آموزش علم داده و مصورسازی داده با پایتون - آخرین آپدیت

دانلود Data Science and Data Visualization with Python

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

یادگیری علم داده، تحلیل داده و مصورسازی داده با پایتون

با استفاده از کتابخانه‌های پایتون:

  • نمودارهای میله‌ای، خطی و پشته‌ای
  • نمودارهای ریاضی
  • هیستوگرام‌ها، نمودارهای دایره‌ای
  • شبکه‌ها، زیر نمودارها
  • هیستوگرام‌های سه‌بعدی، میله‌های سه‌بعدی
  • PIL، تصاویر، Basemap
  • تصاویر CAPTCHA
  • نمودارهای لگاریتمی، اسپکتروگرام‌ها
  • نمودارهای گانت، خطاهای میله‌ای
  • گره Trefoil

پیش نیاز: آشنایی با اصول برنامه‌نویسی پایتون (اختیاری)

مروری بر دوره:

این دوره با یک پایه قوی در برنامه‌نویسی پایتون آغاز می‌شود، و اطمینان حاصل می‌کند که شرکت‌کنندگان، صرف‌نظر از تجربه قبلی خود، به راحتی می‌توانند با این زبان کار کنند. از آنجا، ما به مفاهیم اصلی علم داده می‌پردازیم، و موضوعاتی مانند دستکاری داده، پاکسازی و تحلیل اکتشافی داده را پوشش می‌دهیم. شرکت‌کنندگان تجربه عملی با استفاده از کتابخانه‌های محبوب پایتون مانند NumPy، Pandas و Matplotlib را کسب خواهند کرد.

اهداف کلیدی یادگیری:

  1. مبانی پایتون: یک فرمان قوی از برنامه‌نویسی پایتون ایجاد کنید، که شرکت‌کنندگان را قادر می‌سازد تا به طور موثر داده‌ها را دستکاری کرده و تحلیل‌های پیچیده انجام دهند.

  2. دستکاری و تحلیل داده: یاد بگیرید که داده‌ها را به طور موثر با استفاده از Pandas پاکسازی و پیش پردازش کنید، و وظایف پیشرفته دستکاری داده را برای استخراج بینش‌های معنادار انجام دهید.

  3. تحلیل اکتشافی داده (EDA): هنر کاوش و خلاصه کردن داده‌ها را با استفاده از روش‌های آماری و بصری بیاموزید، و زمینه را برای تصمیم‌گیری آگاهانه فراهم کنید.

  4. مصورسازی داده: با Matplotlib و Seaborn وارد دنیای مصورسازی داده شوید. مصورسازی‌های خیره‌کننده و آموزنده ایجاد کنید که به طور موثر بینش‌های پیچیده را به مخاطبان مختلف منتقل می‌کنند.

  5. مبانی یادگیری ماشین: درک کاملی از مبانی یادگیری ماشین به دست آورید و کشف کنید که چگونه می‌توان از پایتون برای پیاده‌سازی و استقرار مدل‌های یادگیری ماشین پایه استفاده کرد.

  6. کاربردهای دنیای واقعی: مهارت‌های کسب شده را در سناریوها و مجموعه‌داده‌های دنیای واقعی به کار بگیرید، و اطمینان حاصل کنید که شرکت‌کنندگان می‌توانند چالش‌های مبتنی بر داده را در محیط‌های حرفه‌ای خود حل کنند.

چرا پایتون برای علم داده و مصورسازی؟

پایتون به دلیل تطبیق‌پذیری، سهولت یادگیری و اکوسیستم غنی از کتابخانه‌ها، به عنوان زبان منتخب برای دانشمندان داده ظهور کرده است. دوره ما بر نقش پایتون در کل گردش کار علم داده، از پاکسازی داده تا مصورسازی، تاکید دارد و درک جامعی از قابلیت‌های آن را در اختیار شرکت‌کنندگان قرار می‌دهد.

چه کسانی باید ثبت نام کنند:

این دوره برای دانشمندان داده مشتاق، تحلیلگران، محققان و هر کسی که مشتاق استفاده از قدرت پایتون برای تحلیل و مصورسازی موثر داده است، ایده‌آل است. چه مبتدی باشید و چه تجربه ای در علم داده داشته باشید، این دوره مهارت‌های شما را ارتقا می‌دهد و شما را قادر می‌سازد تا با اطمینان تصمیمات مبتنی بر داده بگیرید.

