آموزش علم داده با SAP - یادگیری ماشین برای داده های سازمانی

سرفصل ها و درس ها

آماده شدن سیستم Getting System Ready

• چه چیزی و چرا پایتون - آماده شدن سیستم What & Why Python - Getting System Ready

• منابع برای کمک در نصب Resources for help in Installation

• نوت بوک Jupyter را راه اندازی کنید Start Jupyter Notebook

• نوت بوک آی پایتون را راه اندازی کنید Start iPython Notebook

• مسیر پیش‌فرض پوشه فایل‌های نوت‌بوک ipython Default Folder Path of ipython notebook files

• سایر منابع مفید Other Helpful Resources

برنامه نویسی پایتون Python Programming

• پیوست های بخش Section Attachments

• طعم پی Taste of Py

• متغیرها در زبان برنامه نویسی پایتون Variables in Python Programming Language

• فعالیت: ایجاد متغیر Activity : Variable Creation

• قوانین ایجاد متغیرها در پایتون Rules for Creation of Variables in Python

• فعالیت - 2: قوانین ایجاد متغیرها Activity - 2: Rules for Creation of Variables

• انواع داده در پایتون - عددی Data Types in Python - Numerical

• فعالیت - 3: ایجاد متغیرها و نمایش نوع داده آن Activity - 3: Creation of Variables & Display its Data Type

• کار در نوت بوک Jupyter Working in Jupyter Notebook

• کار در نوت بوک Jupyter - Hands On Exploration Working in Jupyter Notebook - Hands On Exploration

• انواع داده در پایتون - Boolean & Sequence Data Types in Python - Boolean & Sequence

• انواع داده در پایتون - Boolean & Sequence - Hands On Data Types in Python - Boolean & Sequence - Hands On

• فعالیت 4: انواع داده ها و توالی های بولی - لیست ها و چند تایی Activity 4: Boolean Data Types & Sequences - Lists & Tuple

• انواع داده ها در پایتون - دیکشنری ها و مجموعه ها Data Types in Python - Dictionaries & Sets

• انواع داده ها در پایتون - دیکشنری ها و مجموعه ها - Hands On Data Types in Python - Dictionaries & Sets - Hands On

• فعالیت 5: دیکشنری ها و مجموعه ها Activity 5: Dictionaries & Sets

• اپراتورها در پایتون Operators in Python

• اپراتورها در پایتون - Hands On Operators in Python - Hands On

• فعالیت 6: عملگرها در پایتون Activity 6 : Operators in Python

• اضافه کردن نظرات در پایتون Adding the Comments in Python

• افزودن نظرات در پایتون - Hands On Adding the comments in Python - Hands On

• نظرات در پایتون Comments in Python

• کار با عملکرد چاپ Working with Print Function

• بررسی عملکرد چاپ Exploring Print Function

• فعالیت: تابع print(). Activity : print() function

• Casting را در Python_Data Type Conversion تایپ کنید Type Casting in Python_Data Type Conversion

• Casting را در پایتون تایپ کنید Type Casting in Python

• فعالیت: نوع Casting Activity: Type Casting

• دریافت ورودی از کاربر Getting Input from User

• فعالیت: دریافت ورودی از کاربر Activity: Getting Input from User

دستورات کنترل در پایتون Control Statements in Python

• پیوست های بخش Section Attachments

• دستورات کنترل در پایتون - If Control Statements in Python - If

• دستورات کنترل در پایتون - اگر - Hands On Control Statements in Python - If - Hands On

• فعالیت: دستورات کنترل در پایتون - If Activity: Control Statements in Python - If

• عملگرهای منطقی Logical Operators

• عملگرهای منطقی در بیانیه های شرطی Logical Operators on Conditional Statements

• فعالیت: عملگرهای منطقی در بیانیه های شرطی Activity : Logical Operators on Conditional Statements

• بیانیه کنترل - if_else Control Statement - if_else

• فعالیت: بیانیه کنترل - if_else Activity: Control Statement - if_else

• بیانیه های کنترل - if_elif_else Control Statements - if_elif_else

• بیانیه های کنترل - if_elif_else - پایتون Control Statements - if_elif_else - Python

• فعالیت: بیانیه کنترل - اگر elif دیگری Activity : Control Statement - if elif else

