آموزش علم داده و پایتون - ریاضیات، مدل‌ها، آمار و مطالعه موردی

سرفصل ها و درس ها

معرفی Introduction

• معرفی Introduction

• سفر علم داده شما - Wipeboard مرور کلی درس موضوعات کلیدی Your Data Science Journey - Wipeboard Overview Lesson Of Key Topics

• خود را به دانش‌آموزان خود معرفی کنید و به همه بگویید اهدافتان چیست Introduce Yourself To Your Fellow Students And Tell Everyone What Are Your Goals

• بیایید پیشرفت شما را در این دوره جشن بگیریم: 25%> 50%> 75%> 100%!! Let's Celebrate Your Progress In This Course: 25% > 50% > 75% > 100%!!

• پیش نمایش و دانلود کتاب کار علوم داده 135 صفحه ای در این دوره Preview AND Download The 135 Page Data Science Workbook In This Course

• مجموعه داده های خود را که در این دوره به آن نیاز دارید دانلود کنید Download Your Datasets Which You Will Need In This Course

با تسهیل کننده خود آشنا شوید، یادگیری علم داده را شروع کنید و دانش خود را بررسی کنید Meet Your Facilitator, Start Learning Data Science & Check Your Knowledge

• پیام خوش آمد گویی تسهیلگر Facilitator Welcome Message

• مفهوم داده و اطلاعات Data and Information Concept

• دانشتان را امتحان کنید Test your knowledge

هوش تجاری و علم داده Business intelligence and Data Science

• تفاوت بین هوش تجاری و علم داده Difference between Business Intelligence and Data Science

• هوش تجاری در مقابل علم داده بر اساس عوامل پارامترها Business Intelligence vs Data Science based on parameters factors

• پیش نیازها و سوالات برای یک دانشمند داده Prerequisites and Questions for a Data Scientist

• سوالات در مورد درخواست به عنوان یک دانشمند داده - آمار و دامنه داده Questions on applying as a Data Scientist – Statistics and Data Domain

• پیش نیاز هوش تجاری و بحث در مورد ابزارهای علوم داده Prerequisite on Business Intelligence and discussing tools on Data Science

فرآیند علم داده Process of Data Science

• انواع اکتساب داده ها را بیاموزید Learn Types of Data Acquisition

• تهیه داده، کاوش و عوامل آن Data Preparation, Exploration, and its factors

• فرآیند علم داده را بیاموزید Learn Process of Data Science

بررسی دانش 2 Knowledge Check 2

• دانشتان را امتحان کنید Test your knowledge

جنبه ها و چالش های شغلی برای یک دانشمند داده Career Aspects and Challenges for a Data Scientist

• جنبه های شغلی یک دانشمند داده را بدانید Know Career Aspects for a Data Scientist

• تقاضا و چالش برای دانشمندان داده Demand and Challenges for Data Scientists

مفاهیم ریاضی و آماری Mathematical and Statistical Concepts

• بحث در مورد مفاهیم و مثال های ریاضی و آماری Discussion of Mathematical and Statistical Concepts and Examples

• بحث در مورد متغیرها - عددی و دسته بندی Discussing Variables – Numerical and Categorical

• بحث در مورد متغیرهای کیفی و گرایش مرکزی Discussing Qualitative Variables and Central Tendency

• بحث پراکندگی و آمار توصیفی در مقابل استنباطی Dispersion and Descriptive vs Inferential Statistics Discussion

بررسی دانش 3 Knowledge Check 3

• دانشتان را امتحان کنید Test your knowledge

آمار توصیفی Descriptive Statistics

• آمار توصیفی و استنباطی و عوامل آن را بیاموزید Learn Descriptive and Inferential Statistics and its factors

• آمار توصیفی، مثال ها و مراحل نصب آناکوندا Descriptive Statistics, Examples and steps on installing Anaconda

• مراحلی که باید پس از نصب آناکوندا دنبال کنید Steps to follow after installing Anaconda

• استفاده از Jupyter در برنامه Anaconda Using Jupyter on Anaconda Application

• با نحوه استفاده از اپلیکیشن Jupyter آشنا شوید Learn how to use Jupyter application

• ادامه کاربرد ژوپیتر توضیح و بحث Continuation of Jupyter application, explanation, and discussion

• دریافت داده و قرار دادن داده در Jupyter Getting data and putting data on Jupyter

• به حداقل رساندن داده ها برای مشاهده در برنامه Jupyter و آوردن داده ها از Excel Minimizing data to be see on Jupyter app and bringing data from Excel

