آموزش یادگیری پایتون با استفاده از آمار: تجزیه و تحلیل داده و علم داده

Learn Python using Statistics: Data Analysis & Data Science

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: راهنمای جامع و عملی برای یادگیری پایتون برای مبتدیان، توسعه دهندگان مشتاق، خودآموزان و غیره. موارد استفاده در دنیای واقعی پایتون و تطبیق پذیری آن. نصب پایتون در هر دو سیستم عامل مک و ویندوز. مبانی برنامه نویسی با پایتون، از جمله متغیرها و انواع داده ها. کار با عملگرهای مختلف در پایتون برای انجام عملیات. مدیریت داده ها با استفاده از ساختارهای داده ضروری مانند لیست ها، تاپل ها، مجموعه ها و دیکشنری ها. استفاده از توابع و کار با پارامترها و آرگومان ها. استفاده از فیلتر، نقشه و توابع zip برای پردازش داده ها. بررسی توابع تحلیلی و مجموع برای تجزیه و تحلیل داده ها. استفاده از توابع داخلی برای عبارات منظم و مدیریت کاراکترها و مجموعه های خاص. تکرار روی عناصر با استفاده از حلقه‌های for و حلقه‌های while. آشنایی با مفاهیم و اصول برنامه نویسی شی گرا (OOP). کار با کلاس های تاریخ و زمان، از جمله TimeDelta برای دستکاری زمان. مفاهیم اساسی و اهمیت آمار در زمینه های مختلف. نحوه استفاده از آمار برای تجزیه و تحلیل موثر داده ها و تصمیم گیری مقدمه ای بر پایتون برای تجزیه و تحلیل آماری، از جمله دستکاری و تجسم داده ها. انواع مختلف داده ها و اهمیت آنها در تجزیه و تحلیل آماری. معیارهای گرایش مرکزی، گسترش، وابستگی، شکل و موقعیت. نحوه محاسبه و تفسیر نمرات و احتمالات استاندارد. مفاهیم کلیدی در نظریه احتمال، نظریه مجموعه ها و احتمال شرطی. درک قضیه بیز و کاربردهای آن جایگشت ها، ترکیب ها و نقش آنها در حل مسائل دنیای واقعی دانش عملی از آزمون‌های آماری مختلف، از جمله آزمون‌های t، آزمون‌های مجذور کای و ANOVA برای آزمون فرضیه‌ها و استنتاج. پیش نیازها: دانش آموزان باید درک کلی از نحوه کار با کامپیوتر داشته باشند. با کارهای معمولی مانند مدیریت فایل و استفاده از مرورگر وب راحت باشید. بدون نیاز به تجربه برنامه نویسی قبلی دانش آموزان باید پایتون را روی رایانه خود نصب کنند. نگرش مثبت و تمایل به یادگیری و کشف مفاهیم جدید برای به دست آوردن حداکثر بهره از این دوره ضروری است. درک پایه ای از ریاضیات، از جمله جبر و حساب. آشنایی با مفاهیم اساسی در تجزیه و تحلیل داده ها و حل مسئله. تمایل به یادگیری و تعامل با مفاهیم آماری و برنامه نویسی پایتون. دانش پایه پایتون یک امتیاز مثبت است اما اجباری نیست، زیرا مفاهیم مقدماتی پایتون در این دوره پوشش داده خواهد شد.

آماده اید که سفری هیجان انگیز به دنیای برنامه نویسی پایتون را آغاز کنید؟ این دوره جامع طراحی شده است تا شما را از یک مبتدی پایتون به یک برنامه نویس ماهر برساند و شما را به مهارت هایی برای مقابله با پروژه های دنیای واقعی، خودکارسازی وظایف، انجام تجزیه و تحلیل داده ها و برتری در مصاحبه های کدنویسی مجهز کند.


در این دوره، موضوعات کلیدی زیر را از طریق تمرین‌های عملی عملی و مثال‌های واقعی کشف خواهید کرد:

- موارد استفاده در دنیای واقعی پایتون را کشف کنید و تطبیق پذیری آن را در حوزه های مختلف درک کنید.

- نحوه نصب Python را در سیستم عامل مک و ویندوز برای شروع سفر برنامه نویسی خود بیاموزید.

- اصول برنامه نویسی پایتون را با متغیرها و دامنه آنها شروع کنید.

