لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش تجزیه و تحلیل داده های پایتون
Python Data Analysis
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
علم داده در حال تغییر روشی است که رهبران دولت و صنعت به مشکلات خاص و به کل جهان نگاه می کنند. کنجکاو هستید که چگونه تجزیه و تحلیل داده ها در عمل واقعاً کار می کند؟ در این دوره ، مدرس Michele Vallisneri به شما نشان می دهد که ، برای شروع کار با علم داده با استفاده از Python ، چه چیزی لازم است.
Michele نحوه تنظیم محیط تجزیه و تحلیل شما را نشان می دهد و در زمینه کار با داده ها تجدید نظر می کند ساختارها در پایتون. سپس ، او وارد چیزهای بزرگ می شود: قدرت آرایه ها ، نمایه سازی و جداول در NumPy و pandas - دو بسته شخص ثالث محبوب که به طور خاص برای تجزیه و تحلیل داده ها طراحی شده اند. وی همچنین از طریق دو نمونه از پروژه های کلان داده گام برمی دارد: استفاده از NumPy برای شناسایی و تجسم الگوهای آب و هوا و استفاده از پانداها برای تجزیه و تحلیل محبوبیت نام نوزادان در قرن گذشته. چالش های صادر شده در این راه به شما کمک می کند تا آموخته های خود را تمرین کنید.
توجه: این نسخه از دوره برای بروز تغییرات اخیر در پایتون 3 ، NumPy و پانداها به روز شد.
موضوعات شامل:
نحوه نصب و راه اندازی پایتون و بارگیری کتابخانه های لازم را شرح دهید. li>
مثالهای استفاده از لیستها و دامنه ها را در پایتون توضیح دهید. li>
روشهای پردازش رشته را در پایتون توضیح دهید. li>
مشخصات و مشخصات آرایه های NumPy را توصیف کنید. li>
مثالهای استفاده از روشهای NumPy در تولید و تحلیل داده ها را توضیح دهید. li>
برای ایجاد طرح های xy از matplotlib استفاده کنید. li>
مشخصات و مشخصات DataFrames را در پانداها شرح دهید. li>
سرفصل ها و درس ها
مقدمه
Introduction
در تجزیه و تحلیل داده ها با پایتون شروع کنید
Get started in data analysis with Python
چه چیزی میخواهید بدانید
What you need to know
چه جدید در این به روز رسانی وجود دارد
What's new in this update
1. نصب و راه اندازی
1. Installation and Setup
Anaconda Python را روی سیستم عامل X نصب کنید
Install Anaconda Python on OS X
Anaconda Python را در ویندوز نصب کنید
Install Anaconda Python on Windows
کار با نوت بوک های Jupyter
Working with Jupyter Notebooks
با استفاده از پرونده های تمرینی
Using the exercise files
استفاده از پایتون در ابر
Using Python in the cloud
2. ساختار داده ها در پایتون خالص
2. Data Structures in Pure Python
گرم کردن با حلقه های پایتون
Warmup with Python loops
دنباله ها: لیست ها ، تاپ ها ، و نحو برش
Sequences: Lists, tuples, and the slicing syntax
واژگان و مجموعه ها
Dictionaries and sets
درکها
Comprehensions
ظروف پیشرفته پایتون
Advanced Python containers
3. Wordplay: Anagrams و Palindromes
3. Wordplay: Anagrams and Palindromes
بررسی اجمالی Anagrams
Anagrams overview
بارگیری یک فرهنگ لغت
Loading a dictionary
پیدا کردن anagrams
Finding anagrams
چالش: Palindromes
Challenge: Palindromes
راه حل: Palindromes
Solution: Palindromes
4- آرایه ها با NumPy
4. Arrays with NumPy
نمای کلی NumPy
NumPy overview
ایجاد آرایه های NumPy
Creating NumPy arrays
نمایه سازی آرایه های NumPy
Indexing NumPy arrays
انجام ریاضی با آرایه های NumPy
Doing math with NumPy arrays
آرایه های ویژه: سوابق و تاریخ
Special arrays: Records and dates
5. استفاده از پرونده: داده های آب و هوا
5. Use Case: Weather Data
نمای کلی مورد استفاده
Overview of use case
بارگیری داده های ایستگاه و دما
Loading station and temperature data
Michele Vallisneri یک اخترفیزیکدان نظری در آزمایشگاه پیشرانش جت ناسا است.
او دکترای فیزیک خود را در موسسه فناوری کالیفرنیا در سال 2002 به دست آورد. تحقیقات او شامل تشخیص و تفسیر امواج گرانشی با LIGO ، در فضا و زمان بندی تپنده است. او متخصص تجزیه و تحلیل داده ها ، استنتاج بیزی و فیزیک محاسباتی است و معتقد است که برنامه نویسی شفاف و زیبا می تواند سخت ترین مشکلات را روشن کند. او یکی از اعضای انجمن فیزیک آمریکا است و به او مدال دستاوردهای علمی استثنایی ناسا اهدا شد.
نمایش نظرات