• توضیح حالت های مورد استفاده در برنامه Jupyter در آمار و تجزیه و تحلیل داده ها Explaining modes used on Jupyter app on Data statistics and Analysis

• متغیرها - متغیرهای ادامه دار و دسته بندی Variables – continues and categorical variable

• وارد کردن و تایپ داده ها در برنامه Jupyter Inputting and typing data on Jupyter app

• شما به 25% دست یافته اید>> بیایید پیشرفت شما را جشن بگیریم و به 50% ادامه دهیم>> You've Achieved 25% >> Let's Celebrate Your Progress And Keep Going To 50% >>

• دریافت میانگین داده ها در Jupyter بر اساس مثال Getting mean data on Jupyter based on example

• نحوه خلاصه کردن داده های میانه و میانگین How to summarize data of median and mean

• وارد کردن داده های کمیت ها و توضیح عوامل دیگر Inputting quantiles data and explaining other factors

بررسی دانش 4 Knowledge Check 4

• دانشتان را امتحان کنید Test your knowledge

آمار توصیفی - گسترش داده ها Descriptive Statistics - Spread of the Data

• گسترش بحث داده ها و محدوده بین چارکی Spread of data discussion and interquartile range

• محدوده بین چارکی و داده های ورودی Interquartile range and inputting data

• انحراف میانگین واریانس بر روی میانگین Variance averaged deviation on the mean

• محاسبه واریانس و بحث در مورد عوامل دیگر Calculating variance and discussing other factors

• بحث در مورد درجه آزادی بر اساس متغیرها و محاسبه Discussing degree of freedom based on variables and calculation

بررسی دانش 5 Knowledge Check 5

• دانشتان را امتحان کنید Test your knowledge

احتمال Probability

• مقدمه ای بر احتمالات و نمای کلی درس Introduction to probability and overview of the lesson

• بدست آوردن احتمال شرطی بر اساس مثال Getting Conditional Probability based on example

• ادامه مثال بر اساس داده های دانش آموزان در مورد احتمال Continuation of example based on students data on probability

• یک ستون جدید برای غیبت ها و ستونی برای جدول محوری ایجاد کنید Make a new column for absences and column for pivot table

• محاسبه و رمزگذاری نتیجه احتمال شرط دانش آموزان Calculating and encoding of the result of condition probability of students

آمار استنباطی Inferential Statistics

• آمار استنباطی و عوامل دیگر را بیاموزید Learn what is Inferential statistics and other factors

• بیاموزید که توزیع و چگالی احتمال چیست Learn what is Distribution and Probability Density

• توزیع Gausion و عوامل دیگر را بیاموزید Learn Gausion Distribution and other factors

• پارامترهای توزیع را تعریف کنید و توزیع نرمال را نمودار کنید Define distribution parameters and graphing normal distribution

• PDF و CDF را یاد بگیرید - تابع توزیع تجمعی Learn PDF and CDF - Cumulative Distribution Function

• بیاموزید که ضریب همبستگی، نمره Z و آزمون Z چیست Learn what is Correlation Coefficient, Z score, and Z test

• محاسبه امتیاز Z و عوامل دیگر Calculating Z scores and other factors

• نمرات Z به شما چه می گوید؟ What does Z scores tell you?

• تست Z و یافتن درصد زیر منحنی را یاد بگیرید Learn Z test and finding percentage under the curve

• دریافت میانگین، دریافت داده، فرضیه و مقایسه میانگین Getting the mean, getting data, hypothesis and comparing mean

آزمون Z در آمار استنباطی Z Test in Inferential Statistics

• مقایسه میانگین و بحث متغیر Comparing Mean and Variable discussion

• ادامه تست Z، محاسبه P تست و ادامه مراحل در تست Z Continuing Z test, Calculating P test and continuing steps on Z test

• انجام تست Z کوچک، آمار و بحث در مورد عوامل دیگر Doing small Z test, Stats, and discussing other factors

• بیاموزید که فرضیه صفر چیست، تست Z را اجرا کنید، مقدار P را پیدا و تعریف کنید Learn what is Null Hypothesis, run Z test, finding and defining P value

• محاسبه مقدار P و یادگیری سایر عوامل روی مقدار P Calculating P value and learning other factors on P value

بررسی دانش 6 Knowledge Check 6

• دانشتان را امتحان کنید Test your knowledge

آزمون تی در آمار استنباطی T Test in Inferential Statistics

• بیاموزید که تست T، تست داده های الماس و میانگین ارزش مربوطه چیست Learn what is T test, Diamond data test and mean of concerned value

• نحوه وارد کردن مجموعه داده، تست t و یادگیری سایر عوامل را بیاموزید Learn how to import data set, t test and learning other factors

