آموزش دوره جامع آماده‌سازی داده و تحلیل اکتشافی داده (EDA) با پایتون در سال 2025 - آخرین آپدیت

سرفصل ها و درس ها

Introduction-فصل-1-مقدمه Introduction

• Introduction-ویدیو-1-1-مقدمه Introduction

• Common Approach to EDA and Data Pre-processing-ویدیو-1-2-رویکرد رایج به EDA و پیش پردازش داده Common Approach to EDA and Data Pre-processing

• Practical Approach to EDA and Data Pre-processing-ویدیو-1-3-رویکرد عملی به EDA و پیش پردازش داده Practical Approach to EDA and Data Pre-processing

• Practice Exercises-ویدیو-1-4-تمرین های عملی Practice Exercises

• Getting started with Google Colaboratory-ویدیو-1-5-شروع کار با گوگل کولب Getting started with Google Colaboratory

• Reading your data in Google Colab-ویدیو-1-6-خواندن داده ها در گوگل کولب Reading your data in Google Colab

Data Preprocessing: Feature Scaling-فصل-2-پیش پردازش داده: مقیاس بندی ویژگی Data Preprocessing: Feature Scaling

• Section Intro-ویدیو-2-1-مقدمه بخش Section Intro

• What is Feature Scaling?-ویدیو-2-2-مقیاس بندی ویژگی چیست؟ What is Feature Scaling?

• Why Feature Scaling is needed?-ویدیو-2-3-چرا مقیاس بندی ویژگی مورد نیاز است؟ Why Feature Scaling is needed?

• Scaling Treatment Options-ویدیو-2-4-گزینه های درمان مقیاس بندی Scaling Treatment Options

• Advantages and Disadvantages of Scaling-ویدیو-2-5-مزایا و معایب مقیاس بندی Advantages and Disadvantages of Scaling

• Getting started with the Data-ویدیو-2-6-شروع کار با داده ها Getting started with the Data

• The Normal Distribution-ویدیو-2-7-توزیع نرمال The Normal Distribution

• The StandardScaler-ویدیو-2-8-استاندارد اسکیلر The StandardScaler

• The MinMaxScaler-ویدیو-2-9-مینیمم-ماکزیمم اسکیلر The MinMaxScaler

• The RobustScaler-ویدیو-2-10-راباست اسکیلر The RobustScaler

• Feature Scaling Quiz-ویدیو-2-11-آزمون مقیاس بندی ویژگی Feature Scaling Quiz

• Important note related to next tutorial-ویدیو-2-12-نکته مهم مربوط به آموزش بعدی Important note related to next tutorial

• Data Leakage-ویدیو-2-13-نشت داده Data Leakage

• Practice Exercise Part 1-ویدیو-2-14-تمرین عملی قسمت 1 Practice Exercise Part 1

• Solution: Practice Exercise Part 1-ویدیو-2-15-راه حل: تمرین عملی قسمت 1 Solution: Practice Exercise Part 1

Data Preprocessing: Missing Value Treatment-فصل-3-پیش پردازش داده: مدیریت مقادیر گمشده Data Preprocessing: Missing Value Treatment

• Section Intro-ویدیو-3-1-مقدمه بخش Section Intro

• What are missing values?-ویدیو-3-2-مقادیر گمشده چیست؟ What are missing values?

• Common mistakes to be avoided-ویدیو-3-3-اشتباهات رایج که باید از آنها اجتناب کرد Common mistakes to be avoided

• Getting started with the Data-ویدیو-3-4-شروع کار با داده ها Getting started with the Data

• Dropping Missing Values-ویدیو-3-5-حذف مقادیر گمشده Dropping Missing Values

• Filling Missing Values-ویدیو-3-6-پر کردن مقادیر گمشده Filling Missing Values

• Forward Fill and Backward Fill-ویدیو-3-7-پر کردن به جلو و پر کردن به عقب Forward Fill and Backward Fill