• اظهارات کنترل - حلقه while Control Statements - While loop

• دستورات کنترل - حلقه while - پایتون Control Statements - While loop - Python

• فعالیت: حلقه های while Activity : While Loops

• بیانیه های کنترل - برای حلقه Control Statements - For loop

• بیانیه های کنترل - برای حلقه - پایتون Control Statements - For loop - Python

• فعالیت: برای حلقه ها Activity : For Loops

• بیانیه های کنترل شکستن، ادامه و عبور Control Statements Break , Continue & Pass

• دستورات کنترل شکستن، ادامه و عبور - پایتون Control Statements Break , Continue & Pass - Python

• فعالیت : بیانیه های کنترل شکستن، ادامه، عبور Activity : Control Statements Break, Continue, Pass

ساختارهای داده در پایتون Data Structures in Python

• پیوست های بخش Section Attachments

• مقدمه ای بر ساختارهای داده Intro to Data Structures

• لیست ها در پایتون Lists in Python

• لیست های پایتون - نوت بوک Jupyter Python lists - Jupyter Notebook

• فعالیت: Python Lisits Activity: Python Lisits

• تاپل های پایتون Python Tuples

• Python Tuples - Hands On Python Tuples - Hands On

• فعالیت: Python Tuples Activity: Python Tuples

• دیکشنری های پایتون Python Dictionaries

• دیکشنری های پایتون - Hands On Python Dictionaries - Hands On

• فعالیت: دیکشنری پایتون Activity: Python Dictionary

• مجموعه در پایتون Sets in Python

• مجموعه در پایتون - Hands On Sets in Python - Hands On

• مجموعه ها - عملیات Sets - Operations

• فعالیت: مجموعه های پایتون Activity: Python Sets

• رشته های Strings

• رشته ها - Hands On Strings - Hands On

• رشته ها - روش های دیگر Strings - Other Methods

• فعالیت: رشته Activity: Strings

• کاراکترهای نمایه سازی منفی و فرار Negative Indexing and Escape Characters

توابع و کلاس ها در پایتون Functions & Classes in Python

• پیوست های بخش Section Attachments

• توابع در پایتون Functions in Python

• توابع - Contd Functions - Contd

• فراخوانی توابع داخل یک تابع Calling Functions inside a function

• فعالیت: توابع Activity: Functions

• پایتون شی گرا Object Oriented Python

• کار با کلاس ها و اشیا در پایتون Working with Classes and Objects in Python

• فعالیت: کلاس ها و اشیاء Activity: Classes & Objects

پروژه Capstone با استفاده از برنامه نویسی پایتون Capstone Project using Python Programming

• پیوست بخش Section Attachment

• جزئیات پروژه Capstone Details of Capstone Project

• انتخاب کلمه تصادفی برای بازی Selecting the Random Word for the Game

• راه اندازی بازی Initializing the Game

• منطق اعتبار سنجی کلمات Logic of word validation

• منطق برای اعتبار سنجی نامه Logic for Letter Validation

• تست نهایی Final Testing

Numpy برای علم داده Numpy for Data Science

• پیوست بخش Section Attachment

• آشنایی با کتابخانه Numpy Introduction to Numpy Library

• مبانی شی آرایه Numpy Basics of Numpy Array Object

• راهنمای وارد کردن Numpy & Access Import Numpy & Access help

• ایجاد شی آرایه - np.array() Creation of Array Object - np.array()

• ویژگی های Numpy Array Attributes of Numpy Array

• فعالیت: Numpy Arrays Activity : Numpy Arrays

• نمایه سازی و برش آرایه Array Indexing and Slicing

• توابع ایجاد آرایه Array Creation Functions

• کپی آرایه ها Copy Arrays

• عملیات ریاضی روی آرایه های Numpy Mathematical Operation on Numpy Arrays

• توابع جبر خطی در Numpy Linear Algebra Functions in Numpy

• اصلاح شکل آرایه ها Shape Modification of Arrays

• np.arange() np.arange()

