آموزش تحلیل داده‌ها - آخرین آپدیت

سرفصل ها و درس ها

گام‌های نخست Primeiros Passos

• تحلیل داده‌ها چیست O que é Análise de Dados

• پرسوناهای داده Personas de Dados

• متدولوژی‌های داده Metodologias de Dados

• پایه‌های مفهومی داده‌ها Base Conceitual de Dados

• انواع درخواست‌های داده Tipos de Demandas de Dados

• پرسش‌های داده‌ای Perguntas de Dados

• ذینفعان تحلیل Stakeholders da Análise

• اولویت‌بندی درخواست‌ها Priorização de Demandas

ریاضیات برای داده‌ها Matemática para Dados

• مقدمه Introdução

• آمار توصیفی Estatistica Descritiva

• مفاهیم کلیدی Conceitos Importantes

• میانگین حسابی Média Aritmética

• مد و میانه Moda e Mediana

• تمرینات Exercícios

• مقدمه‌ای بر معیارهای پراکندگی Introdução a Medidas de Dispersão

• دامنه (Amplitude) Amplitude

• واریانس و انحراف معیار Variância e Desvio Padrão

• تمرینات Exercícios

• مقدمه‌ای بر معیارهای جایگاه Introdução Medidas de Posição

• چارک‌ها Quartis

• بازه چارک‌ها Quartil Intervalo

• صدک‌ها Percentil

• دامنه بین‌چارکی Amplitude Interquartil

• دامنه بین‌چارکی: تمرین Amplitude Interquartil: Exercício

• نمودار جعبه‌ای (BoxPlot) Gráfico BoxPlot

• نمودار جعبه‌ای: تمرین Gráfico BoxPlot: Exercício

• مقدمه Introdução

• اصل بنیادی شمارش Princípio Fundamenta da Contagem

• فاکتوریل Fatorial

• جایگشت ساده Permutação Simples

• آرایش ساده Arranjo Simples

• ترکیب ساده Combinação Simples

• زمینه سازی Contextualização

• پایان بخش اول Fim da Parte 1

• مقدمه بخش دوم Introdução da Parte 2

• فضای نمونه و پیشامد Espaço Amostral e Evento

• احتمالات Probabilidade

• تمرین احتمالات Probabilidade - Exercício

• احتمال شرطی Probabilidade Condicional

• مقدمه Introdução

• بردارها Vetores

• ماتریس‌ها Matrizes

• عملیات روی ماتریس‌ها Operações com Matrizes

• تنسورها Tensores

• جمع‌بندی Conclusão

مبانی پایتون برای داده‌ها Fundamentos de Python para Dados

• معرفی Apresentação

• مبانی پایتون برای داده‌ها Fundamentos de Python para Dados

• آشنایی با گوگل کولب (Colab) Introdução ao Colab

• کامنت‌ها در پایتون Comentarios em Python

• متغیرها و انواع داده‌ها Variáveis e Tipos de Dados

• خروجی داده‌ها Saída de Dados

• ورودی داده‌ها Entrada de Dados

• عملگرهای محاسباتی Operadores Aritméticos

• عملگرهای رابطه‌ای Operadores Relacionais

• عملگرهای منطقی Operadores Lógicos

• عملگرهای انتسابی Operadores de Atribuição

• ساختار If و Else If e Else

• ساختار If، Elif و Else If, Elif e Else

• حلقه تکرار FOR Laco de Repeticao FOR

• حلقه تکرار While Laço de Repetição While

• حلقه While True، Break و Continue While True, Break e Continue

• رشته‌ها (Strings) Strings

• متدهای رشته‌ها Metodos de String

• پیمایش و برش رشته‌ها Percorrendo e Fatiando Strings

• فرمت‌بندی رشته‌ها Formatação de Strings

• تمرینات مبانی پایتون Exercícios de Fundamentos de Python

• معرفی Apresentação

• آشنایی با لیست‌ها Introdução a Listas

• متدهای لیست‌ها Metodos de Listas

• پیمایش و برش لیست‌ها Percorrendo e Fatiando Listas

• لیست‌های تودرتو Listas Aninhadas

• تاپل‌ها (Tuples) Tuplas

• آشنایی با دیکشنری‌ها Introdução a Dicionários

• بازیابی کلیدها و مقادیر در دیکشنری‌ها Retornando Chaves e Valores nos Dicionários