- در انواع داده ها غوطه ور شوید و برای مدیریت مؤثر انواع مختلف داده ها، عبارت Casting را تایپ کنید.

- در مورد عملگرهای ضروری پایتون بینش به دست آورید تا عملیات های مختلف را به راحتی انجام دهید.

- ساختارهای داده ضروری مانند فهرست‌ها، تاپل‌ها، مجموعه‌ها و فرهنگ‌های لغت را برای دستکاری کارآمد داده‌ها کاوش کنید.

- درباره پشته ها و صف ها و کاربردهای آنها در حل مشکلات دنیای واقعی بیاموزید.

- پیچیدگی مکانی و زمانی الگوریتم ها و تأثیر آنها بر عملکرد کد را درک کنید.

- الگوریتم‌های مرتب‌سازی و جستجو را برای سازماندهی و بازیابی مؤثر داده‌ها مطالعه کنید.

- بر مفهوم پارامترها و آرگومان ها برای نوشتن توابع انعطاف پذیر و قابل استفاده مجدد مسلط شوید.

- قدرت ماژول های پایتون و اهمیت آنها در ساخت برنامه های ماژولار را کشف کنید.

- از توابع فیلتر، نقشه و zip برای پردازش ساده داده استفاده کنید.

- از انعطاف پذیری توابع لامبدا برای نوشتن کد مختصر و کارآمد استفاده کنید.

- فهرست اصلی، مجموعه، و درک فرهنگ لغت برای دستکاری داده ها.

- تجزیه و تحلیل داده ها را با استفاده از توابع تحلیلی و انبوه انجام دهید تا بینش ارزشمندی به دست آورید.

- رشته ها را مدیریت کنید و توابع رشته مهم را برای دستکاری متن کشف کنید.

- آموزش قالب بندی رشته و تکنیک های ورودی کاربر برای برنامه نویسی تعاملی.

- در کار با کاراکترهای متا و اجرای عبارات منظم مهارت کسب کنید.

- پتانسیل توابع داخلی را برای عبارات منظم باز کنید و کاراکترها و مجموعه‌های خاص را مدیریت کنید.

- عبارات شرطی را برای تصمیم گیری در کد خود پیاده کنید.

- برای پردازش کارآمد داده ها، روی عناصر با استفاده از حلقه های for و while تکرار کنید.

- برای کنترل بهتر برنامه، جریان حلقه را با دستورات break و continue کنترل کنید.

- عبارات شرطی و حلقه ها را به طور موثر برای مقابله با مشکلات پیچیده ترکیب کنید.

- اصول برنامه نویسی شی گرا (OOPs) و نقش آن در ساخت برنامه های کاربردی قوی را درک کنید.

- وراثت، کپسوله سازی، و چندشکلی را درک کنید و از آنها برای نوشتن کد کارآمد استفاده کنید.

- کلاس تاریخ و زمان را برای کار با تاریخ و زمان به طور مؤثر کاوش کنید.

- از کلاس TimeDelta برای دستکاری دقیق زمان در برنامه های پایتون خود استفاده کنید.

- به دنیای بینش‌های مبتنی بر داده بپردازید و کشف کنید که چگونه آمار نقش مهمی در شکل‌دهی به درک ما از اطلاعات دارد.

- خود را به مهارت‌های ضروری پایتون مورد نیاز برای دستکاری و تجسم مؤثر داده‌ها مجهز کنید.

- دسته بندی داده ها را بیاموزید و زمینه را برای تجزیه و تحلیل معنادار فراهم کنید.

- نحوه خلاصه کردن داده ها را با معیارهایی مانند میانگین، میانه و حالت کشف کنید.

- با استفاده از مفاهیمی مانند محدوده، واریانس، و انحراف معیار، تنوع در داده ها را کاوش کنید.

- روابط بین متغیرها را با همبستگی و کوواریانس درک کنید.

- شکل و توزیع داده ها را با استفاده از تکنیک هایی مانند چارک ها و صدک ها درک کنید.

- استانداردسازی داده ها و محاسبه امتیازهای z را بیاموزید.

- به نظریه احتمالات و کاربردهای عملی آن بپردازید.

- اساس محاسبات احتمالات را با تئوری مجموعه ها بگذارید.

- احتمال رخدادها را تحت شرایط خاص کاوش کنید.

