ها در SQL SQL - Grouping and Sorting data in SQL

• ترتیب بر اساس: مرتب سازی داده ها بر اساس یک ستون ORDER BY: sorting data based on a column

• سفارش توسط ORDER BY

• GROUP BY: تجزیه و تحلیل داده های گروهی با توابع GROUP BY: group data analysis with functions

• دسته بندی بر اساس GROUP BY

• گروه بندی و مرتب سازی داده ها Grouping and Sorting data

SQL - JOINS برای بازیابی داده ها در SQL SQL - JOINS for Data Retrievals in SQL

• پیوستن داخلی: پیوستن به ارزش های مشترک INNER JOIN: joining on common values

• پیوستن داخلی INNER JOIN

• LEFT JOIN: پیوستن به مقادیر جدول سمت چپ LEFT JOIN: joining on left table values

• چپ پیوستن LEFT JOIN

• RIGHT JOIN: پیوستن به مقادیر جدول سمت راست RIGHT JOIN: joining on right table values

• راست بپیوندید RIGHT JOIN

• CROSS JOIN: پیوستن به تمام مقادیر جداول CROSS JOIN: joining all values from tables

• CROSS JOIN CROSS JOIN

• برای بازیابی داده ها می پیوندد JOINS for Data Retrievals

SQL - توابع و عملیات پیشرفته SQL - Advanced Functions and Operations

• HAVING: فرمت شرطی پیشرفته HAVING: advanced conditional format

• داشتن HAVING

• وجود دارد: فیلتر تودرتو بین جداول EXISTS: nested filtering between tables

• وجود دارد EXISTS

• ANY: فیلتر تودرتو بین جداول ANY: nested filtering between tables

• هر ANY

• مورد: یافتن نتایج مشروط CASE: finding the conditional outcomes

• مورد CASE

• توابع و عملیات پیشرفته Advanced Functions and Operations

SQL - رویه و نظرات ذخیره شده SQL - Stored Procedure and Comments

• سیستم های نظرات SQL SQL comments systems

• ذخیره سازی و اجرای رویه ها Storing and executing procedures

• رویه و نظرات ذخیره شده Stored Procedure and Comments

فاز 4 - تجزیه و تحلیل داده A-Z در پایتون Phase 4 - Data Analytics A-Z in Python

• دستورالعمل من برای این مرحله My instructions for this phase

• یادداشت اضافی در مورد تجزیه و تحلیل داده های پایتون Extra note on python data analysis

• منابع مورد استفاده در دوره Resources used in the course

راه اندازی نوت بوک پایتون و ژوپیتر Setting Up Python and Jupyter Notebook

• نصب نوت بوک پایتون و ژوپیتر – مک Installing Python and Jupyter Notebook – Mac

• نصب نوت بوک پایتون و ژوپیتر – ویندوز Installing Python and Jupyter Notebook – Windows

• روش های جایگزین بیشتر - مقاله را بررسی کنید More alternative methods – Check the article

پایتون - شروع با متغیرها تا انواع داده ها Python - Starting with Variables to Data Types

• شروع با اولین کد پایتون Getting started with first python code

• عملکرد چاپ Printing function

• تخصیص صحیح نام متغیرها Assigning variable names correctly

• ایجاد متغیرها Creating variables

• انواع داده ها و ساختارهای داده مختلف Various data types and data structures

• تبدیل و ریخته گری انواع داده ها Converting and casting data types

• تبدیل انواع داده شماره 1 Converting data types #1

• تبدیل انواع داده شماره 2 Converting data types #2

• تبدیل انواع داده شماره 3 Converting data types #3

• شروع با متغیرها تا انواع داده ها Starting with Variables to Data Types

پایتون - اپراتورها در برنامه نویسی پایتون Python - Operators in Python Programming

• عملگرهای حسابی (+، -، *،/، ٪ **) Arithmetic operators (+, -, *, /, %, **)

• عملیات حسابی شماره 1 Arithmetic operation #1

• عملیات حسابی شماره 2 Arithmetic operation #2

• عملیات حسابی شماره 3 Arithmetic operation #3

• عملیات حسابی شماره 4 Arithmetic operation #4

• عملیات حسابی شماره 5 Arithmetic operation #5

• عملیات حسابی شماره 6 Arithmetic operation #6

• عملگرهای مقایسه (>، <،>=، <=، ==، !=) Comparison operators (>, <, >=, <=, ==, !=)