بررسی دانش 7 Knowledge Check 7

• دانشتان را امتحان کنید Test Your Knowledge

ضریب همبستگی در آمار استنباطی Correlation Coefficient in Inferential Statistics

• ضرایب همبستگی، نمودار پراکندگی، محاسبه را بیاموزید Learn what is correlation coefficients, scatter plot , calculation

• به دست آوردن همبستگی داده های نمودار پراکندگی و عوامل دیگر Getting scatter plot data correlation and other factors

• شما به 50% دست یافته اید>> بیایید پیشرفت شما را جشن بگیریم و به 75% ادامه دهیم>> You've Achieved 50% >> Let's Celebrate Your Progress And Keep Going To 75% >>

• ماتریس ضریب همبستگی، دو نوع روش و عوامل دیگر Correlation coefficient matrix, two types of method and other factors

آزمون کای دو در آمار استنباطی Chi-Square Test in Inferential Statistics

• بیاموزید که تست مجذور کای چیست و بر اساس داده های مثال بحث کنید Learn what is chi squared test and discussing based on example data

• تست مربع کای، گرفتن مجموعه داده ها و بحث در مورد عوامل دیگر Chi square test , getting data set and discussing other factor

• بحث روش اقتضایی مربع کای و نتیجه بر روی داده ها آزمون کای دو Chi square contingency method discussion and result on data chi square test

پیش پردازش داده ها Data Preprocessing

• آموزش پیش پردازش داده ها در پایتون – مرحله 1: وارد کردن کتابخانه ها Learn Data Preprocessing in Python – Step 1: Importing the libraries

• آموزش پیش پردازش داده در پایتون – مرحله 2 وارد کردن مجموعه داده Learn Data Preprocessing in Python – Step 2 importing data set

• آموزش پیش پردازش داده ها در پایتون – مرحله 3 مدیریت مقادیر از دست رفته Learn Data Preprocessing in Python – Step 3 handling the missing values

• آموزش پیش پردازش داده ها در پایتون – ادامه مرحله 3 و عوامل دیگر Learn Data Preprocessing in Python – Step 3 continuation and other factors

• آموزش پیش پردازش داده ها در پایتون – مرحله 4 رمزگذاری داده های طبقه بندی شده Learn Data Preprocessing in Python – Step 4 Encoding categorical data

• آموزش پیش پردازش داده ها در پایتون – مرحله 4 رمزگذاری برچسب و سایر عوامل Learn Data Preprocessing in Python – step 4 label encoding and other factor

• آموزش پیش پردازش داده ها در پایتون – مرحله 5 عادی سازی مجموعه داده ها Learn Data Preprocessing in Python – step 5 Normalizing the data set

• آموزش پیش پردازش داده ها در پایتون – مرحله 6 تقسیم مجموعه داده ها Learn Data Preprocessing in Python – step 6 Splitting the data set

بررسی دانش 8 Knowledge Check 8

• دانشتان را امتحان کنید Test your knowledge

پایتون NumPy و پانداها Python NumPy & Pandas

• بیاموزید numpy و pandas و The numpy ndarray A چند بعدی چیست Learn what is numpy and pandas and The numpy ndarray A multidimensional

• آموزش بررسی شکل آرایه و ابعاد و بحث در پنجره رمزگذاری Learn Checking Array and Dimension Shape and Discussing on Encode Window

• سری های پاندا را بیاموزید و یک سری پاندا بسازید Learn panda series and creating a panda series

• چارچوب داده در سری پاندا را بیاموزید و نحوه استفاده از تابع reindex را بدانید Learn data frame on panda series and know how to use reindex function

• Pandas Dataframe را یاد بگیرید و سایر عوامل را بیاموزید Learn Pandas Dataframe and learn other factors

بررسی دانش 9 Knowledge Check 9

• دانشتان را امتحان کنید Test your knowledge

تجسم داده ها Data Visualisation

• بیاموزید که تجسم داده چیست Learn what is data visualization

• بیاموزید که چرا تجسم داده مهم است و چگونه از آن استفاده کنید Learn why is data visualization is important and how to use it

• طراحی کتابخانه ها را یاد بگیرید و مراحل آن را بدانید Learn plotting libraries and know its steps

• آموزش طراحی کتابخانه ها مرحله 1 و از مثال یاد بگیرید Learning Plotting libraries Step 1 and learn from example

• آموزش پلاتینگ کتابخانه ها مرحله 2،3،4،5 و 6 Learning Plotting libraries Step 2,3,4,5 and 6