• عملگرهای رابطه ای در آرایه های Numpy Relational Operators on Numpy Arrays

• ماسک بولی Boolean Masking

• پخش بر روی Numpy Arrays Broadcasting on Numpy Arrays

• تکلیف در پخش Numpy Assignment on Numpy Broadcasting

• خلاصه سفر Numpy Library Summary of Numpy Library journey

• تخصیص آرایه Numpy Assignment of Numpy Array

پانداها برای علم داده Pandas for Data Science

• پیوست بخش Section Attachment

• آشنایی با پانداها Introduction to Pandas

• کار با سری پانداها Working with Pandas Series

• عملیات ریاضی روی سری پانداها Mathematical Operation on Pandas Series

• فریم های داده در پانداها Dataframes in Pandas

• کار با داده در Pandas DataFrame Working with Data in Pandas DataFrame

• ترکیب DataFrames Combining the DataFrames

• سایر عملکردها در Pandas DataFrame Other Functions on Pandas DataFrame

• توابع پیشرفته در Pandas DataFrame Advanced Functions in Pandas DataFrame

• فعالیت: کتابخانه پانداها Activity: Pandas Library

تجزیه و تحلیل داده های اکتشافی در مجموعه داده های زندگی واقعی Exploratory Data Analysis on Real Life Dataset

• پیوست بخش Section Attachment

• مقدمه ای بر EDA Introduction to EDA

• دسترسی به Google Colab Accessing Google Colab

• بارگیری مجموعه داده بزرگ برای کار Loading the Large Dataset for Working

• تجزیه و تحلیل اولیه در DataFrame Preliminary Analysis on DataFrame

• مقادیر null در Dataframe null values in the Dataframe

• پاکسازی داده ها Data Cleaning

• فعالیت: EDA Activity: EDA

• راه حل تکلیف Assignment Solution

تجسم داده ها - Matplotlib Data Visualization - Matplotlib

• پیوست بخش Section Attachment

• مقدمه ای بر تجسم داده ها Introduction to Data Visualization

• مبانی Matplotlib Matplotlib Basics

• انواع پلات - طرح خطی Types of Plot - Line plot

• توطئه های خط دست در Line Plots Hands On

• تنظیم پلات ها Adjusting the Plots

• پلات تنظیم دست در Plot Adjustment Hands On

• طرح پراکنده Scatter Plot

• پراکنده طرح دست در Scatter Plot hands on

• طرح هیستورگرام Historgram Plot

• فعالیت: Matplotlib Activity: Matplotlib

• دفترچه حل تکالیف Assignment Solution Notebook

تجسم با Seaborn Visualization with Seaborn

• پیوست بخش Section Attachment

• معرفی Seaborn Introduction to Seaborn

• کاوش در داده ها Exploring the data

• نمودارهای تک متغیره و دو متغیره - داده های پیوسته Univariate & Bivariate Plots - Continuous Data

• طرح - داده های طبقه بندی شده Plot - Categorical Data

• نقشه های پیشرفته در Seaborn Advanced Plots in Seaborn

• از کدام طرح استفاده کنیم؟ Which Plot to use ?

• فعالیت: دریازاد Activity: Seaborn

• راه حل برای تعیین تکلیف Solution for Assignment

مقدمه ای بر علم داده - یادگیری ماشین با داده های SAP Intro to Data Science - Machine Learning with SAP Data

• مقدمه ای بر علم داده - یادگیری ماشین با داده های SAP Intro to Data Science - Machine Learning with SAP Data

خوشه بندی بر روی داده های SAP - تسلط بر الگوریتم KNN Clustering on SAP Data - Mastering KNN Algorithm

• پیوست های بخش Section Attachments

• درک خوشه بندی Understanding Clustering

• کار ریاضی KMeans Mathematical Working of KMeans

• K Means را روی یک مجموعه داده مثال اعمال کنید Apply K Means on an Example Dataset

• کلاس های KMeans() را کاوش کنید Explore KMeans() Classs

• تکلیف: خوشه بندی Assignment : Clustering

• اندازه گیری کیفیت خوشه Measure Cluster Quality

• اندازه گیری کیفیت خوشه در دسترس است Measure Cluster Quality Hands On

• درک لیست List Comprehension

• مقیاس بندی داده ها با StandardScaler Scaling the data with StandardScaler

• خوشه بندی بر روی داده های مثال ML Clustering on ML Example data

• خوشه بندی آزمون Quiz Clustering

خوشه بندی و تقسیم بندی - پیاده سازی بر روی داده های SAP Clustering & Segmentation -Implementation on SAP Data