• پیمایش و متدهای دیکشنری‌ها Percorrendo e Métodos de Dicionários

• دیکشنری‌های تودرتو Dicionários Aninhados

• آشنایی با مجموعه‌ها (Sets) Introdução aos Sets

• متدهای مجموعه‌ها Metodos de Sets

• جمع‌بندی Encerramento

• تمرینات ساختار داده در پایتون Exercícios de Estrutura de Dados em Python

• مقدمه ماژول Introdução ao Módulo

• آشنایی با توابع Introdução a Funções

• توابع با پارامترها بخش ۱ Funções Com Parâmetros Parte 1

• توابع با پارامترها بخش ۲ Funções Com Parâmetros Parte 2

• توابع با پارامترها بخش ۳ Funções Com Parâmetros Parte 3

• توابع دارای مقدار بازگشتی بخش ۱ Funções Com Retorno Parte 1

• توابع دارای مقدار بازگشتی بخش ۲ Funções Com Retorno Parte 2

• توابع لمبدا (Lambda) Funções Lambda

• ماژول‌های پایتون Módulos Python

• ساخت ماژول در کولب Criando Módulos no Colab

• ساخت ماژول در گوگل درایو Criando Módulos no Google Drive

• لیست کامپرهنشن (List Comprehension) List Comprehension

• جمع‌بندی Encerramento

• تمرینات توابع و ماژول‌ها در پایتون Exercícios Funções e Módulos em Python

• مقدمه ماژول Introdução ao Módulo

• آشنایی با NumPy Introdução ao NumPy

• نصب و وارد کردن NumPy Instalação e Importação do Numpy

• آرایه‌های NumPy Arrays NumPy

• ویژگی‌های آرایه‌ها Atributos de Arrays

• عملیات روی آرایه‌ها Operações com Arrays

• توابع تجمیعی (Aggregation) Funções de Agregação

• عملیات منطقی و مقایسه‌ای Operações Lógicas e Comparações

• اندکس‌گذاری و برش (Slicing) Indexação e Fatiamento

• اندکس‌گذاری بولین Indexação Booleana

• تغییر شکل آرایه‌ها (Reshape) Manipulação de Formas

• ماتریس ترانهاده، Flatten و Ravel Matriz Transposta, Flatten e Ravel

• ترکیب و تقسیم آرایه‌ها Combinação e Divisão de Arrays

• تقسیم آرایه‌ها Divisão de Arrays

• توابع کاربردی Funções Úteis

• جمع‌بندی Encerramento

• تمرینات NumPy Exercícios de NumPy

• مقدمه ماژول Introdução ao Módulo

• آشنایی با Pandas Introdução ao Pandas

• سری‌ها (Series) Séries

• دیتافریم‌ها (Dataframes) Dataframes

• خواندن و ذخیره در Pandas Ler e Salvar no Pandas

• متدهای Head، Tail، Shape، Info و Describe Head, Tail, Shape, Info e Describe

• استفاده از Loc و Iloc Loc e Iloc

• فیلتر کردن داده‌ها Filtrando Dados

• مرتب‌سازی مقادیر (Sort Values) Sort Values

• فرمت‌بندی ستون‌ها Formatando Colunas

• متدهای Astype، Isna، Fillna و Dropna Astype, Isna, Fillna e Dropna

• استفاده از Apply و Map Apply e Map

• توابع تجمیعی Funções de Agregação