نتیجه‌گیری:

خود را با مهارت‌های ضروری در علم داده و مصورسازی داده که در صنایع مختلف مورد تقاضا هستند، مجهز کنید. در دوره "تسلط بر علم داده و مصورسازی داده با پایتون" ثبت نام کنید و سفری را برای تبدیل شدن به یک متخصص داده ماهر آغاز کنید، آماده برای مقابله با چالش‌های چشم انداز داده مدرن. چشم انداز شغلی خود را ارتقا دهید و فرصت‌های جدیدی را با دانش و تخصص به دست آمده در این دوره جامع و عملی باز کنید.


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • انواع نمودار Plot Types

  • انواع نمودار - 2 Plot Types - 2

  • نمودارهای سینوسی و کسینوسی Sine and Cosine Plots

  • نمودارهای سینوسی و کسینوسی - 2 Sine and Cosine Plots - 2

  • نمودارهای سینوسی و کسینوسی - 3 Sine and Cosine Plots - 3

  • استایل‌ها، خصوصیات و رشته‌های فرمت Styles, Properties and Format Strings

  • تیک‌ها، برچسب‌ها و شبکه‌ها Ticks, Labels and Grids

  • افزودن راهنما و توضیحات Adding Legends and Annotations

  • اسپاین‌ها Spines

  • هیستوگرام‌ها Histograms

  • نمودارهای میله‌ای با نوارهای خطا Bar Charts with Error Bars

  • نمودارهای دایره‌ای Pie Charts

  • مساحت‌های پر شده Filled Areas

  • نمودارهای انباشته Stacked Plots

  • نمودارهای پراکندگی با نشانگرهای رنگی Scatter Plots with Colored Markers

بیشتر از آن... مطالب مربوط به نمودارها More of it... The Plots Stuff

  • مقدمه Introduction

  • شفافیت و اندازه برچسب‌های محور Transparency and Size of Axis Labels

  • سایه به خط نمودار Shadow to Chart Line

  • افزودن جدول داده Adding a Data Table

  • نمودارهای فرعی Subplots

  • نمودارهای فرعی - 2 Subplots - 2

  • سفارشی‌سازی شبکه Customizing Grid

  • سفارشی‌سازی شبکه - 2 Customizing Grid - 2

  • ایجاد نمودارهای کانتور Creating Contour Plots

  • ناحیه زیر نمودار Under-Plot Area

  • ناحیه زیر نمودار - 2 Under-Plot Area - 2

  • نمودارهای قطبی Polar Plots

  • Matplotlib با استایل Matplotlib with Style

تصاویر سه‌بعدی 3D Visualizations

  • تصاویر سه‌بعدی 3D Visualizations

  • تصاویر سه‌بعدی - 2 3D Visualizations - 2

  • تصاویر سه‌بعدی - 3 3D Visualizations - 3

  • هیستوگرام‌های سه‌بعدی - 4 3D Histograms - 4

  • متحرک‌سازی Animating

  • متحرک‌سازی - 2 Animating - 2

  • متحرک‌سازی - 3 Animating - 3

رسم نمودار Chart Plotting

  • مقدمه Introduction

  • مقدمه - 2 Introduction - 2

  • مقدمه - 3 Introduction - 3

  • رسم با تصاویر Plotting with Images

  • رسم با تصاویر - 2 Plotting with Images - 2

  • رسم با تصاویر - 3 Plotting with Images - 3

  • نمایش تصاویر با سایر نمودارها Displaying Images with Other Plots

  • Basemap Basemap

  • Basemap - 2 Basemap - 2

  • رسم داده روی نقشه با استفاده از Google Map API Plotting Data on Map using Google Map API