• عملیات مقایسه شماره 1 Comparison operation #1

• عملیات مقایسه شماره 2 Comparison operation #2

• عملیات مقایسه شماره 3 Comparison operation #3

• عملیات مقایسه شماره 4 Comparison operation #4

• عملگرهای منطقی (و، یا، نه) Logical operators (and, or, not)

• اپراتورها در برنامه نویسی پایتون Operators in Python Programming

پایتون - برخورد با ساختارهای داده Python - Dealing with Data Structures

• لیست ها: ایجاد، نمایه سازی، برش، اصلاح Lists: creation, indexing, slicing, modifying

• ایجاد لیست Creating list

• فهرست نمایه سازی Indexing list

• لیست برش Slicing list

• افزودن عنصر Adding element

• حذف عنصر Removing element

• جایگزینی عنصر Replacing element

• مجموعه ها: عناصر منحصر به فرد، عملیات Sets: unique elements, operations

• مجموعه های اتحادیه Union sets

• کاهش ست ها Reducing sets

• واژه‌نامه‌ها: جفت‌های کلید-مقدار، روش‌ها Dictionaries: key-value pairs, methods

• فرهنگ لغت ایجاد کنید Create dictionary

• افزودن کلیدها و مقادیر Adding keys and values

• چندین ساختار داده Several data structures

پایتون - حلقه های شرطی و توابع Python - Conditionals Looping and Functions

• عبارات شرطی (if, elif, else) Conditional statements (if, elif, else)

• بیانیه شرطی شماره 1 Conditional statement #1

• بیانیه شرطی شماره 2 Conditional statement #2

• عبارات منطقی تو در تو در شرایط Nested logical expressions in conditions

• عبارت منطقی شماره 1 Logical expression #1

• عبارت منطقی شماره 2 Logical expression #2

• عبارت منطقی شماره 3 Logical expression #3

• ساختارهای حلقه ای (برای حلقه ها، حلقه های while) Looping structures (for loops, while loops)

• برای حلقه For loop

• در حالی که حلقه While loop

• تعریف، ایجاد و فراخوانی توابع Defining, creating, and calling functions

• برخورد با تابع شماره 1 Dealing with function #1

• برخورد با تابع شماره 2 Dealing with function #2

• حلقه های شرطی و توابع Conditionals Looping and Functions

پایتون - پاکسازی متوالی و اصلاح داده ها Python - Sequential Cleaning and Modifying Data

• آماده سازی نوت بوک و بارگذاری داده ها Preparing notebook and loading data

• در حال بارگیری داده های csv Loading csv data

• شناسایی مقادیر از دست رفته یا صفر Identifying missing or null values

• ارزش از دست رفته missing values

• روش محاسبه مقدار گمشده Method of missing value imputation

• نسبت دادن مقادیر از دست رفته imputing missing values

• کاوش انواع داده در یک دیتافریم Exploring data types in a dataframe

• بررسی انواع داده ها Checking data types

• برخورد با ارزش های ناسازگار Dealing with inconsistent values

• یافتن ارزش های منحصر به فرد Finding the unique values

• حذف مقدار ناسازگار Removing inconsistent value

• اختصاص انواع داده های صحیح Assigning correct data types

• تخصیص نوع داده Assigning data type

• برخورد با مقادیر تکراری Dealing with duplicated values

• موارد تکراری را شناسایی کنید Identify duplicates

• حذف موارد تکراری Removing duplicates

• پاکسازی و اصلاح متوالی داده ها Sequential data cleaning and modifying

پایتون - روش های مختلف دستکاری داده ها Python - Various Methods of Data Manipulation

• مرتب سازی داده ها بر اساس ستون و ترتیب Sorting data by column and order

• مرتب سازی مجموعه داده ها dataset sorting

• فیلتر کردن داده ها با نمایه سازی بولی Filtering data with boolean indexing

• فیلتر بولی شماره 1 Boolean filtering #1

• فیلتر بولی شماره 2 Boolean filtering #2

• روش پرس و جو برای فیلتر کردن دقیق Query method for precise filtering

• روش پرس و جو Query method

• فیلتر کردن داده ها با روش isin Filtering data with isin method

• روش فیلتر IsIn IsIn filtering method

• برش قاب داده با loc و iloc Slicing dataframe with loc and iloc

• برش با loc Slicing with loc

• برش با iloc Slicing with iloc

• فیلتر کردن داده ها برای بسیاری از شرایط Filtering data for many conditions

• شرایط چندگانه Multiple conditions

• روش های مختلف دستکاری داده ها Various methods of data manipulation

پایتون - ادغام و الحاق دیتافریم ها Python - Merging and Concatenating Dataframes

• اتصال افقی دیتافریم ها Joining dataframes horizontally

• پیوستن درونی Inner joining

• قالب های داده را به صورت عمودی به هم متصل کنید Concatenate dataframes vertically

