آموزش ابزارهای تحلیل اکتشافی داده‌ها در کسب‌وکار (EDA) - آخرین آپدیت

آشنایی با دوره و ماژول ۱: ذهنیت تحلیلی Course Orientation and Module 1: Analytics Mindset

• مقدمه دوره Course Introduction

• درباره پروفسور کیم مندوزا About Professor Kim Mendoza

• درباره پروفسور رونالد گوئیمون About Professor Ronald Guymon

• تأثیر جامعه Gies The Impact of the Gies Community

• اصطلاحات کلیدی تحلیل کسب‌وکار Business Analytics Key Terms

• مقدمه ماژول ۱ Module 1 Introduction

• تبدیل داده‌های تجاری به بینش‌های کسب‌وکار Turning Business Data Into Business Insights

• ذهن شما مهم‌ترین ابزار است Your Mind is the Most Important Tool

• ذهنیت تحلیلی: سیستم ۱ در مقابل سیستم ۲ Analytics Mindset: System 1 vs. System 2

• ذهنیت تحلیلی: استدلال استقرایی در مقابل استنتاجی Analytics Mindset: Inductive Versus Deductive Reasoning

• ذهنیت تحلیلی: اجازه دهید داده‌ها صحبت کنند Analytics Mindset: Let the Data Speak

• معرفی مجموعه‌داده دوره (TECA) Introduction to the Course Data Set, TECA

• چارچوب FACT The FACT Framework

• نتیجه‌گیری ماژول ۱ Module 1 Conclusion

ماژول ۲: انجام ETL و EDA با استفاده از پایتون Module 2: ETL and EDA Using Python

• مقدمه ماژول ۲ Module 2 Introduction

• داده‌ها Data

• مسئله تجاری Business Problem

• آموزش نصب نرم‌افزار Installation Demonstration

• آشنایی با Jupyter Lab و استفاده از هوش مصنوعی Intro to Jupyter Lab and Using AI

• بارگذاری و مشاهده داده‌ها Loading and Viewing the Data

• ویدیو اختیاری: انواع داده‌ها Optional Video: Data Types

• پاکسازی داده‌ها Data Cleaning

• ویدیو اختیاری: اتصال داده‌ها (Joining) Optional Video: Joining Data

• ویدیو اختیاری: خلاصه‌سازی داده‌ها Optional Video: Summarizing Data

• آشنایی با کتابخانه‌های تجسم داده در پایتون Intro to Python Library for Visualization

• ایجاد تجسم‌های داده‌ای در پایتون Creating Visualizations in Python

• نتیجه‌گیری ماژول ۲ Module 2 Conclusion

ماژول ۳: انجام ETL و EDA با استفاده از SQL Module 3: ETL and EDA Using SQL

• مقدمه ماژول ۳ Module 3 Introduction

• آشنایی با پایگاه داده‌ها Introduction to Databases

• مروری بر زبان پرس‌وجوی ساختاریافته (SQL) Overview of Structured Query Language (SQL)

• دستورات پایه SQL Basic SQL Commands

• چرا به SQL و پایتون نیاز داریم؟ Why Do We Need SQL and Python?

• اتصال و قطع اتصال به پایگاه داده در پایتون Connecting and Disconnecting to a Database in Python

• گردش کار پایه SQL در پایتون Basic SQL Workflow in Python

• پرس‌وجوهای اکتشافی SQLite در پایتون SQLite Exploratory Queries in Python

• پرس‌وجوهای توصیفی SQL در پایتون SQL Descriptive Queries in Python

• پرس‌وجوهای Join در SQL با پایتون SQL Join Queries in Python

• نتیجه‌گیری ماژول ۳ Module 3 Conclusion

ماژول ۴: انجام ETL و EDA با استفاده از APIها Module 4: ETL and EDA Using APIs

• مقدمه ماژول ۴ Module 4 Introduction

• API چیست؟ What are APIs?

• استفاده از Web APIها برای جمع‌آوری داده‌ها Web APIs for Assembling Data

• عناصر کلیدی درخواست‌ها و پاسخ‌های API Key Elements of API Requests and Responses

• ساخت درخواست‌های API با ماژول Requests Building API Requests with the Requests Module

• ساخت درخواست‌های API نیازمند احراز هویت Building API Requests that Require Authentication

• ساخت درخواست‌های API با استفاده از SDKها Building API Requests with Software Development Kits

• حلقه‌ها (Loops) Loops

• حلقه‌ها و APIها Loops and APIs

• استفاده از API برای ChatGPT API for ChatGPT

• استراتژی‌های کار با Web APIها Strategies for Working with Web APIs

• نتیجه‌گیری ماژول ۴ Module 4 Conclusion

• یادگیری به سبک خودتان Learn on Your Terms