رگرسیون یادگیری نظارت شده Supervised Learning Regression

• یاد بگیرید که یادگیری ماشین چیست Learn what is machine learning

• نمونه هایی از مسائل یادگیری، زمینه های تحقیق و کاربردها را بیاموزید Learn Examples of Learning Problems, Research Fields, and Applications

• بحث در مورد مشکل یادگیری Discussing the Learning Problem

• پیش بینی چیست و نمونه های آن را بیاموزید Learn what is Prediction and its examples

• روش های پارامتریک و الگوریتم را بیاموزید Learn Parametric Methods and Algorithm Trade Off

• اصطلاحات یادگیری تحت نظارت و بدون نظارت، رگرسیون در مقابل طبقه بندی Supervised and Unsupervised Learning Terminology, Regression vs Classificatition

• ارزیابی دقت مدل، سوگیری و واریانس یادگیری روش ها و آزمون MS Assessing model accuracy, Bias and Variance learning of methods and Test MS

• انجام رگرسیون خطی در پنجره کد Doing linear regression on code window

• انجام روش نمودار پراکندگی برای بدست آوردن رگرسیون خطی و یادگیری سایر فاکتورها Doing scatter plot method to get linear regression and learning other facto

• مدل خطی اسکلرن فوم به رگرسیون خطی Fom sklearn linear model to linear regression regressor

• یافتن رگرسیون رهگیری یا رگرسیون و یادگیری عوامل دیگر Finding intercept regression or regressor and learning other factor

• معیارهای واردات Sklearn و دریافت داده های نهایی در رگرسیون خطی Sklearn import metrics and getting the final data on linear regression

• شما به 75% دست یافته اید>> بیایید پیشرفت شما را جشن بگیریم و به 100% ادامه دهیم>> You've Achieved 75% >> Let's Celebrate Your Progress And Keep Going To 100% >>

بررسی دانش 10 Knowledge Check 10

• دانشتان را امتحان کنید Test your knowledge

یادگیری تحت نظارت - مفهوم طبقه بندی Supervised Learning - Classification Concept

• طبقه بندی یادگیری و مفهوم یادگیری Learning Classification and Concept on learning

• حوزه های یادگیری ماشین و مفاهیم مهم را بیاموزید Learn machine learning areas and Important concepts

• نمونه ای از فیلتر هرزنامه، داده های برچسب و داده های بدون برچسب، آموزش در مقابل خطا Example of spam filter, Label data and unlabeled data, Training vs error

• طبقه بندی دارای فرآیند 2 مرحله ای، مسائل آماده سازی داده ها است Classification has 2 step process, Issues Data preparation

• یادگیری درخت تصمیم و نمونه مسئله Learning decision trees and sample problem

• آموزش القای درخت تصمیم – آموزش مجموعه داده ها و بحث در مورد مثال ها Learn Decision Tree Induction – Training dataset and discussing examples

• انجام طبقه بندی درخت تصمیم در پایتون Doing decision tree classification on Python

• واردات برخی از کتابخانه ها و داده ها و عوامل یادگیری Importing some libraries and data and learn factors

• ادامه با درک داده ها و بحث در مورد عوامل آن Continuation with understanding the data and discussing the factors of it

• بررسی تقسیم آزمون قطار و ایجاد درخت تصمیم طبقه بندی شده است Checking on train test split and creating decision tree classified

• راه حل در درخت طرح درختی نیز داده ها را تفسیر می کند و شاخص جینی چیست Solution on tree plot tree too interpret data and what is Gini index

بررسی دانش 11 Knowledge Check 11

• دانشتان را امتحان کنید Test your knowledge

خوشه بندی یادگیری بدون نظارت Unsupervised Learning Clustering

• یادگیری بدون نظارت_ خوشه بندی Unsupervised Learning_ Clustering

K به معنای خوشه بندی قسمت 1 است K Means Clustering Part 1

• Learn K به معنای خوشه بندی و الگوریتم است Learn K means Clustering and Algorithm

• معیار توقف/همگرایی را با ذکر مثال و الگوریتم K یاد بگیرید Learn Stopping/Convergence Criterion giving examples and Algorithm K means

• قوت و ضعف K به معنی و بحث عوامل دیگر Strength and weakness of K means and discussing other factors

K به معنای خوشه بندی قسمت 2 است K Means Clustering Part 2

• یاد بگیرید که چگونه خوشه بندی K به معنای کارکرد روش و یادگیری عوامل دیگر است Learn how clustering K means method works and learning other factors

• ترکیب پردازش داده ها و گرفتن داده ها و رمزگذاری عوامل دیگر Combining data processing and getting data and encoding other factors