• الحاق عمودی Vertical concatenation

• ادغام و پیوستن به دیتافریم ها Merging and joining dataframes

پایتون - روش های تحلیل داده های اکتشافی کاربردی Python - Applied Exploratory Data Analysis Methods

• تجزیه و تحلیل فرکانس و درصد Frequency and percentage analysis

• روش شمارش ارزش Value counts method

• آمار توصیفی و تحلیل Descriptive statistics and analysis

• آمار توصیفی Descriptive statistics

• گروه بندی به روش تحلیل داده ها Group by data analysis method

• گروه بندی بر اساس روش Group by method

• تجزیه و تحلیل جدول محوری - همه در یک Pivot table analysis - all in one

• جدول محوری Pivot table

• روش تجزیه و تحلیل جداول متقابل Cross-tabulation analysis method

• جدول بندی متقاطع Cross-tabulation

• تجزیه و تحلیل همبستگی برای داده های عددی Correlation analysis for numeric data

• تجزیه و تحلیل همبستگی Correlation analysis

• تحلیل داده های اکتشافی کاربردی Applied exploratory data analysis

پایتون - کاوش روش های تجسم داده ها Python - Exploring Data Visualisations Methods

• آشنایی با ابزارهای تجسم Understanding visualisation tools

• شروع کار با نمودار میله ای Getting started with bar charts

• نمودار میله ای Bar chart

• نمودارهای میله ای انباشته و خوشه ای Stacked and clustered bar charts

• طرح نوار خوشه ای Clustered bar plot

• نمودار دایره ای برای تجزیه و تحلیل درصد Pie chart for percentage analysis

• نمودار دایره ای Pie chart

• نمودار خطی برای گروه بندی تجزیه و تحلیل داده ها Line chart for grouping data analysis

• نمودار خطی Line chart

• کاوش توزیع با هیستوگرام Exploring distribution with histogram

• هیستوگرام Histogram

• تجزیه و تحلیل همبستگی از طریق نمودار پراکندگی Correlation analysis via scatterplot

• طرح پراکنده Scatter plot

• تجسم ماتریس با نقشه حرارتی Matrix visualisation with heatmap

• نقشه حرارت Heatmap

• روش تجسم آماری باکس پلات Boxplot statistical visualisation method

• طرح جعبه Box plot

• بررسی روش های تجسم داده ها Exploring data visualisations methods

پایتون - روش های عملی تبدیل داده ها Python - Practical Data Transformation Methods

• بررسی توزیع داده های عددی Investigating distribution of numeric data

• Kdeplot برای توزیع Kdeplot for distribution

• تست نرمال بودن شاپیرو ویلک Shapiro Wilk test of normality

• تست نرمال بودن Normality test

• با تبدیل ریشه مربع شروع می شود Starting with square root transformation

• تبدیل SQRT SQRT transformation

• روش تبدیل لگاریتمی Logarithmic transformation method

• تبدیل LOG LOG transformation

• روش تبدیل توان باکس-کاکس Box-cox power transformation method

• تبدیل BOXCOX BOXCOX transformation

• روش تبدیل قدرت یئو جانسون Yeo-Johnson power transformation method

• تبدیل YEO-JOHNSON YEO-JOHNSON transformation

• روش های عملی تبدیل داده ها Practical data transformation methods

پایتون - آزمون های آماری و آزمون فرضیه ها Python - Statistical Tests and Hypothesis Testing

• یک نمونه آزمون تی One sample t-test

• یک نمونه آزمون تی One sample t-test

• آزمون تی نمونه مستقل Independent sample t-test

• آزمون t دو نمونه Two sample t-test

• تحلیل واریانس یک طرفه One way Analysis of Variance

• تست لوین Levene's test

• تحلیل واریانس Analysis of variance

• تست مربع کای برای استقلال Chi square test for independence

• تست جدول بندی متقاطع Cross-tabulation test

• تحلیل همبستگی پیرسون Pearson correlation analysis

• همبستگی پیرسون Pearson correlation

• تحلیل رگرسیون خطی Linear regression analysis

• آزمون رگرسیون خطی Linear regression test

• آزمون های آماری و آزمون فرضیه ها Statistical tests and hypothesis testing

پایتون - کاوش روش‌های مهندسی ویژگی Python - Exploring Feature Engineering Methods