• پیوست های بخش Section Attachments

• بررسی اجمالی پروژه Project Overview

• مراحل استخراج داده ها: SAP Data Extration Steps : SAP

• بارگذاری و تجزیه و تحلیل داده ها Data Loading & Analysis

• تبدیل داده ها Data Transformation

• KMeans را روی داده های SAP اعمال کنید Apply KMeans on SAP Data

• خلاصه KMeans Summary of KMeans

ساخت سیستم توصیه با استفاده از داده های SAP Build Recommendation System Using SAP Data

• پیوست های بخش Section Attachments

• بخش بررسی اجمالی و مقدمه ای بر سیستم های توصیه Section Overview & Introduction to Recommendation Systems

• دست در بررسی اجمالی Hands On Overview

• تبدیل داده ها و دستکاری داده ها Data Transformation & Data Manipulation

• قوانین انجمن را ایجاد کنید Generate Association Rules

• استخراج داده ها از SAP Data Extraction from SAP

• برنامه سفارشی در SAP ABAP برای استخراج داده ها Custom Program in SAP ABAP for Data Extraction

• استخراج داده ها با استفاده از SQVI Data Extraction using SQVI

• تهیه اطلاعات فایل خارجی Data Preparation of External File

• پیش پردازش داده در داده های استخراج شده SAP Data Pre-Processing on Extracted SAP Data

• ایجاد قوانین انجمن در داده های SAP Generate Association Rules on SAP Data

• خلاصه - انجمن قانون معدن Summary - Association Rule Mining

• مسابقه در مورد قانون معدن کاری انجمن Quiz on Association Rule Mining

تجزیه و تحلیل پیش بینی در داده های SAP - پیش بینی سری های زمانی Predictive Analytics on SAP Data - Time Series Forecasting

• پیوست های بخش Section Attachments

• اهداف آموزشی و نمای کلی بخش Learning Objectives & Section Overview

• چرا به پیش بینی نیاز داریم؟ Why do we require Forecasting ?

• پیش بینی را درک کنید Understand Forecasting

• بررسی اجمالی پروژه Project Overview

• استخراج داده ها از سیستم SAP Data Extraction from SAP System

• بارگذاری و دستکاری داده ها Data Loading & Manipulation

• اطلاعات سری زمانی را درک کنید Understand the Time Series Data

• بررسی دانش Knowledge Check

• جمع بندی سریع Quick Recap

• دست های متفاوت Differencing Hands On

• بارگذاری داده ها و تجزیه و تحلیل اولیه - Hands On Data Loading & Preliminary Analysis - Hands On

• آزمایش فرضیه Hypothesis Testing

• آزمایش فرضیه ها - تست ADF Hypothesis Testing Hands On - ADF Test

• همبستگی خودکار در طرح سری زمانی AutoCorrelation in Time Series Plot

• AutoCorrelation Hands On AutoCorrelation Hands On

• ویژگی های طرح ACF Features of ACF plot

• رابطه بین طرح ACF و طرح سری زمانی Relation Between ACF Plot & Time Series Plot

• آشنایی با ARIMA Introduction to ARIMA

• درک p & q در ARIMA Understanding p & q in ARIMA

• بررسی اجمالی Hands On پیاده سازی ARIMA Overview of Hands On Implementation of ARIMA

• ARIMA Hands On ARIMA Hands On

• تکمیل پروژه - مدل ARIMA در داده های SAP Project Completion - ARIMA Model on SAP Data

• نمودار جریان تحلیل سری زمانی - خلاصه Time Series Analysis Flow Chart - Summary

پردازش زبان طبیعی با Google Cloud API - داده های متنی Natural Language Processing with Google Cloud API - Text Data

• پیوست های بخش Section Attachments

• هدف یادگیری و بررسی اجمالی بخش - NLP Learning Objective & Section Overview - NLP

• مروری بر NLP - پردازش زبان طبیعی Overview of NLP - Natural Language Processing

• تکنیک های پیش پردازش متن Text Pre-processing techniques

• راه اندازی حساب Google Cloud Setting up Google Cloud Account

• مجموعه داده را بارگیری کنید Load the Dataset

• اتصال با Google Cloud Natural Language API Connecting with Google Cloud Natural Language API

• خلاصه - NLP با داده های متنی - طبقه بندی Summary - NLP with Text Data - Classification

• پاداش - مفهوم کلی - نحوه انجام انتخاب مدل برای یادگیری ماشین Bonus - General Concept - How to perform Model Selection for Machine Learning

• محتوای پاداش - از سفر یادگیری بیشتر بگیرید Bonus Content - Get More from learning journey