لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش تجزیه و تحلیل کسب و کار در دنیای واقعی و آمار در پایتون
Real-World Business Analysis and Statistics in Python
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
بر قدرت پانداها، NumPy، Matplotlib و Statmodels از تجزیه و تحلیل داده ها تا تصمیم گیری استراتژیک در پایتون مسلط شوید. درک کاملی از Python برای تجزیه و تحلیل داده ها به دست آورید. مهارت های پاکسازی و پیش پردازش مجموعه داده های دنیای واقعی را توسعه دهید و از کیفیت و قابلیت اطمینان داده ها اطمینان حاصل کنید. یاد بگیرید که از کتابخانه های کلیدی مانند Pandas، NumPy و Matplotlib برای دستکاری، تجزیه و تحلیل و تجسم داده ها استفاده کنید. تسلط بر تکنیک های پیشرفته پردازش داده ها، از جمله مهندسی ویژگی، تبدیل داده ها، و مدیریت مقادیر از دست رفته. نحوه پیادهسازی statmodels API برای ساخت مدلهای آماری و تعیین تأثیرگذارترین عوامل برای تصمیمگیری و توصیههای مؤثر را بررسی کنید. پیش نیازها:دانش پایه پایتون میل به یادگیری
با دوره جامع ما سفری متحول کننده به قلمرو تحلیل و آمار کسب و کار دنیای واقعی در پایتون آغاز کنید. در این تجربه یادگیری پویا، پایهای قوی در پایتون به دست خواهید آورد که برای تجزیه و تحلیل دادهها طراحی شده است و مهارتهای ضروری را برای پیمایش، تمیز کردن و پیش پردازش مؤثر مجموعههای داده دنیای واقعی به دست میآورید. از طریق تمرینهای عملی و سناریوهای زندگی واقعی، در تضمین کیفیت و قابلیت اطمینان دادهها ماهر خواهید شد و زمینه را برای تصمیمگیری آگاهانه در دنیای مبتنی بر دادهها فراهم میکنید.
با کتابخانههای کلیدی مانند Pandas، NumPy، و Matplotlib عمیقاً در قلب دستکاری، تجزیه و تحلیل و تجسم دادهها شیرجه بزنید. پتانسیل این ابزارهای قدرتمند را برای به دست آوردن بینش های معنادار از مجموعه داده های پیچیده باز کنید، و شما را به توانایی تبدیل اطلاعات خام به هوش کاربردی مجهز می کند. این دوره شما را از طریق تکنیکهای پیشرفته پردازش داده، از جمله مهندسی ویژگی، تبدیل دادهها، و مدیریت مقادیر از دست رفته راهنمایی میکند و تضمین میکند که مجموعه مهارتهای لازم برای مقابله با پیچیدگیهای دادههای دنیای واقعی را دارید.
فراتر از مهارتهای اساسی، این دوره با کاوش در کاربرد statmodels API مهارت شما را افزایش میدهد. بیاموزید که چگونه مدلهای آماری بسازید که تأثیرگذارترین عوامل را در یک مجموعه داده آشکار میکند و شما را قادر میسازد تصمیمات و توصیههای مؤثری بگیرید. از طریق کاربردهای عملی و مطالعات موردی، درک جامعی از بهرهگیری از بینشهای آماری برای تصمیمگیری استراتژیک در سناریوهای مختلف کسبوکار به دست خواهید آورد. در پایان دوره، شما نه تنها با تخصص فنی، بلکه با یک ذهنیت استراتژیک برای مقابله با چالش های تجاری در چشم انداز رقابتی امروز ظاهر خواهید شد.
در این سفر یادگیری تحولآفرین به ما بپیوندید، جایی که تئوری با کاربرد عملی روبرو میشود، و خود را با ابزارها و دانش توانمند کنید تا در پیچیدگیهای تجزیه و تحلیل دادههای دنیای واقعی پیمایش کنید و تأثیر معناداری را در سازمان خود ایجاد کنید.