• The Simple Imputer-ویدیو-3-8-ساده ایمپیوتر The Simple Imputer

• KNN Intuition-ویدیو-3-9-شهود KNN KNN Intuition

• The KNN Imputer-ویدیو-3-10-KNN ایمپیوتر The KNN Imputer

• The Iterative Imputer-ویدیو-3-11-ایمپیوتر تکراری The Iterative Imputer

• A closer look at Missing Values-ویدیو-3-12-نگاهی دقیق تر به مقادیر گمشده A closer look at Missing Values

• Recognizing Missing Values Hands-on-ویدیو-3-13-تشخیص عملی مقادیر گمشده Recognizing Missing Values Hands-on

• Missing Value Treatment Quiz-ویدیو-3-14-آزمون مدیریت مقادیر گمشده Missing Value Treatment Quiz

• Exclusive: Categorical Missing Values Part1-ویدیو-3-15-اختصاصی: مقادیر گمشده دسته ای قسمت 1 Exclusive: Categorical Missing Values Part1

• Exclusive: Categorical Missing Values Part2-ویدیو-3-16-اختصاصی: مقادیر گمشده دسته ای قسمت 2 Exclusive: Categorical Missing Values Part2

Data Preprocessing: Outlier Treatment-فصل-4-پیش پردازش داده: مدیریت داده های پرت Data Preprocessing: Outlier Treatment

• Section Intro-ویدیو-4-1-مقدمه بخش Section Intro

• What are Outliers?-ویدیو-4-2-داده های پرت چیست؟ What are Outliers?

• Why to treat Outliers?-ویدیو-4-3-چرا باید داده های پرت را مدیریت کرد؟ Why to treat Outliers?

• Choosing the Outlier Treatment-ویدیو-4-4-انتخاب روش مدیریت داده های پرت Choosing the Outlier Treatment

• Getting started with the Data-ویدیو-4-5-شروع کار با داده ها Getting started with the Data

• Detecting Outliers Using Tukey's Approach-ویدیو-4-6-تشخیص داده های پرت با استفاده از رویکرد توکی Detecting Outliers Using Tukey's Approach

• Remove Outlier Rows-ویدیو-4-7-حذف ردیف های داده پرت Remove Outlier Rows

• Replace Outliers with the Median-ویدیو-4-8-جایگزینی داده های پرت با میانه Replace Outliers with the Median

• Feature Transformation for Outliers-ویدیو-4-9-تبدیل ویژگی برای داده های پرت Feature Transformation for Outliers

• Winsorization-ویدیو-4-10-وینسوریزاسیون Winsorization

• Algorithmic Treatment-ویدیو-4-11-مدیریت الگوریتمی Algorithmic Treatment

• Outlier Treatment Quiz-ویدیو-4-12-آزمون مدیریت داده های پرت Outlier Treatment Quiz

• Practice Exercise Part 2-ویدیو-4-13-تمرین عملی قسمت 2 Practice Exercise Part 2

• Solution: Practice Exercise Part 2-ویدیو-4-14-راه حل: تمرین عملی قسمت 2 Solution: Practice Exercise Part 2

Data Preprocessing: Multicollinearity Treatment-فصل-5-پیش پردازش داده: مدیریت هم خطی چندگانه Data Preprocessing: Multicollinearity Treatment

• Section Intro-ویدیو-5-1-مقدمه بخش Section Intro

• What is Multicollinearity?-ویدیو-5-2-هم خطی چندگانه چیست؟ What is Multicollinearity?

• Why to treat Multicollinearity?-ویدیو-5-3-چرا باید هم خطی چندگانه را مدیریت کرد؟ Why to treat Multicollinearity?

• Choices for Multicollinearity Treatment-ویدیو-5-4-انتخاب ها برای مدیریت هم خطی چندگانه Choices for Multicollinearity Treatment

• Common mistakes to be avoided-ویدیو-5-5-اشتباهات رایج که باید از آنها اجتناب کرد Common mistakes to be avoided

• What is Variance Inflation Factor(VIF)?-ویدیو-5-6-فاکتور تورم واریانس (VIF) چیست؟ What is Variance Inflation Factor(VIF)?