• ایجاد ویژگی های جدید Generating new features

• تولید ویژگی Feature generation

• استخراج روز، ماه و سال Extracting day, month and year

• استخراج عنصر خرما Date element extraction

• ویژگی های رمزگذاری - LabelEncoder Encoding features - LabelEncoder

• رمزگذاری ویژگی Feature encoding

• دسته بندی ویژگی عددی Categorizing numeric feature

• باینینگ ویژگی Feature binning

• رمزگذاری ویژگی دستی Manual feature encoding

• نقشه برداری ویژگی Feature mapping

• تبدیل ویژگی ها به ساختگی Converting features into dummy

• گرفتن آدمک Getting dummies

• روش های مهندسی ویژگی Feature engineering methods

پایتون - پیش پردازش داده برای یادگیری ماشین Python - Data Preprocessing for Machine Learning

• انتخاب ویژگی ها و هدف Selecting features and target

• انتخاب ویژگی Feature selection

• ویژگی های مقیاس بندی - StandardScaler Scaling features - StandardScaler

• مقیاس بندی استاندارد Standard scaling

• ویژگی های مقیاس بندی - MinMaxScaler Scaling features - MinMaxScaler

• مقیاس بندی MinMax MinMax scaling

• کاهش ابعاد با PCA Dimensionality reduction with PCA

• توضیح نسبت واریانس Explained variance ratio

• n_component را انتخاب کنید Select n_component

• تجزیه و تحلیل مؤلفه های اصلی Principal component analysis

• تقسیم به قطار و مجموعه تست Splitting into train and test set

• تقسیم تست قطار Train test split

• پیش پردازش برای یادگیری ماشین Preprocessing for machine learning

پایتون - مدل‌های ML رگرسیون نظارت شده Python - Supervised Regression ML Models

• مدل رگرسیون خطی ML Linear regression ML model

• ساخت رگرسیون خطی ML Build Linear Regression ML

• با مدل LR پیش بینی کنید Make prediction with LR model

• مدل LR را ارزیابی کنید Evaluate the LR model

• مدل ML رگرسیون درخت تصمیم Decision tree regressor ML model

• رگرسیون درخت تصمیم Decision tree regressor

• مدل ML رگرسیون تصادفی جنگل Random forest regressor ML model

• رگرسیون تصادفی جنگل Random forest regressor

• مدل های ML رگرسیون نظارت شده Supervised regression ML models

پایتون - مدل‌های ML طبقه‌بندی نظارت شده Python - Supervised Classification ML Models

• مدل ML رگرسیون لجستیک Logistic regression ML model

• ساخت رگرسیون لجستیک ML Build Logistic Regression ML

• مدل LGR را ارزیابی کنید Evaluate the LGR model

• طبقه بندی درخت تصمیم مدل ML Decision tree classification ML model

• طبقه بندی درخت تصمیم Decision tree classification

• مدل ML طبقه بندی تصادفی جنگل Random forest classification ML model

• طبقه بندی تصادفی جنگل Random forest classification

• طبقه بندی نظارت شده مدل های ML Supervised classification ML models

پایتون - تقسیم بندی با KMeans Clustering Python - Segmentation with KMeans Clustering

• محاسبه در مجموع مربع های خوشه ای Calculating within cluster sum of squares

• محاسبه WCSS Calculating WCSS

• انتخاب تعداد بهینه خوشه Selecting optimal number of clusters

• ترسیم نمودار آرنج Plotting Elbow chart

• کاربرد یادگیری ماشینی KMeans Application of KMeans machine learning

• ساخت خوشه KMeans Building KMeans cluster

• تقسیم بندی داده ها با خوشه بندی KMeans Data segmentation with KMeans clustering

پروژه نهایی - تجزیه و تحلیل داده های ورزشی Final Project - Sports Data Analytics

• تقسیم بندی و طبقه بندی بهترین مهاجمان Segmenting and Classifying the Best Strikers

بعد چه می شود؟ What's Next?

• مراحل بعدی شما - نمونه کارها Your next steps - Portfolios

• مراحل بعدی شما - لینکدین Your next steps - LinkedIn

اضافی - پیام خطای پایتون Extra - Python Error Message

• خطای ModuleNotFound ModuleNotFound error

• اشتباه نوشتاری Syntax error

• خطای کلیدی Key error

• خطای شاخص Index error

• خطای صفت Attribute error

• خطای مقدار Value error

• خطای تایپ Type error

• منبع Resource

اضافی - کدنویسی خود را محکم کنید Extra - Fasten Your Coding

• تشخیص خطاها Diagnosing errors

• خطاهای اشکال زدایی Debugging errors

• تقویت کدها Enhancing codes

• درخواست ChatGPT ChatGPT prompt