آموزش Python، SQL و Tableau: ادغام Python، SQL و Tableau [ویدئو]

سرفصل ها و درس ها

معرفی Introduction

• دوره شامل چه مواردی است؟ What Does the Course Cover?

یکپارچه سازی نرم افزار چیست؟ What is software integration?

• ویژگی ها و تعاریف: داده ها، سرورها، مشتریان، درخواست ها و پاسخ ها Properties and Definitions: Data, Servers, Clients, Requests and Responses

• ویژگی ها و تعاریف: اتصال داده ها، API ها و نقاط پایانی Properties and Definitions: Data Connectivity, APIs, and Endpoints

• جزئیات بیشتر در مورد API ها Further Details on APIs

• فایل های متنی به عنوان ابزار ارتباطی Text Files as Means of Communication

• تعاریف و کاربردها Definitions and Applications

راه اندازی محیط کار Setting up the working environment

• تنظیم محیط - مقدمه (لطفاً از آن نگذرید)! Setting Up the Environment - An Introduction (Do Not Skip, Please)!

• چرا پایتون و چرا ژوپیتر؟ Why Python and why Jupyter?

• نصب آناکوندا Installing Anaconda

• داشبورد Jupyter - قسمت 1 The Jupyter Dashboard - Part 1

• داشبورد Jupyter - قسمت 2 The Jupyter Dashboard - Part 2

• نصب اسکلرن Installing sklearn

بعدی در دوره چیست؟ What's next in the course?

• بالا جلوتر Up Ahead

• مثال زندگی واقعی: غیبت در محل کار Real-Life Example: Absenteeism at Work

• مثال واقعی: مجموعه داده Real-Life Example: The Dataset

پیش پردازش Preprocessing

• مجموعه داده ها در پایتون Data Sets in Python

• داده ها در یک نگاه Data at a Glance

• یادداشتی در مورد استفاده ما از اصطلاحات با معانی متعدد A Note on Our Usage of Terms with Multiple Meanings

• انتخاب رویکرد مناسب برای کار در دست Picking the Appropriate Approach for the Task at Hand

• حذف داده های نامربوط Removing Irrelevant Data

• بررسی دلایل غیبت Examining the Reasons for Absence

• تقسیم یک ستون به چند آدمک Splitting a Column into Multiple Dummies

• متغیرهای ساختگی و اهمیت آماری آنها Dummy Variables and Their Statistical Importance

• گروه بندی - تبدیل متغیرهای ساختگی به متغیرهای طبقه ای Grouping - Transforming Dummy Variables into Categorical Variables

• به هم پیوستن ستون ها در پایتون Concatenating Columns in Python

• تغییر ترتیب ستون ها در Pandas DataFrame Changing Column Order in Pandas DataFrame

• پیاده سازی چک پوینت در کدنویسی Implementing Checkpoints in Coding

• کاوش در ستون "تاریخ" اولیه Exploring the Initial "Date" Column

• استفاده از ستون "تاریخ" برای استخراج مقدار مناسب ماه Using the "Date" Column to Extract the Appropriate Month Value

• معرفی "روز هفته" Introducing "Day of the Week"

• تجزیه و تحلیل بیشتر DataFrame: 5 ستون بعدی Further Analysis of the DataFrame: Next 5 Columns

• تجزیه و تحلیل بیشتر DaraFrame: "آموزش"، "کودکان"، "حیوانات خانگی" Further Analysis of the DaraFrame: "Education", "Children", "Pets"

• نکته پایانی در مورد پیش پردازش A Final Note on Preprocessing

یادگیری ماشینی Machine Learnings

• بررسی مسئله از دیدگاه یادگیری ماشینی Exploring the Problem from a Machine Learning Point of View

• ایجاد اهداف برای رگرسیون لجستیک Creating the Targets for the Logistic Regression

• انتخاب ورودی ها Selecting the Inputs

• کمی پیش پردازش آماری A Bit of Statistical Preprocessing

• آموزش آزمون تقسیم داده ها Train-test Split of the Data

• آموزش مدل و ارزیابی دقت آن Training the Model and Assessing its Accuracy

• استخراج رهگیری و ضرایب از یک رگرسیون لجستیک Extracting the Intercept and Coefficients from a Logistic Regression

• تفسیر ضرایب رگرسیون لجستیک Interpreting the Logistic Regression Coefficients

• حذف متغیرهای ساختگی از استانداردسازی Omitting the dummy variables from the Standardization

• تفسیر پیش بینی کننده های مهم Interpreting the Important Predictors

• ساده سازی مدل (حذف به عقب) Simplifying the Model (Backward Elimination)

• آزمایش مدل یادگیری ماشینی Testing the Machine Learning Model

• چگونه مدل یادگیری ماشین را ذخیره کنیم و آن را برای استقرار آینده آماده کنیم How to Save the Machine Learning Model and Prepare it for Future Deployment

• ایجاد یک ماژول برای استفاده بعدی از مدل Creating a Module for Later Use of the Model

نصب MySQL و آشنایی با اینترفیس Installing MySQL and Getting Acquainted with the Interface

• نصب MySQL Installing MySQL

• راه اندازی یک اتصال Setting Up a Connection

• مقدمه ای بر رابط MySQL Introduction to the MySQL Interface

اتصال پایتون و SQL Connecting Python and SQL

• اجرای "مدول_غیبت" - قسمت اول Implementing the 'absenteeism_module' - Part I

• اجرای "مدول_غیبت" - قسمت دوم Implementing the 'absenteeism_module' - Part II

• ایجاد پایگاه داده در MySQL Creating a Database in MySQL

• وارد کردن و نصب "pymysql" Importing and Installing 'pymysql'

• ایجاد اتصال و مکان نما Creating a Connection and Cursor

• ایجاد جدول 'predicted_outputs' در MySQL Creating the 'predicted_outputs' table in MySQL

• اجرای یک دستور SQL SELECT از پایتون Running an SQL SELECT Statement from Python

• انتقال داده ها از Jupyter به Workbench - قسمت اول Transferring Data from Jupyter to Workbench - Part I

• انتقال داده ها از Jupyter به Workbench - قسمت دوم Transferring Data from Jupyter to Workbench - Part II

• انتقال داده ها از Jupyter به Workbench - قسمت سوم Transferring Data from Jupyter to Workbench - Part III

تجزیه و تحلیل داده های به دست آمده در Tableau Analyzing the Obtained data in Tableau

• تجزیه و تحلیل در جدول: سن در مقابل احتمال Analysis in Tableau: Age vs Probability

• تجزیه و تحلیل در جدول: دلایل در مقابل احتمال Analysis in Tableau: Reasons vs Probability

• تجزیه و تحلیل در جدول: هزینه حمل و نقل در مقابل احتمال Analysis in Tableau: Transportation Expense vs Probability