• Getting started with the Data-ویدیو-5-7-شروع کار با داده ها Getting started with the Data

• Dropping Correlated Variables-ویدیو-5-8-حذف متغیرهای همبسته Dropping Correlated Variables

• Eliminating Highly Correlated Features using VIF-ویدیو-5-9-حذف ویژگی های به شدت همبسته با استفاده از VIF Eliminating Highly Correlated Features using VIF

• Multicollinearity Treatment Quiz-ویدیو-5-10-آزمون مدیریت هم خطی چندگانه Multicollinearity Treatment Quiz

• Practice Exercise Part 3-ویدیو-5-11-تمرین عملی قسمت 3 Practice Exercise Part 3

• Solution: Practice Exercise Part 3-ویدیو-5-12-راه حل: تمرین عملی قسمت 3 Solution: Practice Exercise Part 3

Data Preprocessing: Feature Selection-فصل-6-پیش پردازش داده: انتخاب ویژگی Data Preprocessing: Feature Selection

• What is Feature Selection?-ویدیو-6-1-انتخاب ویژگی چیست؟ What is Feature Selection?

• Variance Threshold-ویدیو-6-2-آستانه واریانس Variance Threshold

• Select K Best-ویدیو-6-3-انتخاب K بهترین Select K Best

• Recursive Feature Elimination-ویدیو-6-4-حذف بازگشتی ویژگی Recursive Feature Elimination

• Select From Model-ویدیو-6-5-انتخاب از مدل Select From Model

• Sequential Feature Selector-ویدیو-6-6-انتخابگر ترتیبی ویژگی Sequential Feature Selector

• Getting started with the data-ویدیو-6-7-شروع کار با داده ها Getting started with the data

• Supervised Feature Selection-ویدیو-6-8-انتخاب ویژگی نظارت شده Supervised Feature Selection

• Hands-on Variance Threshold-ویدیو-6-9-آستانه واریانس عملی Hands-on Variance Threshold

• Hands-on Select K Best-ویدیو-6-10-انتخاب K بهترین عملی Hands-on Select K Best

• Hands-on Recursive Feature Elimination-ویدیو-6-11-حذف بازگشتی ویژگی عملی Hands-on Recursive Feature Elimination

• Hands-on Select From Model-ویدیو-6-12-انتخاب از مدل عملی Hands-on Select From Model

• Hands-on Sequential Feature Selector-ویدیو-6-13-انتخابگر ترتیبی ویژگی عملی Hands-on Sequential Feature Selector

• Feature Selection Quiz-ویدیو-6-14-آزمون انتخاب ویژگی Feature Selection Quiz

Data Preprocessing: Feature Encoding-فصل-7-پیش پردازش داده: رمزگذاری ویژگی Data Preprocessing: Feature Encoding

• Section Intro-ویدیو-7-1-مقدمه بخش Section Intro

• What is Feature Encoding?-ویدیو-7-2-رمزگذاری ویژگی چیست؟ What is Feature Encoding?

• Why to perform Feature Encoding?-ویدیو-7-3-چرا باید رمزگذاری ویژگی را انجام داد؟ Why to perform Feature Encoding?

