لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
دوره آموزش پایتون برای تحلیل دادهها - تبدیل به تحلیلگر داده شوید
- آخرین آپدیت
دانلود Python Course for Data Analysis - Become Data Analyst
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره دارای قابلیت Coursera Coach است!
روشی هوشمندانهتر برای یادگیری با گفتگوهای تعاملی و لحظهای که به شما کمک میکند تا دانش خود را آزمایش کنید، فرضیات را به چالش بکشید و در حین پیشروی در دوره، درک خود را عمیقتر کنید.
این دوره شما را با مبانی برنامهنویسی پایتون و کاربرد آن در تحلیل دادهها آشنا میکند. شما تجربه عملی در استفاده از کتابخانههای محبوب پایتون مانند NumPy، Pandas و Matplotlib برای پاکسازی، دستکاری و بصریسازی دادهها کسب خواهید کرد. با ترکیبی از دروس تعاملی و تمرینات واقعی، درک عمیقی از کاربرد پایتون در تحلیل دادهها به دست میآورید که به شما اجازه میدهد با اعتماد به نفس کامل، مسائل را حل کرده و دادهها را تحلیل کنید.
ساختار این دوره به گونهای است که شما را از مفاهیم ابتدایی به سمت مباحث پیشرفته هدایت میکند. ابتدا با سینتکس پایتون، متغیرها، عملگرها و انواع دادهها آشنا میشوید و سپس به سراغ مهارتهای عملی مانند حلقهها، توابع و List Comprehensions میروید. بخشهای بعدی بر ابزارهای قدرتمند تحلیل داده مانند Pandas برای مدیریت دادهها و Matplotlib برای بصریسازی متمرکز است و در نهایت تکنیکهای پیشرفته در پاکسازی دادهها و ادغام مجموعهدادهها را خواهید آموخت.
این دوره برای هر کسی که به دنبال ارتقای مهارتهای خود در تحلیل دادهها است، ایدهآل است. چه در پایتون مبتدی باشید و چه تجربهای داشته باشید، از تمرینات عملی و پروژهها بهرهمند خواهید شد. این دوره نیازی به دانش قبلی در علوم داده یا پایتون ندارد، هرچند آشنایی اولیه با مفاهیم برنامهنویسی کمککننده خواهد بود. با تمرکز بر کاربردهای دنیای واقعی، این دوره برای زبانآموزان در تمامی سطوح مناسب است.
در پایان این دوره، شما قادر خواهید بود کدهای پایتون برای تحلیل داده بنویسید، با استفاده از Pandas دادهها را پاکسازی و مدیریت کنید، با Matplotlib دادهها را بصریسازی نمایید و یک پروژه جامع را به عنوان نمونهای از مهارتهای خود در محیط واقعی تکمیل کنید.
سرفصل ها و درس ها
مقدمه و بررسی کلی دوره
Introduction & Course Overview
مقدمهای بر دوره
Introduction to Course
مبانی پایتون
Basics of Python
شروع به کار
Getting Started
متغیرها در پایتون
Python Variables
اصطلاحات پایتون
Python Terms
انواع دادهها در پایتون
Python Data Types
رشتهها (Strings)
Strings
فرمتبندی رشتهها
String Formatting
عملگرهای محاسباتی، انتصابی و مقایسهای
Arithmetic, Assignment & Comparison Operators
دستورات شرطی
Conditional Statements
لیستها
Lists
دیکشنریها
Dictionaries
مجموعهها (Sets)
Sets
تاپلها (Tuples)
Tuples
عملگرهای منطقی
Logical Operators
حلقهها
Loops
لیست کامپرهنشن (List Comprehension)
List Comprehension
تمرین: بررسی مهارتها
Exercise: Skill Investigation
توابع
Functions
توابع لمبدا (Lambda)
Lambda Functions
ماژولها
Modules
تمرین: پاکسازی دادهها
Exercise: Cleaning Data
کتابخانهها
Libraries
کلاسها
Classes
آشنایی با کتابخانه Numpy
Introduction to Numpy
نومپای: مقدمه
Numpy: Introduction
مبانی کتابخانه Pandas
Basics of Pandas
مقدمهای بر پانداز
Introduction to Pandas
بررسی دادهها
Data Inspection
پاکسازی دادهها
Data Cleaning
تحلیل دادهها
Data Analysis
تمرین: مبانی پانداز
Exercise: Pandas Basics
مبانی کتابخانه Matplotlib
Basics of Matplotlib
مقدمهای بر متپلاتلیب
Introduction to Matplotlib
رسم نمودارها
Plotting
متپلاتلیب: برچسبگذاری
Matplotlib: Labeling
متپلاتلیب: رسم نمودار با پانداز
Matplotlib: Pandas Plotting
نمایش نظرات