لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش پایتون: از کاربر معمولی تا کاوشگر دادهها
- آخرین آپدیت
دانلود Python: de usuario a explorador de datos
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
در این دوره، شما مبانی استخراج، تبدیل و بارگذاری دادهها (ETL) و همچنین مفاهیم کاوش دادهها (Data Exploration) در علم داده را فرا خواهید گرفت. شما یاد میگیرید که چگونه با کتابخانه Pandas و دیتافریمها کار کنید، فایلهای CSV و XLSX را بخوانید و مفاهیم سریهای زمانی را درک کنید. علاوه بر این، بصریسازی دادهها را با استفاده از Matplotlib و ایجاد نمودارهای تکگانه و سفارشی میآموزید. همچنین با NumPy و مدیریت آرایهها، انجام عملیات پایه و محاسبه گرادینتها آشنا خواهید شد. در طول این دوره، بهترین روشهای جریان کاری در علم داده و مفاهیم پیشرفتهای مانند چندشاخصه (Multi-indexing) در سریهای زمانی را توسعه میدهید و در نهایت، نحوه استفاده از پکیجها به صورت محلی را یاد خواهید گرفت.
سرفصل ها و درس ها
مبانی استخراج، تبدیل، بارگذاری و کاوش دادهها
Fundamentos de extracción, transformación y carga de datos y exploración de datos
معرفی دوره
Presentación del curso
معرفی هفته اول
Presentación de la semana 1
توابع در پایتون
Funciones en Python
مفهوم ETL: استخراج، تبدیل و بارگذاری
ETL. Extracción, transformación y carga
مقدمهای بر سریهای زمانی
Introducción a las series temporales
آشنایی با Pandas و دیتافریمها
Introducción a pandas y a los dataframes
فایلهای CSV و XLSX
Archivos csv y xlsx
خواندن فایلهای CSV
Lectura de archivos csv
خواندن فایلهای XLSX
Lectura de archivos xlsx
بررسی گزینههای read_csv
Explorando las opciones de read_csv
اندیس دیتافریمها و سریهای زمانی
El índice de los dataframes y las series temporales
آبجکت زمان در Pandas
El objeto tiempo en pandas
ستونها و ردیفها
Columnas y renglones
EDA: کاوش بصری مجموعه دادهها
EDA: Explora visualmente tu conjunto de datos
تحلیل آماری و ساختاری مجموعه دادهها
Analisis estadístico y estructural del conjunto de datos
دیتافریمها و مقادیر خالی (Null)
Dataframes y valores nulos
عملیات پایه با دیتافریمها
Operaciones básicas con dataframes
یافتن و جایگزینی اطلاعات
Localizar y reemplazar informacion
هشدارها هنگام کار با دادهها
Warnings al trabajar con datos
تغییر و مکانیابی نام ستونها
Cambia y localiza los nombres de las columnas
تغییر فرکانس دادهها
Cambia la frecuencia de tus datos
آشنایی با Matplotlib
Introducción a matplotlib
معرفی هفته دوم
Presentación de la semana 2
مقدمهای بر Matplotlib
Introducción a Matplotlib
آناتومی یک نمودار
Anatomía de una gráfica
مفهوم Figure و Axes (fig, ax)
Concepto de figuras y ejes (fig, ax)
انواع نمودارها - بخش اول
Tipos de gráficas. Parte 1.
انواع نمودارها - بخش دوم
Tipos de gráficas. Parte 2.
نمودارهای تکگانه
Gráficas individuales
اولین نمودار سری زمانی من
Mi primera gráfica temporal
سفارشیسازی نمودارها
Personaliza tus figuras
نمودارهای چندگانه - بخش اول
Multiples gráficas . Parte 1.
نمودارهای چندگانه - بخش دوم
Multiples gráficas. Parte 2.
نمودارهای چندگانه با الگوهای پیچیده
Multiples gráficas con patrones complejos
نمودارهای تعاملی با ipywidgets
Gráficas interactivas con ipywidgets
آمادهسازی نمودار برای انتشار
Prepara tu figura para publicación
مدیریت آرایهها با NumPy
Manejo de arreglos con Numpy
معرفی هفته سوم
Presentación de la semana 3
مقدمهای بر NumPy و آرایههای عددی
Introducción a NumPy y arreglos numéricos
وارد کردن فایلها با NumPy - بخش اول
Importar archivos con NumPy. Parte 1
وارد کردن فایلها با NumPy - بخش دوم
Importar archivos con NumPy. Parte 2
ویژگیها و خصوصیات آرایهها
Atributos y propiedades de Arrays
عملیات پایه با آرایهها
Operaciones básicas con Arrays
Slicing و Fancy Slicing در NumPy
Slicing y fancy slicing en NumPy
کار با تصاویر با استفاده از NumPy
Manipula imagenes con NumPy
مدیریت چندین فایل با کتابخانه glob
Manejo de multiples archivos con glob
جریان کاری NumPy با تصاویر - بخش اول
Flujo de trabajo en NumPy con imagenes. Parte 1
جریان کاری NumPy با تصاویر - بخش دوم
Flujo de trabajo en NumPy con imagenes. Parte 2
ایجاد بازهها با arange و linspace
Creando intervalos con arange y linspace
دستکاری آرایههای NumPy
Manipulación de los arreglos de Numpy
ذخیرهسازی دادهها در NumPy
Guardar datos en NumPy
شبکهبندی برای محاسبات عددی با NumPy
Mallas para cálculos numéricos con NumPy
ابزارهای جبر خطی
Herramientas para álgebra lineal
فرآیند ETL و EDA
Proceso ETL y EDA
معرفی هفته چهارم
Presentación de semana 4
مفهوم فضای کاری (Workspace)
El concepto del espacio de trabajo
روایت محاسباتی در نوتبوکها
La narrativa computacional en las libretas
اتصال فایلها با Pandas - بخش اول
Concatena archivos con pandas. Parte 1
اتصال فایلها با Pandas - بخش دوم
Concatena archivos con pandas. Parte 2.
چندشاخصه در ستونهای سریهای زمانی
Multi-índices en las columnas de series temporales
چندشاخصه در اندیسهای سریهای زمانی - بخش دوم
Multi-índices en los índices de series temporales. Parte 2
مفهوم Encoding
El encoding
توسعه پکیجهای محلی
Desarrolla paquetes locales
مرور بهترین روشهای اجرایی
Repaso de buenas prácticas
پروژه نهایی: کاوش بصری دادهها - بخش اول
Ejercicio final: Exploración visual de datos. Parte 1.
پروژه نهایی: کاوش بصری دادهها - بخش دوم
Ejercicio final: Exloración visual de datos. Parte 2.
پروژه نهایی: پاکسازی دادهها - بخش اول
Ejercicio final: Limpieza de datos. Parte 1.
پروژه نهایی: پاکسازی دادهها - بخش دوم
Ejercicio final: Limpieza de datos. Parte 2.
پروژه نهایی: تحلیل و نمودار نهایی
Ejercicio final: Análisis y figura final.
بررسی پکیجهای پیشنهادی علم داده
Paqueteria de ciencia de datos a explorar
گواهینامه با درجه ممتاز
Certificado con honores
پروژه نهایی
Proyecto final
چگونه پروژه خود را برای دریافت گواهینامه ممتاز ارسال کنیم؟
¿Cómo enviar tu proyecto con honores?
نمایش نظرات