سرفصل ها و درس ها
راه اندازی پلت فرم تجزیه و تحلیل داده های خود
Setting Up Your Data Analysis Platform
پایتون و ژوپیتر نوت بوک را نصب کنید
Install Python and Jupyter Notebook
راه اندازی ChatGPT برای تجزیه و تحلیل SMART
Setting Up ChatGPT for SMART Analysis
دانلود منابع مورد استفاده در این دوره
Download Resources Used in this Course
فاز 1: مراحل پاکسازی داده ها برای پروژه های واقعی - جهان
Phase 1: Steps in Data Cleaning for Real - World Projects
وارد کردن مجموعه داده های فروش در نوت بوک Jupyter
Importing Sales Dataset in Jupyter Notebook
وارد کردن مقادیر گمشده با روش scikit-learn
Imputing missing values with scikit-learn method
پیدا کردن و برخورد با ارزش های ناسازگار
Finding out and dealing with inconsistent values
رفع انواع داده های اشتباه و اختصاص نوع صحیح
Fixing wrong data types and assign the correct type
حذف موارد تکراری بدون خطا در مجموعه داده ها
Dropping duplicates making dataset error free
فاز 2: مراحل دستکاری داده ها برای پروژه های واقعی - جهان
Phase 2: Steps in Data Manipulation for Real - World Projects
سازماندهی و مرتب سازی مجموعه داده ها و یافتن بینش
Organinzing and Sorting dataset and finding insight
فیلتر مشروط، تقسیم داده ها، پارتیشن بندی داده ها
Conditional filtering, data splitting, data partitioning
متغیرهای ضروری اضافی را با مجموعه داده ادغام کنید
Merge extra necessary variables to the dataset
الحاق داده های ضروری اضافی در داده های موجود
Concatenating extra necessary data within existing data
فاز 3: مراحل تجزیه و تحلیل داده های اکتشافی برای چالش های واقعی - جهانی
Phase 3: Steps in Exploratory Data Analysis for Real - World Challenges
تجزیه و تحلیل داده های اکتشافی را درک کنید
Understand exploratory data analysis
چالش 1: کشور محل اقامت اکثر مشتریان چیست؟
Challenge 1: What is the country of residence for the majority of customers?
چالش 2: توضیحات ارزش سفارش، هزینه و بازپرداخت را بیابید.
Challenge 2: Find the descriptives of order value, cost and refund.
چالش 3: 3 دسته محصول برتر را بر اساس ارزش سفارش و هزینه پیدا کنید.
Challenge 3: Find top 3 product categories based on both order value and cost.
چالش 4: وفادارترین مشتریان سوپراستور شما چه کسانی هستند؟
Challenge 4: Who are the most loyal customers of your superstore?
چالش 5: کدام مدیر فروش محصولی را فروخت که بیشترین حجم فروش را داشته باشد؟
Challenge 5: Which sales manager sold product that has the highest sales volume?
چالش 6: رابطه بین ارزش سفارش، هزینه و مبلغ بازپرداخت را پیدا کنید.
Challenge 6: Find the relationship between order value, cost and refund amount.
فاز 4: درک تجزیه و تحلیل آماری و آزمون فرضیه
Phase 4: Understanding Statistical Analysis and Hypothesis Testing
جنبه های مختلف آزمون فرضیه در آمار
Various aspects of hypothesis testing in statistics
سطح اطمینان، سطح معناداری و p-value را درک کنید
Understand confidence level, significance level and p-value
مراحل کامل آزمون فرضیه را درک کنید
Understand complete steps in hypothesis testing
فاز 5. تبدیل داده ها به فرمت توزیع عادی
Phase 5. Transform Data into Normal Distribution Format
آزمایش توزیع نرمال متغیرهای عددی
Testing normal distribution of numeric variables
تبدیل ریشه مربع برای تبدیل توزیع نرمال
Square root transformation for normal distribution conversion
تبدیل لگاریتمی برای تبدیل توزیع نرمال
Logarithmic transformation for normal distribution conversion
تبدیل Box-cox برای تبدیل توزیع نرمال
Box-cox transformation for normal distribution conversion
تبدیل Yeo-Johnson برای تبدیل توزیع نرمال
Yeo-Johnson transformation for normal distribution conversion
فاز 6: انجام تجزیه و تحلیل داده های آماری و آزمون فرضیه ها
Phase 6: Perform Statistical Data Analysis and Hypothesis Testing
ANOVA یک طرفه: آزمایش تفاوت
One - way ANOVA: Testing the difference
نمایش نظرات