- قدرت احتمال بیزی را در سناریوهای دنیای واقعی کشف کنید.

- مسائل پیچیده شمارش را به راحتی حل کنید.

- مفهوم متغیرهای تصادفی و نقش آنها در احتمال را درک کنید.

- توزیع‌های احتمال مختلف و کاربردهای آنها را کاوش کنید.


در این سفر غنی به ما بپیوندید و بیایید با هم قدرت پایتون را باز کنیم! چه مبتدی مطلق باشید و چه به دنبال گسترش مهارت های برنامه نویسی خود هستید، این دوره یک پایه محکم و تخصص عملی برای موفقیت در تلاش های پایتون در اختیار شما قرار می دهد. اکنون ثبت نام کنید و ماجراجویی برنامه نویسی پایتون خود را شروع کنید!


سرفصل ها و درس ها

مبانی پایتون Basics of Python

  • موارد استفاده در دنیای واقعی پایتون Real world use cases of Python

  • نصب Anaconda برای ویندوز و macOS Installation of Anaconda for Windows and macOS

  • مقدمه ای بر متغیرها Introduction to Variables

  • مقدمه ای بر انواع داده ها و نوع ریخته گری Introduction to Data Types and Type Casting

  • محدوده متغیرها Scope of Variables

  • معرفی اپراتورها Introduction to Operators

  • آزمون مبانی پایتون Quiz on Basics of Python

مقدمه ای بر ساختارهای داده Introduction to Data Structures

  • مقدمه ای بر لیست ها و تاپل ها Introduction to Lists and Tuples

  • مقدمه ای بر مجموعه ها و دیکشنری ها Introduction to Sets and Dictionaries

  • مقدمه ای بر پشته ها و صف ها Introduction to Stacks and Queues

  • مقدمه ای بر پیچیدگی فضا و زمان Introduction to Space and Time Complexity

  • مقدمه ای بر الگوریتم های مرتب سازی Introduction to Sorting Algorithms

  • مقدمه ای بر الگوریتم های جستجو Introduction to Searching Algorithms

  • آزمونی در مورد ساختارهای داده Quiz on Data Structures

مقدمه ای بر توابع در پایتون Introduction to Functions in Python

  • مقدمه ای بر پارامترها و آرگومان ها Introduction to Parameters and Arguments

  • مقدمه ای بر ماژول های پایتون Introduction to Python Modules

  • مقدمه ای بر توابع فیلتر، نقشه و زیپ Introduction to Filter, Map, and Zip Functions

  • مقدمه ای بر توابع لامبدا Introduction to Lambda Functions

  • مقدمه ای بر درک فهرست، مجموعه و دیکشنری Introduction to List, Set and Dictionary Comprehensions

  • مقدمه ای بر توابع تحلیلی و مجموع Introduction to Analytical and Aggregate Functions

  • آزمون توابع در پایتون Quiz on Functions in Python

رشته ها و عبارات منظم Strings and Regular Expressions

  • مقدمه ای بر رشته ها Introduction to Strings

  • مقدمه ای بر توابع مهم رشته Introduction to Important String Functions

  • مقدمه ای بر قالب بندی رشته و ورودی کاربر Introduction to String Formatting and User Input

  • مقدمه ای بر شخصیت های متا Introduction to Meta Characters

  • مقدمه ای بر توابع داخلی برای عبارات منظم Introduction to Built-in Functions for Regular Expressions

  • کاراکترها و مجموعه های ویژه برای عبارات منظم Special Characters and Sets for Regular Expressions

