Python for Data Science: Python Programming and Data Analysis

Python for Data Science: Python Programming & Data Analysis

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: تبدیل داده ها به بینش با استفاده از پایتون و کتابخانه های قدرتمند آن مانند Numpy، Pandas، MatplotLib، Seaborn و غیره. درک کاملی از نحو پایتون، اسکریپت نویسی و مفاهیم اساسی برنامه نویسی مانند متغیرها، انواع داده ها و عملیات رشته به دست آورید. در استفاده از آن مهارت داشته باشید. فهرست‌ها، لغت‌نامه‌ها، تاپل‌ها و مجموعه‌هایی برای سازمان‌دهی و مدیریت موثر داده‌ها در پایتون استاد استفاده از عبارات شرطی و حلقه‌ها در پایتون برای خودکارسازی و بهینه‌سازی وظایف پردازش داده‌ها طراحی توابع Python قابل استفاده مجدد برای انجام کارآمد وظایف تکراری، از جمله دانش بازگشت و توابع لامبدا کسب مهارت در خواندن و نوشتن فایل‌ها در پایتون، که برای وظایف پردازش داده‌ها در برنامه‌های کاربردی دنیای واقعی ضروری است. و تحلیل؛ یادگیری نحوه کاوش، پاکسازی و تبدیل داده ها به قالبی مناسب برای تجزیه و تحلیل توسعه توانایی ایجاد نمایش تصویری روشن از داده ها با استفاده از کتابخانه های Matplotlib و Seaborn پایتون برای شروع این دوره فقط مهارت های اولیه کامپیوتر و دسترسی به کامپیوتر با اتصال به اینترنت ضروری است.

آیا می خواهید دانشمند داده شوید یا می خواهید مهارت های تجزیه و تحلیل داده های خود را تقویت کنید؟ آیا تا به حال خود را غرق در داده ها کرده اید و به این فکر کرده اید که چگونه آنها را به بینش های عملی تبدیل کنید؟ اگر هدف شما این است که نه تنها دنیای وسیع علم داده را درک کنید، بلکه این دانش را به صورت عملی نیز به کار ببرید، پس این دوره با در نظر گرفتن شما طراحی شده است. در دنیای متحول کننده Python و کتابخانه های قدرتمند آن شیرجه بزنید و سفر خود را برای تبدیل شدن به یک دانشمند داده ماهر آغاز کنید.

این دوره راهنمای جامعی برای تسلط بر برنامه نویسی پایتون و تجزیه و تحلیل داده ارائه می دهد که به طور خاص برای کاربردهای علم داده طراحی شده است. با شرکت در این دوره، شما:

  • یک پایه محکم در برنامه نویسی پایتون، از نحو اولیه تا توابع پیشرفته ایجاد کنید.

  • بر هنر مدیریت و تجزیه و تحلیل داده‌ها با استفاده از قوی‌ترین کتابخانه‌های پایتون، از جمله NumPy برای داده‌های عددی، پانداها برای دستکاری داده‌ها، Matplotlib و Seaborn برای تجسم داده‌ها مسلط شوید.

  • تجسم داده‌های قانع‌کننده‌ای ایجاد کنید که یافته‌های شما را به‌طور مؤثر ارتباط برقرار کند.

  • تکنیک‌های دستکاری داده‌ها را برای پاکسازی، تبدیل و آماده‌سازی داده‌های خود برای تجزیه و تحلیل اجرا کنید.

  • مشکلات تحلیل داده های دنیای واقعی را با استفاده از راه حل های برنامه نویسی عملی حل کنید.

چرا یادگیری در مورد این موضوع حیاتی است؟

در دنیای داده محور امروزی، توانایی تجزیه و تحلیل و تفسیر داده ها ضروری است. پایتون که در خط مقدم علم داده قرار دارد، اکوسیستم گسترده ای از کتابخانه ها و ابزارهایی را ارائه می دهد که تجزیه و تحلیل داده ها را در دسترس و قدرتمند می کند. چه در حال تجزیه و تحلیل داده های مشتری برای اطلاع از تصمیمات تجاری باشید، چه در حال تحقیق برای اهداف آکادمیک یا کاوش مجموعه داده ها برای پروژه های شخصی باشید، Python قابلیت هایی را برای تبدیل داده ها به بینش فراهم می کند.

در طول این دوره، شما در فعالیت‌های عملی مانند تمرین‌های کدنویسی، پروژه‌های تحلیل داده در دنیای واقعی و ایجاد تجسم داده‌ها شرکت خواهید کرد. این تجربیات عملی برای تقویت یادگیری شما طراحی شده اند و به شما اعتماد به نفس می دهند تا مهارت های خود را در یک محیط حرفه ای به کار ببرید.