• Encoding Choices-ویدیو-7-4-انتخاب های رمزگذاری Encoding Choices

• Label Encoding-ویدیو-7-5-رمزگذاری برچسب Label Encoding

• One Hot Encoding-ویدیو-7-6-رمزگذاری وان هات One Hot Encoding

• Ordinal and Custom Encoding-ویدیو-7-7-رمزگذاری ترتیبی و سفارشی Ordinal and Custom Encoding

• Target Encoding-ویدیو-7-8-رمزگذاری هدف Target Encoding

• Common mistakes to be avoided-ویدیو-7-9-اشتباهات رایج که باید از آنها اجتناب کرد Common mistakes to be avoided

• Getting started with the Data-ویدیو-7-10-شروع کار با داده ها Getting started with the Data

• Label Encoder Hands-on-ویدیو-7-11-رمزگذار برچسب عملی Label Encoder Hands-on

• One Hot Encoder Hands-on (sklearn)-ویدیو-7-12-رمزگذار وان هات عملی (sklearn) One Hot Encoder Hands-on (sklearn)

• One Hot Encoder Hands-on (pandas)-ویدیو-7-13-رمزگذار وان هات عملی (pandas) One Hot Encoder Hands-on (pandas)

• Encoding Features with High Cardinality-ویدیو-7-14-رمزگذاری ویژگی ها با Cardinality بالا Encoding Features with High Cardinality

• Ordinal Encoder Hands-on-ویدیو-7-15-رمزگذار ترتیبی عملی Ordinal Encoder Hands-on

• Custom Encoder Hands-on-ویدیو-7-16-رمزگذار سفارشی عملی Custom Encoder Hands-on

• Target Encoder Hands-on-ویدیو-7-17-رمزگذار هدف عملی Target Encoder Hands-on

• Feature Encoding Quiz-ویدیو-7-18-آزمون رمزگذاری ویژگی Feature Encoding Quiz

• Practice Exercise Part 4-ویدیو-7-19-تمرین عملی قسمت 4 Practice Exercise Part 4

• Solution: Practice Exercise Part 4-ویدیو-7-20-راه حل: تمرین عملی قسمت 4 Solution: Practice Exercise Part 4

Data Preprocessing: Feature Transformation-فصل-8-پیش پردازش داده: تبدیل ویژگی Data Preprocessing: Feature Transformation

• Why to perform Feature Transformation?-ویدیو-8-1-چرا باید تبدیل ویژگی را انجام داد؟ Why to perform Feature Transformation?

• Choosing the Right Feature Transformation-ویدیو-8-2-انتخاب تبدیل ویژگی مناسب Choosing the Right Feature Transformation

• Transformations to achieve Linearity-ویدیو-8-3-تبدیل ها برای دستیابی به خطی بودن Transformations to achieve Linearity

• Transformations to achieve Normality-ویدیو-8-4-تبدیل ها برای دستیابی به نرمال بودن Transformations to achieve Normality

• Feature Transformation Quiz-ویدیو-8-5-آزمون تبدیل ویژگی Feature Transformation Quiz

Data Preprocessing: Duplicate Rows-فصل-9-پیش پردازش داده: ردیف های تکراری Data Preprocessing: Duplicate Rows

• Why we shouldn't always remove Duplicate Rows?-ویدیو-9-1-چرا نباید همیشه ردیف های تکراری را حذف کنیم؟ Why we shouldn't always remove Duplicate Rows?

Automate your EDA-فصل-10-خودکارسازی EDA شما Automate your EDA

• EDA using YData Profiling Part 1-ویدیو-10-1-EDA با استفاده از YData Profiling قسمت 1 EDA using YData Profiling Part 1

• EDA using YData Profiling Part 2-ویدیو-10-2-EDA با استفاده از YData Profiling قسمت 2 EDA using YData Profiling Part 2

Data Preprocessing: Anomaly Detection-فصل-11-پیش پردازش داده: تشخیص ناهنجاری Data Preprocessing: Anomaly Detection

• What is Anomaly Detection?-ویدیو-11-1-تشخیص ناهنجاری چیست؟ What is Anomaly Detection?