• توابع تاریخ و زمان Funções de Data

• اتصال داده‌ها (Concat) Concat

• ادغام داده‌ها (Merge) Merge

• اتصال در پانداز (Join) Join Pandas

• جمع‌بندی Encerramento

• تمرینات Pandas Exercícios de Pandas

• توضیحات مینی پروژه Descrição do Mini Projeto

• ساخت منوی اصلی Criação do Menu Principal

• افزودن و مشاهده تسک‌ها Adicionar e Visualizar Tarefa

• علامت‌گذاری تسک به عنوان تکمیل شده Marcar Tarefa como Concluída

• حذف تسک Remover Tarefa

• جزئیات پروژه Detalhes do Projeto

• شروع پروژه Iniciando o Projeto

• اندکس‌گذاری، loc و iloc Indexação, loc, iloc

• مدیریت داده‌های گمشده Tratando Dados Ausentes

• گروه‌بندی بر اساس محصول و تحلیل فروش Agrupamento por Produtos e Análise das Vendas

• ادغام با محصولات و گروه‌بندی بر اساس دسته‌بندی Merge com Produtos e Agrupamento por Categoria

جمع‌آوری و پیش‌پردازش داده‌ها Coleta e Tratamento dos Dados

• مقدمه‌ای بر پایگاه داده Introdução a Banco de Dados

• مبانی کلود و ذخیره‌سازی داده‌ها Fundamentos de Cloud e Armazenamento de Dados

• کاوش داده‌ها با اکسل Explorando Dados com Excel

• CSV، اکسل و مفهوم خواندن داده CSV, Excel e o que significa ler um dado

• شروع کار با پایتون در گوگل کولب Começando com Python no Google Colab

• خواندن داده‌ها با Pandas Lendo Dados com Pandas

• خواندن داده‌ها از URL و API Lendo Dados de URL e API

• خواندن داده‌ها از گوگل درایو Lendo Dados Via Google Drive

• جمع‌آوری داده‌ها با SQL Coletando Dados com SQL

• استفاده از SQLite در گوگل کولب Usando SQLite no Google Colab

• اجرای کوئری‌ها در گوگل کولب Fazendo Queries no Google Colab

• اتصال جداول با SQL (JOIN) Juntando Tabelas com SQL (JOIN)

• چرا باید داده‌ها را پیش‌پردازش کنیم Por Que Tratar Dados

• تحلیل اکتشافی داده‌ها (EDA) چیست O que é EDA

• میانگین، میانه، مد Média, Mediana, Moda

• واریانس و انحراف معیار Variância e Desvio Padrão

• چارک‌ها چیستند O que são Quartis

• بصری‌سازی متغیرها با هیستوگرام و نمودار جعبه‌ای Visualizando Variáveis com Histogramas e Boxplots

• بصری‌سازی روابط با نمودار پراکندگی و Heatmap Visualizando Relações com Scatterplots e Heatmaps

• شناسایی و مدیریت داده‌های پرت (Outliers) Detectando e Tratando Outliers Sem Medo

• مدیریت مقادیر گمشده Lidando Com Valores Ausentes

• داده‌های تکراری، خطاها و ناهماهنگی‌ها Duplicatas, Erros e Inconsistências

• نرمال‌سازی و تبدیل داده‌ها Normalizando e Transformando Dados

• مدیریت متغیرهای دسته‌ای (Encoding) Lidando Com Variáveis Categóricas - Encoding

