مشکل زیرساخت شبکه و افت سرعت کاملاً برطرف شده است. در حال حاضر فعالسازی و آمادهسازی دورهها در حال انجام است. از صبر و شکیبایی شما سپاسگزاریم.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش توابع پایتون برای علوم داده
- آخرین آپدیت
دانلود Python Functions for Data Science
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
علوم داده در پایتون بیش از آنکه به حفظ کردن تمام زبان برنامه نویسی وابسته باشد، به داشتن توابع مناسب در لحظه نیاز دارد. این دوره آموزشی ابزارهایی را پوشش میدهد که تحلیلگران و دانشمندان داده به صورت روزانه از آنها استفاده میکنند: توابع داخلی پایتون، NumPy، SciPy، pandas، matplotlib و seaborn. در این دوره، به جای بررسی هر کتابخانه به عنوان یک موضوع انتزاعی، شما یک جعبه ابزار کاربردی واحد را مهارت به مهارت خواهید ساخت.
شما یاد میگیرید که چگونه دادهها را تنها با استفاده از توابع داخلی پایتون بررسی، تجمیع، مرتب و فیلتر کنید، سپس به سراغ NumPy بروید تا آرایههای عددی را برای محاسبات سریع و در مقیاس بزرگ ایجاد و تغییر دهید. پس از آن، از SciPy برای حل مسائل مبتنی بر ماتریس و تست معناداری آماری تفاوتهای دادهها استفاده خواهید کرد. سپس همین دادهها را به pandas منتقل میکنید تا مجموعهدادههای جدولی واقعی را بسازید، پاکسازی کرده و تغییر شکل دهید و اطلاعات را دقیقاً مطابق با نیازهای یک پروژه تحلیل واقعی، ترکیب و گروهبندی کنید. در نهایت، یافتههای خود را با استفاده از matplotlib و seaborn به نمودارهای واضح و آماده ارائه تبدیل خواهید کرد.
در پایان این دوره، شما قادر خواهید بود مجموعهدادههای واقعی را با استفاده از ابزارهای اصلی علوم داده در پایتون بررسی، تبدیل، تحلیل و بصریسازی کنید و این مهارتها را بلافاصله روی دادههای خود به کار ببرید.
سرفصل ها و درس ها
ضروریات هسته پایتون
Core Python Essentials
استفاده از پایتون مانند یک دانشمند داده
Use Python Like a Data Scientist
شروع کار با پایتون
Getting Started With Python
بررسی دادهها با توابع ()Print، ()Input و ()Type
Inspect Data With Print(), Input(), and Type()
تجمیع و تبدیل دادهها با توابع داخلی پایتون
Aggregating and Transforming Data with Python's Built-In Functions
مدیریت بزرگی و دقت در دادهها
Handle Magnitudes and Precision in Data
تجمیع دادهها با توابع ()Min، ()Max، ()Sum و ()Len
Aggregate Data With Min(), Max(), Sum(), and Len()
مرتبسازی، فیلتر کردن و تبدیل دادهها در پایتون
Sort, Filter, and Transform Your Data in Python
مبانی NumPy و SciPy
NumPy and SciPy Fundamentals
ایجاد آرایههای NumPy در پایتون
Create NumPy Arrays in Python
اندکسگذاری و برش (Slicing) آرایههای NumPy
Index and Slice NumPy Arrays
تغییر شکل (Reshape) آرایههای NumPy
Reshape NumPy Arrays
تبدیل و مقیاسبندی آرایههای NumPy
Transform and Scale NumPy Arrays
تحلیل دادهها با NumPy و SciPy
Analyzing Data with NumPy and SciPy
استخراج مقادیر آماری کلیدی از آرایههای NumPy
Extract Key Statistical Values From NumPy Arrays
حل مسائل مبتنی بر ماتریس با SciPy
Solve Matrix-Based Problems With SciPy
اجرای توابع آماری با SciPy
Run Statistical Functions With SciPy
ساخت و اصلاح Series و DataFrames در پانداز
Building and Modifying Pandas Series and DataFrames
ایجاد Series و Dataframes در پانداز
Create Pandas Series and Dataframes
استخراج زیرمجموعههای داده از اشیاء پانداز
Extract Data Subsets From Pandas Objects
اصلاح اشیاء پانداز
Modify Pandas Objects
ترکیب، گروهبندی و تبدیل دادهها با پانداز
Combining, Grouping, and Transforming Data with Pandas
ترکیب دادهها از اشیاء پانداز
Combine Data From Pandas Objects
گروهبندی دادهها از اشیاء پانداز
Group Data From Pandas Objects
تبدیل دادهها با تابع ()Pandas Apply
Transform Data With Pandas Apply()
نمایش نظرات