• Anomaly Detection Hands-on-ویدیو-11-2-تشخیص ناهنجاری عملی Anomaly Detection Hands-on

• Anomaly Detection Quiz-ویدیو-11-3-آزمون تشخیص ناهنجاری Anomaly Detection Quiz

Data Preprocessing: Handling Imbalanced Data-فصل-12-پیش پردازش داده: مدیریت داده های نامتعادل Data Preprocessing: Handling Imbalanced Data

• Five ways to Handle Imbalanced Data-ویدیو-12-1-پنج روش برای مدیریت داده های نامتعادل Five ways to Handle Imbalanced Data

• Getting started with the Data-ویدیو-12-2-شروع کار با داده ها Getting started with the Data

• Hands-on Imbalance Treatment-ویدیو-12-3-مدیریت عدم تعادل عملی Hands-on Imbalance Treatment

• Handling Imbalanced Data Quiz-ویدیو-12-4-آزمون مدیریت داده های نامتعادل Handling Imbalanced Data Quiz

Machine Learning Pipelines-فصل-13-پایپ لاین های یادگیری ماشین Machine Learning Pipelines

• Introduction to Pipelines-ویدیو-13-1-مقدمه ای بر پایپ لاین ها Introduction to Pipelines

• Advanced Application of Pipelines-ویدیو-13-2-کاربرد پیشرفته پایپ لاین ها Advanced Application of Pipelines

Introduction to Python-فصل-14-مقدمه ای بر پایتون Introduction to Python

• The origin of Python-ویدیو-14-1-خاستگاه پایتون The origin of Python

• Python vs Other Languages-ویدیو-14-2-پایتون در مقابل سایر زبان ها Python vs Other Languages

• Python for Data Science-ویدیو-14-3-پایتون برای علم داده Python for Data Science

• Who all use Python?-ویدیو-14-4-چه کسانی از پایتون استفاده می کنند؟ Who all use Python?

• How to learn Python?-ویدیو-14-5-چگونه پایتون را یاد بگیریم؟ How to learn Python?

• How much programming knowledge is needed?-ویدیو-14-6-چه مقدار دانش برنامه نویسی مورد نیاز است؟ How much programming knowledge is needed?

• Variables and Data Types in Python-ویدیو-14-7-متغیرها و انواع داده در پایتون Variables and Data Types in Python

• Operations on variables-ویدیو-14-8-عملیات روی متغیرها Operations on variables

• Typecasting-ویدیو-14-9-تبدیل نوع Typecasting

• Variable assignment-ویدیو-14-10-انتساب متغیر Variable assignment

• Collections Lists-ویدیو-14-11-لیست مجموعه ها Collections Lists

• Collections Tuples-ویدیو-14-12-تاپل مجموعه ها Collections Tuples

• Collections Dictionaries-ویدیو-14-13-دیکشنری مجموعه ها Collections Dictionaries

• Collections Sets-ویدیو-14-14-ست مجموعه ها Collections Sets

• Collections Summary-ویدیو-14-15-خلاصه مجموعه ها Collections Summary

• Decision Control-ویدیو-14-16-کنترل تصمیم Decision Control

• if_elif_else-ویدیو-14-17-if_elif_else if_elif_else

• Nested If_else-ویدیو-14-18-If_else تو در تو Nested If_else

• Use of logical operators in Decision Control-ویدیو-14-19-استفاده از عملگرهای منطقی در کنترل تصمیم Use of logical operators in Decision Control

• if elif ladder and ternary operation-ویدیو-14-20-if elif ladder و عملیات سه تایی if elif ladder and ternary operation

• for and while loops-ویدیو-14-21-حلقه های for و while for and while loops

• Loops Practice Set 1-ویدیو-14-22-مجموعه تمرین حلقه ها 1 Loops Practice Set 1

• Loops Practice Set 2-ویدیو-14-23-مجموعه تمرین حلقه ها 2 Loops Practice Set 2

• Applying Loops to a Data-ویدیو-14-24-اعمال حلقه ها بر روی داده Applying Loops to a Data

• Getting Started with functions-ویدیو-14-25-شروع کار با توابع Getting Started with functions

• Using loops and conditionals inside a function-ویدیو-14-26-استفاده از حلقه ها و شرطی ها در داخل یک تابع Using loops and conditionals inside a function