• مدیریت تاریخ‌ها Lidando Com Datas

• تمرین: شناسایی خطاها Prática - Identificando erros

• تمرین: اجرای پاک‌سازی داده‌ها Prática - Executando a Limpeza

• تمرین: بررسی با استفاده از EDA Prática - Investigando com EDA

کار با بینش‌های داده (Insights) Trabalhando com Insights

• تفاوت معیارها (Metrics) و شاخص‌های کلیدی عملکرد (KPIs) Métricas x KPIs

• شاخص‌های KPI برای حوزه‌های کسب‌وکار Kpis Para Areas De Negocio

• تبدیل اهداف به شاخص‌های اثرگذار Transformando Metas em Indicadores com Impacto

• آمار برای تولید بینش (Insights) Estatística para Gerar Insights

• توزیع‌های آماری در عمل بخش ۱ Distribuicoes Estatisticas Na Pratica Parte 1

• توزیع‌های آماری در عمل بخش ۲ Distribuicoes Estatisticas na Pratica Parte 2

• فرضیات: نحوه فرمول‌بندی و تست Hipóteses: Como Formular e Testar

• توضیح مقدار p-value Explicando Valor-p

• تست‌های آماری T، ANOVA و خی‌دو Testes Estatísticos T, ANOVA e Qui-Quadrado

• همبستگی پیرسون، اسپیرمن و کندال Correlacao Pearson, Spearman e Kendall

• علیت: مراقب نتیجه‌گیری‌های عجولانه باشید Causalidade: Cuidado com Conclusões Precipitados

• مقدمه‌ای بر رگرسیون خطی Introdução à Regressão Linear

• رگرسیون خطی ساده و چندگانه Regressão Linear Simples e Múltipla

• مدل‌های یادگیری ماشین: انواع، انتخاب‌ها و استراتژی‌ها Modelos de ML: Tipos, Escolhas e Estratégias

• رگرسیون لجستیک برای پیش‌بینی دسته‌ها Regressão Logística Prevendo Categorias

• ارزیابی مدل‌های رگرسیون و طبقه‌بندی Avaliando Modelos de Regressão e Classificação

• مهندسی ویژگی‌ها (Feature Engineering) Engenharia de Variáveis

• خوشه‌بندی (Clustering) Clusterização

• درخت تصمیم، Random Forest و XGBoost Árvores de Decisão, Random Forest e XGBoost

• مدل‌های خاص: تحلیل سری‌های زمانی Modelos Especiais Análise Temporal

• هوش مصنوعی قابل توضیح (Explainable AI) Explainable AI

• پیش‌بینی ریزش مشتریان (Churn) در SaaS: تحلیل قوانین Previsão de Churns de SaaS - Análise das Regras

• پیش‌بینی ریزش مشتریان در SaaS: ساخت راهکار بخش ۱ Previsão de Churns de SaaS - Construindo a Solução - Parte 1

• پیش‌بینی ریزش مشتریان در SaaS: ساخت راهکار بخش ۲ Previsão de Churns de SaaS - Construindo a Solução - Parte 2

• پیش‌بینی ریزش مشتریان در SaaS: ساخت راهکار بخش نهایی Previsão de Churns de SaaS - Construindo a Solução - Parte Final

• تعیین بینش‌های درست برای بصری‌سازی داده‌ها Definindo os Insights Certos para o DataViz

• انواع نمودارها و زمان استفاده از هر کدام Tipos de Gráficos e Quando Usar Cada Um

• چگونه یک داشبورد را از صفر طراحی کنیم (طرح و ساختار) Como Planejar Um Dashboard Do Zero (Esboço À Estrutura)

• آشنایی با Looker Studio: چیست و چگونه کار می‌کند Introdução ao Looker Studio: O que é e como funciona

• اتصال منابع داده در Looker Studio Conectando Fontes de Dados no LS

• ساخت فیلدها، پارامترها و فیلتر کردن داده‌ها در Looker Studio Criando Campos, Parâmetros e Filtrando Dados no LS

