آموزش پایتون برای تجزیه و تحلیل داده ها: گام به گام با پروژه ها [ویدئو]

سرفصل ها و درس ها

معرفی Introduction

• معرفی Introduction

• بررسی اجمالی دوره Course Overview

دوره سقوط پایتون Python Crash Course

• راه اندازی محیط پایتون Setting Up Python environment

• مروری بر انواع داده ها، عددی، تعریف متغیرها Overview of Data Types, Numeric, Define Variables

• رشته ها، توابع رایج و روش ها Strings, Common Functions, and Methods

• لیست ها، تاپل ها، مجموعه ها، دیکشنری ها، بولی ها Lists, Tuples, Sets, Dictionaries, Booleans

• اگر بیانیه ها، حلقه ها If Statements, Loops

• توابع را تعریف کنید، از بسته ها استفاده کنید Define Functions, Use Packages

• توابع لامبدا، عبارات شرطی Lambda Functions, Conditional Expressions

وارد کردن داده ها Importing Data

• بررسی اجمالی ساختارهای داده پانداها Pandas Data Structures Overview

• در حال بارگیری داده ها Loading Data

• پیش نمایش داده ها Previewing Data

• بررسی اجمالی انواع داده پانداها Pandas Data Types Overview

• صادرات داده Exporting Data

کاوش در داده ها Exploring Data

• ترکیب مجموعه داده ها Combining Datasets

• تغییر نام ستون ها Renaming Columns

• انتخاب ستون ها Selecting Columns

• انتخاب سطرها و تنظیم شاخص (1) Selecting Rows and Setting the Index (1)

• انتخاب سطرها و تنظیم شاخص (2) Selecting Rows and Setting the Index (2)

• زیر مجموعه سطر و ستون Subsetting Both Rows and Columns

• اصلاح ارزش ها Modifying Values

• کپی کردن Making a Copy

• مرتب سازی داده ها Sorting Data

پروژه تمرین Capstone I Capstone Practice Project I

• نمای کلی پروژه بازی های NBA NBA Games Project Overview

پاک کردن داده ها Cleaning Data

• بررسی اجمالی پاکسازی داده ها Data Cleaning Overview

• حذف ستون ها/ردیف های غیر ضروری Removing Unnecessary Columns/Rows

• بررسی اجمالی داده وجود ندارد Missing Data Overview

• مقابله با داده های از دست رفته (کاهش) Tackling Missing Data (Dropping)

• مقابله با داده های از دست رفته (وارد کردن با ثابت) Tackling Missing Data (Imputing with Constant)

• مقابله با داده های از دست رفته (تقریبا با آمار) و شاخص های از دست رفته Tackling Missing Data (Imputing with Statistics) and Missing Indicators

• مقابله با داده های از دست رفته (وارد کردن با مدل) Tackling Missing Data (Imputing with Model)

• رسیدگی به موارد پرت (1) Handling Outliers (1)

• رسیدگی به موارد پرت (2) Handling Outliers (2)

• متن تمیز کردن Cleaning Text

تغییر ستون ها/ویژگی ها Transforming Columns/Features

• استخراج تاریخ و زمان Extracting Date and Time

• بنینگ Binning

• نقشه برداری از ارزش های جدید Mapping New Values

• اعمال توابع Applying Functions

پروژه تمرین Capstone II Capstone Practice Project II

• بررسی اجمالی پروژه بانک چک Czech Bank Project Overview

تجزیه و تحلیل داده های اکتشافی Exploratory Data Analysis

• بررسی اجمالی EDA EDA Overview

• آمار تجمیع Aggregating Statistics

• دسته بندی بر اساس Group By

• جداول چرخشی Pivoting Tables

• توزیع یک ویژگی Distribution of One Feature

• بررسی اجمالی کتابخانه Seaborn Seaborn Library Overview

• رابطه دو ویژگی (1) Relationship of Two Features (1)

• رابطه دو ویژگی (2) Relationship of Two Features (2)

• رابطه چند ویژگی Relationship of Multiple Features

• خلاصه کتابخانه Seaborn Seaborn Library Recap

پروژه تمرین Capstone III Capstone Practice Project III

• بررسی اجمالی پروژه بازی های المپیک Olympic Games Project Overview

برخورد با داده های سری زمانی Dealing with Time Series Data

• مقدمه ای بر سری زمانی Introduction to Time Series

• بررسی تاریخ و زمان Review of Date and Time

• دستکاری Datetime به عنوان یک شاخص Manipulating Datetime as an Index

• فرکانس نمونه گیری مجدد: کاهش نمونه Resampling Frequency: Downsampling

• فرکانس نمونه گیری مجدد: نمونه برداری مجدد Resampling Frequency: Upsampling

• زمان نورد/تغییر ویندوز Rolling/Shifting Time Windows

متشکرم Thank You

• پایان دوره Course Wrap Up