• Use of arguments-ویدیو-14-27-استفاده از آرگومان ها Use of arguments

• function inside a function-ویدیو-14-28-تابع داخل یک تابع function inside a function

• Use of pass, continue and break-ویدیو-14-29-استفاده از pass, continue و break Use of pass, continue and break

• Scope of variables-ویدیو-14-30-دامنه متغیرها Scope of variables

• Methods vs Functions-ویدیو-14-31-متدها در مقابل توابع Methods vs Functions

• Lambda functions-ویدیو-14-32-توابع لامبدا Lambda functions

• Extras: Variable Names-ویدیو-14-33-اضافی: نام متغیرها Extras: Variable Names

• Extras: Mutable vs Immutable Objects-ویدیو-14-34-اضافی: اشیاء قابل تغییر در مقابل اشیاء غیرقابل تغییر Extras: Mutable vs Immutable Objects

• Extras: Copy vs Deepcopy-ویدیو-14-35-اضافی: کپی در مقابل کپی عمیق Extras: Copy vs Deepcopy

• Extras: String Formatting-ویدیو-14-36-اضافی: قالب بندی رشته Extras: String Formatting

• Extras: Operator Precedence-ویدیو-14-37-اضافی: تقدم عملگرها Extras: Operator Precedence

Basic Python Libraries: numpy and pandas-فصل-15-کتابخانه های اصلی پایتون: numpy و pandas Basic Python Libraries: numpy and pandas

• Getting started with numpy arrays-ویدیو-15-1-شروع کار با آرایه های numpy Getting started with numpy arrays

• Indexing in numpy arrays-ویدیو-15-2-نمایه سازی در آرایه های numpy Indexing in numpy arrays

• Multidimensional arrays-ویدیو-15-3-آرایه های چند بعدی Multidimensional arrays

• Using numpy's inbuilt methods-ویدیو-15-4-استفاده از متدهای داخلی numpy Using numpy's inbuilt methods

• Array operations-ویدیو-15-5-عملیات آرایه Array operations

• Some more inbuilt methods-ویدیو-15-6-متدهای داخلی بیشتر Some more inbuilt methods

• Generating and accessing random numbers-ویدیو-15-7-تولید و دسترسی به اعداد تصادفی Generating and accessing random numbers

• Modifying elements of an array-ویدیو-15-8-اصلاح عناصر یک آرایه Modifying elements of an array

• More array methods-ویدیو-15-9-متدهای آرایه بیشتر More array methods

• Saving and loading numpy arrays-ویدیو-15-10-ذخیره و بارگیری آرایه های numpy Saving and loading numpy arrays

• Getting started with Pandas dataframes-ویدیو-15-11-شروع کار با دیتافریم های Pandas Getting started with Pandas dataframes

• Methods and attributes in Pandas-ویدیو-15-12-متدها و ویژگی ها در Pandas Methods and attributes in Pandas

• More Methods and attributes in Pandas-ویدیو-15-13-متدها و ویژگی های بیشتر در Pandas More Methods and attributes in Pandas

• Changing data types-ویدیو-15-14-تغییر انواع داده Changing data types

• Filtering the data based on conditions-ویدیو-15-15-فیلتر کردن داده ها بر اساس شرایط Filtering the data based on conditions

• Adding and modifying data-ویدیو-15-16-اضافه کردن و اصلاح داده Adding and modifying data

• Additional useful Pandas methods-ویدیو-15-17-متدهای مفید اضافی Pandas Additional useful Pandas methods

EDA and Data Visualization in Python: matplotlip and seaborn-فصل-16-EDA و تجسم داده در پایتون: matplotlip و seaborn EDA and Data Visualization in Python: matplotlip and seaborn

• Univariate Visualization-ویدیو-16-1-تجسم تک متغیره Univariate Visualization

• Bivariate Visualization-ویدیو-16-2-تجسم دو متغیره Bivariate Visualization

• How many Plots to create?-ویدیو-16-3-چند نمودار باید ایجاد کرد؟ How many Plots to create?