• ادغام و تجمیع داده‌ها در Looker Studio Mesclando e Agregando Dados no LS

• کارت‌های پویا در Looker Studio Cartões Dinâmicos no LS

• نمودارهای میله‌ای و ستونی در Looker Studio Graficos de Barra e Coluna no LS

• نمودارهای خطی و ترکیبی در Looker Studio Gráficos de Linha e Combinados no LS

• جداول هوشمند در Looker Studio Tabelas Inteligentes no LS

• نقشه‌ها و بصری‌سازی جغرافیایی در Looker Studio Mapas e Geovisual no LS

• نمودارهای خاص در Looker Studio Graficos Especiais no LS

• نمودارهای دایره‌ای (Pie Chart) در Looker Studio Graficos Tipo Pizza no LS

• صفحه‌بندی و لینک‌ها در Looker Studio Paginação e Links no LS

• ساخت اولین داشبورد در Looker Studio بخش ۱ Criando Seu Primeiro Dashboard No Looker Studio Parte 1

• ساخت اولین داشبورد در Looker Studio بخش ۲ Criando Seu Primeiro Dashboard No Looker Studio Parte 2

• ساخت اولین داشبورد در Looker Studio بخش ۳ Criando Seu Primeiro Dashboard No Looker Studio Parte 3

• آشنایی با Power BI Introdução ao Power BI

• کارت‌ها و KPIها در Power BI Cartões e KPIs no PB

• نمودارهای میله‌ای و ستونی در Power BI Graficos de Barra e Coluna no PB

• نمودارهای دایره‌ای در Power BI Graficos de Pizza no PB

• سری‌های زمانی در Power BI Series Temporais no PB

• جداول و ماتریس‌ها در Power BI Tabelas e Matrizes no PB

• فیلترها و بازه‌ها Filtros e Intervalos

• نمودارهای خاص در Power BI Graficos Especiais no PB

• Power Query: مقدمه Power Query: Introdução

• Power Query: پیش‌پردازش داده‌ها بخش ۱ Power Query: Tratando Alguns Dados - Parte 1

• Power Query: پیش‌پردازش داده‌ها بخش ۲ Power Query: Tratando Alguns Dados - Parte 2

• روابط در Power BI Relacionamentos no PB

• معیارهای ساده و زمانی با DAX در Power BI Métricas Simples e Temporais com DAX no PB

• مورد عملی در Power BI بخش ۱ Caso Prático no Power BI Parte 1

• مورد عملی در Power BI بخش ۲ Caso Prático no Power BI Parte 2

• درک داستان‌سرایی با داده‌ها (Storytelling) Entendendo o Storytelling com Dados

• ارائه داده‌ها برای مخاطبان مختلف Apresentação de Dados para Diferentes Públicos

• ساختارهای کلاسیک: چگونه یک داستان خوب با داده‌ها بگوییم Estruturas Clássicas: Como Contar uma Boa História com Dados

• داشبورد یا ارائه: چگونه تصمیم بگیریم Dashboard ou Apresentação Como Decidir

• توسعه مهارت ارائه داده‌ها Desenvolvendo a Skill de Apresentação para Dados

چالش نهایی Desafio Final

• معرفی چالش Apresentação do Desafio

• درک و پیش‌پردازش داده‌ها بخش ۱ Entendimento e Tratamento dos Dados - Parte 1

• درک و پیش‌پردازش داده‌ها بخش ۲ Entendimento e Tratamento dos Dados - Parte 2

• ویژگی‌های سفارش Features de Pedido

• ویژگی‌های تشخیصی Features de Diagnóstico

• ویژگی‌های مشتری Features de Cliente

• شروع تحلیل اکتشافی Iniciando a Análise Exploratória

• کاوش بیشتر در داده‌ها Explorando Mais os Dados

• مدل OSL Modelo OSL

• مدل LightGBM Modelo LightGBM

• شروع آماده‌سازی ارائه Iniciando a Apresentação

• طراحی و استایل‌دهی نمودارها Montando Gráfico e Estilizando

• سازمان‌دهی اقدامات انجام شده Organizando O Que Foi Feito

• سازمان‌دهی نتایج ارزیابی Organizando o Resultado da Avaliação

• نهایی‌سازی ارائه Finalizando a Apresentação