آموزش تجزیه و تحلیل داده های پایتون - آخرین آپدیت

دانلود Python Data Analysis

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

علم داده شیوه ای را که رهبران دولت و صنعت به مشکلات خاص و جهان در کل نگاه می کنند ، تغییر داده است. کنجکاو در مورد چگونگی عملکرد تجزیه و تحلیل داده ها در عمل؟ در این دوره ، مربی میشل والیزنرنی توضیح می دهد که برای شروع کار با استفاده از Python چه کاری لازم است.

میشل نحوه تنظیم محیط تجزیه و تحلیل خود را نشان می دهد و در مورد اصول کار با ساختارهای داده در پایتون ، تازه کننده ای را ارائه می دهد. سپس ، او به چیزهای بزرگ می پرید: قدرت آرایه ها ، نمایه سازی و جداول در Numpy و Pandas. او همچنین شما را از طریق دو پروژه بزرگ داده های بزرگ راهنمایی می کند: استفاده از NUMPY برای شناسایی و تجسم الگوهای آب و هوا و استفاده از پاندا برای تجزیه و تحلیل محبوبیت نام کودک در قرن گذشته. چالش های صادر شده در این راه به شما کمک می کند تا آنچه را آموخته اید تمرین کنید. بعلاوه ، در مورد مهارت های موجود در کارهای اساسی تجزیه و تحلیل داده ها بیاموزید: واردات و درگیری ، خلاصه و تجسم ، مدل سازی و استدلال.

این دوره با CodeSpaces GitHub ، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به تنظیمات محلی محلی ارائه می دهد ، یکپارچه شده است. با استفاده از Codepaces GitHub ، می توانید از هر دستگاهی ، در هر زمان استفاده کنید-همه در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد. برای یادگیری نحوه شروع کار ، فیلم "تنظیم: استفاده از Codespaces" را بررسی کنید.


سرفصل ها و درس ها

مقدمه Introduction

  • چه چیز جدیدی در این به روزرسانی است What is new in this update

  • از داده ها تا بینش با پایتون From data to insight with Python

  • چالش های Coderpad CoderPad challenges

  • تنظیم: با استفاده از CodeSpaces Set up: Using Codespaces

  • آنچه شما باید بدانید What you need to know

1. ساختار داده های پایتون 1. Python Data Structures

  • گرم کردن با حلقه های پایتون Warmup with Python loops

  • فرهنگ لغت و مجموعه Dictionaries and sets

  • tuples ، لیست ها و نحو برش Tuples, lists, and the slicing syntax

  • کلاسهای داده Data classes

  • درک Comprehensions

2. پروژه: یافتن آناگرام 2. Project: Finding Anagrams

  • پیدا کردن آناگرام Finding anagrams

  • راه حل: Palindromes را پیدا کنید Solution: Find palindromes

  • بارگیری فرهنگ لغت از پرونده های متنی Loading dictionaries from text files

  • نمای کلی: یافتن آناگرام Overview: Finding anagrams

3. Numpy 3. NumPy

  • آرایه های ویژه: سوابق و تاریخ Special arrays: Records and dates

  • انجام ریاضیات با آرایه های numpy Doing math with NumPy arrays

  • نمای کلی NUMPY NumPy overview

  • ایجاد آرایه های numpy Creating NumPy arrays

  • نمایه سازی آرایه های numpy Indexing NumPy arrays

4. پروژه: داده های آب و هوا 4. Project: Weather Data

  • نمودارهای آب و هوا Weather charts

  • بارگذاری ایستگاه و داده های دما Loading station and temperature data

  • تمیز کردن داده های آب و هوا Cleaning weather data

  • راه حل: ناهنجاری دما Solution: Temperature anomaly

  • نمای کلی: تجزیه و تحلیل آب و هوا Overview: Analyzing weather

  • سریال های هموار سازی و نقشه برداری Smoothing and plotting time series

5. پانداس 5. pandas

  • بررسی اجمالی پاندا pandas overview

  • ریاضی و نقشه برداری در پاندا Math and plotting in pandas

  • عملیات پایگاه داده در پاندا Database operations in pandas

  • Pandas Dataframes و سری pandas DataFrames and Series

  • نمایه سازی در پاندا Indexing in pandas

6. پروژه: نام کودک 6. Project: Baby Names

  • بارگیری مجموعه داده های نام Loading name datasets

  • گردآوری ده ها Compiling top tens

  • نمای کلی: تجزیه و تحلیل نام های کودک Overview: Analyzing baby names

  • مقایسه محبوبیت نام Comparing name popularity

  • راه حل: نام های یونیکس Solution: Unisex names

7. داده های واردات و درگیری با پاندا 7. Importing and Wrangling Data with pandas

  • شبیه سازی داده ها Simulating data

  • وارد کردن داده ها با پاندا Importing data with pandas

  • فیلتر ، تغییر شکل و داده های مرتب Filtering, reshaping, and tidying data

  • نمای کلی: ساختار داده ها Overview: The structure of data

  • راه حل: رتبه بندی کشور Solution: Country rankings

  • داده های تمیز کردن Cleaning data

8. خلاصه و تجسم داده ها 8. Summarizing and Visualizing Data

  • خلاصه و تجسم داده های طبقه بندی شده Summarizing and visualizing categorical data

  • خلاصه داده های کمی Summarizing quantitative data

  • مقایسه متغیرهای کمی Comparing quantitative variables

  • نمای کلی: کاوش داده ها Overview: Exploring data

  • تجسم توزیع ها Visualizing distributions

9. مقدمه ای برای مدل سازی داده ها 9. Introduction to Data Modeling

  • نمای کلی: درک داده ها Overview: Understanding data

  • راه حل: مدل Gapminder متناسب است Solution: Gapminder model fit

  • ارزیابی و انتخاب مدل Model evaluation and selection

  • طعم یادگیری ماشین A taste of machine learning

  • آزمایش فرضیه ها با مونت کارلو Testing hypotheses with Monte Carlo

  • مدل های متناسب با داده ها Fitting models to data

10. پروژه: داده های Covid-19 10. Project: COVID-19 Data

  • نمای کلی: داده های Covid-19 Overview: COVID-19 data

  • خلاصه داده های COVID-19 Summarizing COVID-19 data

  • تجسم داده های Covid-19 Visualizing COVID-19 data

  • مدل سازی داده های Covid-19 Modeling COVID-19 data

پایان Conclusion

  • گسترش مهارت های تجزیه و تحلیل داده های پایتون Extending your Python data analysis skills

نمایش نظرات

آموزش تجزیه و تحلیل داده های پایتون
جزییات دوره
3h 43m
57
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
893
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Michele Vallisneri Michele Vallisneri

اخترفیزیکدان نظری در آزمایشگاه پیشرانش جت ناسا

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.