• Matplotlib Univariate Analysis-ویدیو-16-4-تحلیل تک متغیره با Matplotlib Matplotlib Univariate Analysis

• Matplotlib Bivariate Analysis-ویدیو-16-5-تحلیل دو متغیره با Matplotlib Matplotlib Bivariate Analysis

• Matplotlib Customizing Histograms and Barchart-ویدیو-16-6-سفارشی سازی هیستوگرام و نمودار میله ای با Matplotlib Matplotlib Customizing Histograms and Barchart

• Matplotlib Customizing Boxplot and Piechart-ویدیو-16-7-سفارشی سازی نمودار جعبه ای و نمودار دایره ای با Matplotlib Matplotlib Customizing Boxplot and Piechart

• Matplotlib Customizing Stacked Bar Chart-ویدیو-16-8-سفارشی سازی نمودار میله ای پشته ای با Matplotlib Matplotlib Customizing Stacked Bar Chart

• Matplotlib Customizing Line Plots-ویدیو-16-9-سفارشی سازی نمودارهای خطی با Matplotlib Matplotlib Customizing Line Plots

• Matplotlib Subplots and More Customizations-ویدیو-16-10-زیرنمودارها و سفارشی سازی های بیشتر Matplotlib Matplotlib Subplots and More Customizations

• Seaborn Getting Started with Data-ویدیو-16-11-شروع کار با داده ها با Seaborn Seaborn Getting Started with Data

• Seaborn Visualizing Univariate Numerical Variables-ویدیو-16-12-تجسم متغیرهای عددی تک متغیره با Seaborn Seaborn Visualizing Univariate Numerical Variables

• Seaborn Visualizing Univariate Categorical Variables-ویدیو-16-13-تجسم متغیرهای دسته ای تک متغیره با Seaborn Seaborn Visualizing Univariate Categorical Variables

• Seaborn Scatterplot-ویدیو-16-14-نمودار پراکندگی Seaborn Seaborn Scatterplot

• Seaborn Conditional Boxplot-ویدیو-16-15-نمودار جعبه ای شرطی Seaborn Seaborn Conditional Boxplot

• Pandas Stacked Bar Chart-ویدیو-16-16-نمودار میله ای پشته ای Pandas Pandas Stacked Bar Chart

• Seaborn Multivariate Visualization-ویدیو-16-17-تجسم چند متغیره Seaborn Seaborn Multivariate Visualization

• Seaborn Customizations-ویدیو-16-18-سفارشی سازی های Seaborn Seaborn Customizations

Basic Statistics-فصل-17-آمار پایه Basic Statistics

• Use of Central Tendencies-ویدیو-17-1-استفاده از تمایلات مرکزی Use of Central Tendencies

• Mean, Median, and Mode-ویدیو-17-2-میانگین، میانه و مُد Mean, Median, and Mode

• Measures of Dispersion-ویدیو-17-3-معیارهای پراکندگی Measures of Dispersion

• Sample vs Population-ویدیو-17-4-نمونه در مقابل جامعه Sample vs Population

• Pearson's Correlation-ویدیو-17-5-همبستگی پیرسون Pearson's Correlation

• Pearson's Correlation Handson-ویدیو-17-6-همبستگی پیرسون عملی Pearson's Correlation Handson

• Pearson's Correlation Assumptions-ویدیو-17-7-فرضیات همبستگی پیرسون Pearson's Correlation Assumptions

• Correlation is not Causation-ویدیو-17-8-همبستگی، علیت نیست Correlation is not Causation

• Anscombe's Quartet-ویدیو-17-9-کوارتت آنسکامب Anscombe's Quartet

• Shift of Origin and Scale-ویدیو-17-10-تغییر مبدا و مقیاس Shift of Origin and Scale