• کد رمزگذاری برچسب برای استفاده، رمزگذاری داده ها، با استفاده از تبدیل Label encoding code to use, data encoding, using transform

• انجام کلاستر و استفاده از sklearn بر روی آن و رمزگذاری عوامل دیگر Doing cluster and using sklearn on it and encoding other factors

• ادامه خوشه بندی K-means و عوامل دیگر در کدنویسی پایتون Continuation of K-means clustering and other factor on coding Python

[مطالعه موردی] علم داده در فروش و موارد استفاده: سرنخ، قیمت گذاری، فروش آینده و غیره [CASE STUDY] Data Science in Sales & Use Cases: Leads, Pricing, Future Sales etc

• پیش نمایش داده ها در فروش و سایر عوامل و موضوع Preview on Data in sales and other factors and topic

• موارد استفاده از علم داده در فروش، مطالعه موردی – پیش بینی فروش آینده Data science use cases in sales , Case study – future sales prediction

• توصیف داده های میانگین انحراف معیار و سایر عوامل Describing the data on mean standard deviation and other factors

• بارگذاری داده ها، حذف ستون شاخص و رابطه بین پیش بینی کننده Load data, Removing the index column and Relationship between Predictor

• دقت، MSE، RMSE، RSquare، کتابخانه Seaborn Accuracy, MSE, RMSE, RSquare, Seaborn Library

بررسی دانش 12 Knowledge Check 12

• دانشتان را امتحان کنید Test your knowledge

معیارهای ارزیابی و سردرگمی Metrics Evaluation and Confusion Metrics

• آموزش ساخت مدل یادگیری ماشین Learn machine learning model building

• معیارهای ارزیابی و ماتریس ارزیابی مختلف و ماتریس سردرگمی Evaluation metrics and different evaluation matrix and confusion matrix

• TP، TN، FP و FN ماتریس سردرگمی و دقت بحث را بیاموزید Learn TP,TN,FP and FN of Confusion Matrix and Discussing accuracy

بررسی دانش 13 Knowledge Check 13

• دانشتان را امتحان کنید Test your knowledge

دقت، فراخوان، امتیاز F1، طبقه بندی Precision, Recall, F1 score, Classification

• دقت، فراخوانی و امتیاز F1 را بیاموزید Learn what is precision , recall and F1 score

• آموزش گزارش طبقه بندی و محاسبه در پنجره کدگذاری در پایتون Learn Classification report and calculation on encoding window on Python

• شما 100٪ به دست آورده اید>> بیایید جشن بگیریم! به یاد داشته باشید که گواهی خود را به اشتراک بگذارید! You've Achieved 100% >> Let's Celebrate! Remember To Share Your Certificate!!

بررسی دانش 14 Knowledge Check 14

• دانشتان را امتحان کنید Test your knowledge

[اختیاری] اطلاعات بیشتر در مورد علوم داده: درس هایی از مصاحبه وبینار زنده [Optional] More Data Science Insights: Lessons From A Live Webinar Interview

• معرفی سخنران مهمان Introduction of the guest speaker

• دیدگاه دروس دیگر به عنوان یکی از دروس علم داده و سایر دوره ها Perspective on other courses as one on data science and other courses

• سطح اولیه درک در مورد ماشین ها Basic level of understanding about machines

• جفت شدن با رشته فیزیک و آمار پایه خوبی برای علم داده است Pairing with physics and statistical major is good foundation for data science

• داشتن مروری بر یادگیری ماشین و دوره Having an overview on machine learning and the course

• آمار در علم داده Statistics on data science

• بیاموزید که چگونه علم داده می تواند بخشی از بازاریابی باشد Learn how could data science be part on marketing

• کدام یک برای اتوماسیون راحت تر است، Phython یا UiPath Which do you find more comfortable for automation, Phython or UiPath

• نظرات و مروری بر دوره پایتون Thoughts and overview on the Python course

• آیا علم داده می تواند به پیش بینی قیمت سهام کمک کند؟ Can data science help predict the stock price?

• آیا می توان از فیتون برای مرتب سازی داده ها استفاده کرد Can phyton be used to sort through the data

• چگونه آمار به علم داده مربوط می شود و از آن در تجارت استفاده می شود How does statistics relate to data science and it is used in business

• تئوری بازی ها و کاربرد آن در حوزه علم داده Game theory that are involved, and its application to the field of data science

• آموزش و بازی افکار در مورد دوره Education and games thoughts on the course

• وبینار کامل 1 ساعته زنده داده علم با ترنس گواندر از Regenesys Full 1 Hour Live Data Science Webinar With Terence Govender from Regenesys