آنچه این دوره را متمایز می کند فقط وسعت موضوعات تحت پوشش نیست، بلکه تمرکز بر کاربرد عملی است. شما نه تنها تئوری، بلکه نحوه به کارگیری این مفاهیم را در سناریوهای دنیای واقعی یاد خواهید گرفت و شما را برای کاربرد فوری در کار یا مطالعات خود آماده می کند.

اجازه ندهید داده ها دیگر شما را تحت تأثیر قرار دهند. با ثبت نام در Python for Data Science: Python Programming Data Analysis امروز، اولین قدم را برای باز کردن پتانسیل آن بردارید. داده ها را به بینش تبدیل کنید و به یک دارایی ارزشمند در زمینه علم داده تبدیل شوید.


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • منابع دوره Course resources

  • این یک نقطه عطف است This is a milestone

شروع کار با پایتون Getting Started with Python

  • مقدمه ای بر پایتون Introduction to Python

  • اولین کد برنامه نویسی پایتون First code to Python Programming

  • متغیرها در پایتون: اعلان و استفاده Variables in Python: Declaration and Use

  • عملیات حسابی پایه در پایتون Basic Arithmetic Operations in Python

  • انواع داده در پایتون Data types in Python

  • رشته پایتون Python String

  • امتحان Quiz

  • روش های رشته ای String methods

  • محاسبه شاخص توده بدن (BMI) در پایتون Calculating Body Mass Index (BMI) in Python

  • تکلیف تمرین Practice Assignment

ساختارهای داده در پایتون Data Structures in Python

  • لیست در پایتون List in Python

  • کار با لیست ها در پایتون Working with Lists in Python

  • تاپل ها در پایتون Tuples in Python

  • فرهنگ لغت در پایتون Dictionaries in Python

  • کار با دیکشنری ها در پایتون Working with Dictionaries in Python

  • مجموعه در پایتون Sets in Python

  • تکلیف تمرین Practice Assignment

دستورات شرطی در پایتون Conditional Statements in Python

  • عبارات شرطی پایتون Python Conditional Expressions

  • دستورات شرطی در پایتون Conditional Statements in Python

  • کاوش عملگرها و عبارات شرطی در پایتون Exploring Operators and Conditional Expressions in Python

  • تکلیف تمرین Practice Assignment

  • امتحان Quiz

حلقه ها در پایتون Loops in Python

  • برای حلقه ها در پایتون For loops in Python

  • تولید اعداد مربع در پایتون Generating Square Numbers in Python

  • حلقه های while در پایتون While loops in Python

  • تکلیف تمرین Practice Assignment

توابع پایتون Python Functions

  • تابع در پایتون Function in Python

  • بررسی اعداد زوج با استفاده از توابع در پایتون Checking Even Numbers Using Functions in Python

  • بازگشت در پایتون Recursion in Python

  • تابع لامبدا Lambda function

  • توابع لامبدا برای توان Lambda Functions for Exponentiation

  • تکلیف تمرین Practice Assignment

مدیریت فایل در پایتون File handling in Python

  • I/O فایل در پایتون File I/O in Python

  • نوشتن روی یک فایل در پایتون Writing to a File in Python

  • امتحان Quiz

کتابخانه NumPy NumPy Library

  • مقدمه ای بر آرایه های NumPy Introduction to NumPy arrays

  • دسترسی به عناصر آرایه های NumPy Accessing the elements of NumPy arrays

  • ایجاد و دسترسی به عناصر در آرایه های NumPy Creating and Accessing Elements in NumPy Arrays

  • استفاده از انواع داده ها، شکل ها و انباشته آرایه ها در NumPy Leveraging Data Types, Shapes, and Array Stacking in NumPy

  • بررسی رویکردهای متنوع برای ایجاد آرایه های NumPy Exploring Diverse Approaches to Creating NumPy Arrays

  • ایجاد آرایه های NumPy با اعداد با فاصله یکسان Creating NumPy Arrays with Evenly Spaced Numbers

  • عملیات ریاضی روی آرایه ها Mathematical operations on arrays

  • عملیات آرایه و محاسبه میانه در پایتون Array Operations and Median Calculation in Python

  • تکلیف تمرین Practice Assignment

کتابخانه پانداها Pandas Library

  • آشنایی با کتابخانه پانداها Introduction to Pandas Library

  • ایجاد DataFrame از دیکشنری در پانداها Creating DataFrame from Dictionary in Pandas

  • کاوش سری و DataFrame در پایتون Exploring Series and DataFrame in Python

  • روش های ضروری تجزیه و تحلیل داده ها در پایتون Essential Data Analysis Methods in Python

  • وارد کردن داده از فایل CSV با استفاده از Pandas Importing Data from CSV File using Pandas

  • عدم مدیریت داده در پایتون Missing Data Handling in Python

  • دستکاری DataFrame در پایتون Manipulating DataFrame in Python

  • تمرین تمرین: تجزیه و تحلیل و تجسم مجموعه داده تایتانیک با پانداها Practice Assignment: Analyzing and Visualizing the Titanic Dataset with Pandas