  • تولید تصاویر CAPTCHA Generating CAPTCHA Images

  • تولید تصاویر CAPTCHA - 2 Generating CAPTCHA Images - 2

نمودارها و داده‌ها Plots and Data

  • نمودارها و داده‌ها، نمودارهای لگاریتمی Plots and Data, Logarithmic Plots

  • نمودارهای لگاریتمی Logarithmic Plots

  • اسپکتروگرام‌ها Spectrograms

  • اسپکتروگرام‌ها - 2 Spectrograms - 2

  • نمودار ساقه Stem Plot

  • جریان برداری Vector Flow

  • نقشه‌های رنگی Colormaps

  • نقشه‌های رنگی - 2 Colormaps - 2

  • نمودارهای پراکندگی و هیستوگرام‌ها Scatter Plots and Histograms

  • نمودارهای پراکندگی و هیستوگرام‌ها - 2 Scatter Plots and Histograms - 2

  • نمودارهای پراکندگی و هیستوگرام‌ها - 3 Scatter Plots and Histograms - 3

  • نمودارهای پراکندگی و هیستوگرام‌ها - 4 Scatter Plots and Histograms - 4

  • همبستگی متقابل بین دو متغیر Cross Correlation between Two Variables

  • خودهمبستگی Autocorrelation

بیشتر درباره Matplotlib More on Matplotlib

  • بیشتر درباره Matplotlib More on Matplotlib

  • بارب Barb

  • بارب - 2 Barb - 2

  • نمودار جعبه‌ای و سبیلو Box and Whisker Plot

  • نمودارهای گانت Gantt Charts

  • نمودارهای گانت - 2 Gantt Charts - 2

  • نوارهای خطا Error Bars

  • خصوصیات متن و فونت Text and Font Properties

  • خصوصیات متن و فونت - 2 Text and Font Properties - 2

  • LaTeX LaTeX

  • LaTeX - 2 LaTeX - 2

  • LaTeX - 3 LaTeX - 3

  • LaTeX - 4 LaTeX - 4

  • چندین عبارت در یک خط Multiple Statements on a Single Line

  • گروه‌های عبارات چندگانه به عنوان سوئیت و خط هدر Multiple Statement Groups as Suites and Header Line

  • مقداردهی به متغیرها Values Assigning to Variables

K-Means K-Means

  • K-Means K-Means

  • وارد کردن KMeans Import KMeans

  • روش‌های Centroid Centroid Methods

  • Mini-Batch و K-Means شتاب‌داده‌شده Mini-Batch and Accelerated K-Means

  • خوشه‌بندی برای بخش‌بندی تصویر Clustering for image segmentation

  • خوشه‌بندی برای پیش‌پردازش Clustering for Preprocessing

  • Pipeline Pipeline

  • خوشه‌بندی برای یادگیری نیمه نظارتی Clustering for Semi-Supervised Learning

  • LogisticRegression LogisticRegression

  • Label Propagated Label Propagated

  • DBSCAN DBSCAN

  • KNeighborsClassifier KNeighborsClassifier

  • Gaussian Mixtures Gaussian Mixtures

  • مدل ترکیب گاوسی Gaussian mixture model

  • تفسیر مدل ترکیب گاوسی Interpreting Gaussian mixture model

  • gm.weights gm.weights

  • Hyperparamater Hyperparamater

جمع آوری داده ها Data Collection

  • عملیات تاپل‌ها و سری‌ها Tuples Operations and Series

  • عملیات برداری و ویژگی نام Vectorized Operations and Name Attribute

  • Data Frames Data Frames

  • Dict از Ndarrays یا Lists Dict of Ndarrays or Lists

  • Structured یا Record Array Structured or Record Array

  • اضافه کردن، حذف کردن، انتخاب Data Frame Adding, Deleting, Selecting Data Frame

  • انتساب ستون‌های جدید Assigning New Columns

  • ترانهاده و قابلیت همکاری Transposing and Interoperability

پروژه Project

  • پروژه ماشین حساب Calculator Project

  • def get_data def get_data

  • def choose_start def choose_start

  • Chart Chart

  • def visualize_data def visualize_data

  • chart_type chart_type

  • اجرای برنامه اصلی Main Program Execution

نمایش نظرات

آموزش علم داده و مصورسازی داده با پایتون
جزییات دوره
13 hours
110
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
415
4.9 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Tech Career World Tech Career World

مربی Udemy