لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش پایتون برای تجزیه و تحلیل داده ها: گام به گام با پروژه ها [ویدئو]
Python for Data Analysis: Step-By-Step with Projects [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
تجزیه و تحلیل داده ها یک مهارت حیاتی است و محبوبیت بیشتری پیدا می کند. امروزه هر سازمانی دارای داده هایی است. داده ها می توانند بسیار مفید باشند، اما نه بدون تجزیه و تحلیل مناسب. تجزیه و تحلیل داده ها ما را قادر می سازد تا داده ها را به بینشی برای کسب و کارها تبدیل کنیم تا تصمیمات آموزنده بگیرند.
میتوانید تجزیه و تحلیل دادهها را در هر صنعتی، اعم از مراقبتهای بهداشتی، مالی یا فناوری پیدا کنید. پایتون یکی از مهارت های مورد تقاضا برای علم داده توسط کارفرمایان است. یادگیری آن نه تنها آسان است بلکه قدرتمند نیز هست.
این دوره از رویکردی پیروی می کند که به جای اینکه همه کتابخانه ها یا توابع موجود پایتون را برای شما خالی کنیم، ما فقط مفیدترین آنها را بر اساس تجربه صنعت خود برای پوشش در دوره انتخاب کردیم. این به شما امکان می دهد تمرکز کنید و بر پایه ها تسلط پیدا کنید. علاوه بر برنامه نویسی پایتون، شما همچنین با دانش آماری اولیه لازم برای تجزیه و تحلیل داده ها آشنا خواهید شد. همراه با سخنرانیهای ویدیویی دقیق، چند پروژه به شما داده میشود تا روی آن کار کنید تا دانش خود را تقویت کنید.
در پایان دوره، شما یک پایه محکم از تجزیه و تحلیل داده ها خواهید داشت و می توانید از Python برای فرآیند کامل استفاده کنید.
همه منابع و فایل های کد در اینجا قرار داده شده اند: https://github.com/PacktPublishing/Python-for-Data-Analysis-step-by-step-with-projects- آموزش استفاده از Python برای تجزیه و تحلیل داده ها
کتابخانه های تجزیه و تحلیل داده های پایتون (پاندا، Scikit-learn، Seaborn) را کاوش کنید
با سری داده های زمانی در پایتون آشنا شوید
ایجاد تجسم داده ها در پایتون
آموزش محاسبه آمار خلاصه
نحوه پاکسازی، دستکاری و تبدیل داده ها را بیاموزید این دوره برای کسانی که علاقه مند به تجزیه و تحلیل موثر داده ها هستند مفید است. شما می خواهید یک تحلیلگر داده یا یک دانشمند داده شوید یا فقط می خواهید مهارت هایی را برای کار روی پروژه های خود داشته باشید.
این دوره برای مبتدیان است. با این حال، ما به شما توصیه می کنیم دانش پایه پایتون یا حداقل یک زبان برنامه نویسی دیگر را داشته باشید. تجربه تجزیه و تحلیل مجموعه داده های دنیای واقعی در سخنرانی ها و پروژه های هدایت شده * این دوره در بخش های مختلف بر اساس فرآیند گام به گام تجزیه و تحلیل داده های واقعی تنظیم شده است * با دانش آماری اولیه لازم برای تجزیه و تحلیل داده ها آشنا شوید.
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
زمان نورد/تغییر ویندوز
Rolling/Shifting Time Windows
متشکرم
Thank You
پایان دوره
Course Wrap Up
نمایش نظرات
Packtpub یک ناشر دیجیتالی کتابها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرمافزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتابها، ویدیوها و دورههای آموزشی میپردازد که به توسعهدهندگان و متخصصان فناوری اطلاعات کمک میکند تا مهارتهای خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامهنویسی، توسعه وب، دادهکاوی، امنیت سایبری و هوش مصنوعی را پوشش میدهد. محتوای این منابع به صورت کاربردی و بهروز ارائه میشود تا کاربران بتوانند دانش و تواناییهای لازم برای موفقیت در پروژههای عملی و حرفهای خود را کسب کنند.
Just Into Data زاییده فکر جاستین و لیان است. جاستین یک دانشمند داده با تجربه در زمینه های مختلف مانند بازاریابی، مبارزه با پولشویی و فناوری های کلان داده است. او همچنین دارای مدرک لیسانس در رشته مهندسی کامپیوتر و مدرک کارشناسی ارشد در رشته آمار است.
لیان یک آماردان باتجربه است که در بانک مرکزی و همچنین بانک های تجاری کار کرده است، جایی که موسسات مالی بزرگ را رصد کرده و تجزیه و تحلیل کلاهبرداری انجام داده است. او هم لیسانس و هم فوق لیسانس آمار دارد.
نمایش نظرات