کتابخانه Matplotlib Matplotlib Library

  • مقدمه ای بر کتابخانه Matplotlib Introduction to Matplotlib Library

  • تجسم داده با Matplotlib: طرح‌بندی ملزومات و سفارشی‌سازی Data Visualization with Matplotlib: Plotting Essentials and Customization

  • تجسم میانگین طول جلسه در روز با نمودار خطی Visualizing Average Session Length per Day with a Line Chart

  • کاوش در طرح‌های فرعی، طرح‌های پراکنده و سفارشی‌سازی Exploring Subplots, Scatter Plots, and Customization

  • ایجاد یک نمودار پراکندگی از نقاط داده تصادفی Creating a Scatter Plot of Random Data Points

  • ساختن نمودارهای نوار، هیستوگرام، نمودار دایره ای با سفارشی سازی با استفاده از Matplotlib Crafting Bar Plots, Histograms, Pie Charts with Customization Using Matplotlib

  • تکلیف تمرین: تجسم داده های مدال های المپیک با Matplotlib Practice Assignment: Visualizing Olympic Medals Data with Matplotlib

کتابخانه Seaborn Seaborn Library

  • معرفی کتابخانه Seaborn Introduction to Seaborn Library

  • بررسی Seaborn: تجزیه و تحلیل تک متغیره و دو متغیره برای تجسم داده ها Exploring Seaborn: Univariate and Bivariate Analysis for Data Visualization

  • تجسم پیشرفته داده با Seaborn: سفارشی سازی Pairplot و Barplot Advanced Data Visualization with Seaborn: Pairplot and Barplot Customization

  • تجسم های پیشرفته با Countplot و Heatmap با استفاده از Seaborn Advanced Visualizations with Countplot and Heatmap Using Seaborn

  • تکلیف تمرین: تجسم داده ها با Seaborn و مجموعه داده های Iris Practice Assignment: Data Visualization with Seaborn and the Iris Dataset

  • سوالات جامع آماده سازی مصاحبه Comprehensive Interview Preparation Questions

  • نقطه عطف نهایی! The final milestone!

نتیجه گیری Conclusion

  • در مورد گواهی شما About your certificate

  • سخنرانی پاداش Bonus lecture

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

Python for Data Science: Python Programming and Data Analysis
جزییات دوره
6 hours
42
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
5,107
4.4 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Start-Tech Academy Start-Tech Academy

بیش از 1،700،000+ ثبت نام | 4+ رتبه بندی شده | 160+ CountriesStart-Tech Academy یک شرکت آموزش تجزیه و تحلیل مبتنی بر فناوری است و هدف آن گردآوری شرکتهای تحلیلی و فراگیران علاقه مند است. محتوای آموزشی با کیفیت بالا به همراه کارآموزی و فرصت های پروژه به دانشجویان در شروع سفر Analytics خود کمک می کند. بنیانگذار Abhishek Bansal و Pukhraj Parikh است. Pukhraj که به عنوان مدیر پروژه در یک شرکت مشاوره آنالیز کار می کند ، چندین سال تجربه کار بر روی ابزارها و نرم افزارهای تجزیه و تحلیل را دارد. او در مجموعه های اداری MS ، رایانش ابری ، SQL ، Tableau ، SAS ، Google analytics و Python مهارت دارد. Abhishek قبل از اینکه به فن آوری های یادگیری و آموزش مانند یادگیری ماشین و هوش مصنوعی بپردازد ، به عنوان یک مالک فرآیند اکتساب در یک شرکت مخابراتی پیشرو کار می کرد.

Start-Tech Trainings Start-Tech Trainings

Analytics and ML Academy

Start-Tech Academy یک شرکت آموزشی تجزیه و تحلیل مبتنی بر فناوری است و هدف آن گردآوری شرکت های تجزیه و تحلیل و یادگیرندگان علاقه مند است.
محتوای آموزشی ما با کیفیت بالا به همراه فرصت های کارآموزی و پروژه به دانشجویان در راه اندازی سفر تجزیه و تحلیل خود کمک می کند.

توسط آبیشک بانسال و پخراج پریخ تأسیس شد.

پخراج که به عنوان مدیر پروژه در یک شرکت مشاوره Analytics کار می کند، چندین سال تجربه کار بر روی ابزارها و نرم افزارهای تحلیلی دارد. او در مجموعه‌های آفیس MS، رایانش ابری، SQL، Tableau، SAS، Google analytics و Python مهارت دارد.

آبیشک قبل از اینکه به سمت یادگیری و آموزش فناوری‌هایی مانند یادگیری و آموزش فناوری‌هایی مانند فناوری‌هایی مانند یادگیری و آموزش حرکت کند، به عنوان مالک فرآیند اکتساب در یک شرکت مخابراتی کار می‌کرد. یادگیری ماشین و هوش مصنوعی.