  • امتحان رشته ها و عبارات با قاعده Quiz on Strings and Regular Expressions

حلقه ها و شرایط Loops and Conditionals

  • مقدمه ای بر بیانیه های مشروط Introduction to Conditional Statements

  • معرفی For Loops Introduction to For Loops

  • آشنایی با حلقه های while Introduction to While Loops

  • مقدمه ای بر Break و Continue Introduction to Break and Continue

  • استفاده از دستورات شرطی در حلقه ها Using Conditional Statements in Loops

  • حلقه های تو در تو و عبارات شرطی Nested Loops and Conditional Statements

  • امتحان در مورد حلقه ها و شرایط Quiz on Loops and Conditionals

OOPs و تاریخ-زمان OOPs and Date-Time

  • مقدمه ای بر مفهوم OOPs Introduction to OOPs Concept

  • مقدمه ای بر وراثت Introduction to Inheritance

  • مقدمه ای بر کپسولاسیون Introduction to Encapsulation

  • مقدمه ای بر پلی مورفیسم Introduction to Polymorphism

  • مقدمه ای بر کلاس تاریخ و زمان Introduction to Date and Time Class

  • مقدمه ای بر کلاس TimeDelta Introduction to TimeDelta Class

  • امتحان در مورد OOPs و تاریخ-زمان Quiz on OOPs and Date-Time

مقدمه ای بر آمار Introduction to Statistics

  • مقدمه ای بر آمار و اهمیت آن Introduction to Statistics and its importance

  • نقش آمار در تجزیه و تحلیل داده ها را توضیح دهید Explain the role of statistics in data analysis

  • مقدمه ای بر پایتون برای تجزیه و تحلیل آماری Introduction to Python for Statistical Analysis

  • آزمون مقدمه ای بر آمار Quiz on Introduction to Statistics

آمار: مقدمه ای بر آمار توصیفی Statistics: Introduction to Descriptive Statistics

  • انواع داده ها Types of Data

  • اقدامات گرایش مرکزی Measures of Central Tendency

  • اقدامات گسترش Measures of Spread

  • اقدامات وابستگی Measures of Dependence

  • اندازه گیری شکل و موقعیت Measures of Shape and Position

  • معیارهای نمرات استاندارد Measures of Standard Scores

  • آزمون آمار توصیفی Quiz on Descriptive Statistics

مقدمه ای بر احتمال پایه و شرطی Introduction to Basic and Conditional Probability

  • مقدمه ای بر احتمالات پایه Introduction to Basic Probability

  • مقدمه ای بر نظریه مجموعه ها Introduction to Set Theory

  • مقدمه ای بر احتمال شرطی Introduction to Conditional Probability

  • مقدمه ای بر قضیه بیز Introduction to Bayes Theorem

  • مقدمه ای بر جایگشت ها و ترکیب ها Introduction to Permutations and Combinations

  • مقدمه ای بر متغیرهای تصادفی Introduction to Random Variables

  • مقدمه ای بر توابع توزیع احتمال Introduction to Probability Distribution Functions

  • آزمون احتمال پایه و شرطی Quiz on Basic and Conditional Probability

مقدمه ای بر آمار استنباطی Introduction to Inferential Statistics

  • مقدمه ای بر توزیع عادی Introduction to Normal Distribution

  • مقدمه ای بر چولگی و کورتوزیس Introduction to Skewness and Kurtosis

  • مقدمه ای بر تحولات آماری Introduction to Statistical Transformations

  • مقدمه ای بر نمونه و میانگین جمعیت Introduction to Sample and Population Mean

  • مقدمه ای بر قضیه حد مرکزی Introduction to Central Limit Theorem

  • مقدمه ای بر تعصب و واریانس Introduction to Bias and Variance

  • مقدمه ای بر تخمین حداکثر احتمال Introduction to Maximum Likelihood Estimation

  • مقدمه ای بر فواصل اطمینان Introduction to Confidence Intervals

  • مقدمه ای بر همبستگی ها Introduction to Correlations

  • مقدمه ای بر روش های نمونه گیری Introduction to Sampling Methods

  • آزمون آمار استنباطی Quiz on Inferential Statistics

مقدمه ای بر آزمون فرضیه Introduction to Hypothesis Testing

  • مبانی آزمون فرضیه Fundamentals of Hypothesis Testing

  • مقدمه ای بر تست های تی Introduction to T Tests

  • مقدمه ای بر آزمون های Z Introduction to Z Tests

  • مقدمه ای بر تست های مربع چی Introduction to Chi Squared Tests

  • مقدمه ای بر تست های آنووا Introduction to Anova Tests

  • آزمون تست فرضیه Quiz on Hypothesis Testing

نمایش نظرات

نظری ارسال نشده است.

آموزش یادگیری پایتون با استفاده از آمار: تجزیه و تحلیل داده و علم داده
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
9.5 hours
67
Udemy (یودمی) udemy-small
17 مهر 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
4,043
4.8 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Meritshot Academy Meritshot Academy

ارائه بهترین دوره های آموزشی و ارتقای مهارت.

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.