آموزش آشنایی با علوم داده (Data Science) - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• شروع مسیر اکتشاف علوم داده Beginning your data science exploration

1. تعریف علوم داده 1. Defining Data Science

• ارزش علوم داده The value of data science

• ساده‌سازی مفاهیم علوم داده Demystifying data science

• تعریف چرخه حیات علوم داده Defining the data science life cycle

2. شروع با طراحی داده‌ها 2. Starting with Data Design

• استفاده از نمونه‌برداری غیر احتمالی Using non-probability sampling

• کاهش سوگیری با نمونه‌برداری احتمالی Reducing bias with probability sampling

3. بهره‌گیری از ابزارهای محاسباتی 3. Utilizing Computational Tools

• مقایسه پایتون و R Comparing Python and R

• راه‌اندازی محیط Jupyter Setting up your Jupyter environment

4. ساختاربندی داده‌های جدولی 4. Structuring Your Tabular Data

• تعریف داده‌های جدولی Defining tabular data

• استخراج بینش‌ها از داده‌ها Gathering insights

• تفسیر داده‌های جدولی Interpreting tabular data

• خواندن داده‌های جدولی Reading tabular data

• پاسخ به سوالات خاص Answering specific questions

5. استفاده از تحلیل اکتشافی داده‌ها 5. Using Exploratory Data Analysis

• تعریف تحلیل اکتشافی داده‌ها (EDA) Defining exploratory data analysis

• شناسایی انواع داده‌های آماری Recognizing statistical data types

• تشخیص ویژگی‌های داده‌ها Distinguishing properties of data

6. پاکسازی داده‌ها 6. Cleaning Your Data

• توضیح پاکسازی داده‌ها Explaining data cleaning

• سوالات راهنما برای پاکسازی داده‌ها Questions to guide data cleaning

7. استفاده از بصری‌سازی داده‌ها 7. Using Data Visualization

• ساده‌سازی بصری‌سازی داده‌ها Demystifying data visualization

• بصری‌سازی داده‌های کمی Visualizing your quantitative data

• بصری‌سازی داده‌های کیفی Visualizing your qualitative data

8. استفاده از استنباط و تحلیل‌های آماری 8. Using Inference and Statistical Analysis

• بوت‌استرپ کردن بازه اطمینان Bootstrapping a confidence interval

• انجام تست جایگشتی (Permutation Test) Conducting a permutation test

• طراحی تست فرضیه Designing a hypothesis test

• ایجاد جایگشت Creating a permutation

• تعریف استنباط Defining inference

9. استفاده از پیش‌بینی در علوم داده 9. Using Prediction in Data Science

• تعریف پیش‌بینی در علوم داده Defining prediction for data science

• پیاده‌سازی الگوریتم k-نزدیک‌ترین همسایه (kNN) Implementing k-Nearest Neighbors

• راهنمای طبقه‌بندی (Classification) Navigating classification

• بررسی مفروضات رگرسیون Checking assumptions of regression

• شناسایی الگوریتم kNN Recognizing the k-NN algorithm

• پیاده‌سازی رگرسیون خطی Implementing linear regression

• راهنمای رگرسیون Navigating regression

جمع‌بندی Conclusion

• گام‌های بعدی Next steps