لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش NumPy و Pandas: تحلیل و مدیریت دادههای خردهفروشی
- آخرین آپدیت
دانلود NumPy & Pandas: Analyze & Manage Retail Data
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
در پایان این دوره، فراگیران قادر خواهند بود آرایههای NumPy را مدیریت کنند، الگوریتم گرادینت دیسنت (Gradient Descent) را پیادهسازی نمایند، مجموعهدادههای خردهفروشی را با استفاده از Pandas پاکسازی و تبدیل کنند، جداول محوری (Pivot Tables) و گروهبندیهای تجمیعی ایجاد نمایند، دادههای رشتهای و تاریخ را مدیریت کرده و نتایج را برای گزارشهای تجاری صادر کنند. این برنامه کاربردی و مورد-محور، با مبانی NumPy برای ایجاد مهارتهای قوی در محاسبات عددی آغاز شده و سپس به Pandas برای مدیریت و تحلیل دادههای خردهفروشی انتقال مییابد.
دانشجویان با کسب عمق فنی (بهینهسازی NumPy، عملیات آرایهای، جبر خطی) و مهارتهای آماده برای کسبوکار (پاکسازی دادههای خردهفروشی، تبدیل و تحلیلهای پیشرفته Pandas) بهرهمند خواهند شد. برخلاف آموزشهای عمومی، این دوره پروژههای عملی را با مجموعهدادههای واقعی ادغام میکند تا اطمینان حاصل شود که دانشجویان حل مسئله را با ابزارهایی که در محیطهای حرفهای استفاده میکنند، تمرین میکنند.
آنچه این دوره را منحصر به فرد میکند، ساختار دو-در-یک آن است: فراگیران ابتدا در محاسبات عددی با NumPy اعتماد به نفس پیدا میکنند و سپس بهطور یکپارچه آن مهارتها را در تحلیل دادههای تجاری با Pandas به کار میگیرند. این مسیر یادگیری، یک مسیر کامل و مرتبط با صنعت را برای تحلیلگران داده، متخصصان هوش تجاری (BI) و علاقهمندان به پایتون ایجاد میکند.
سرفصل ها و درس ها
مبانی NumPy برای تحلیل دادهها
NumPy Foundations for Data Analysis
معرفی دوره
Introduction to Course
مدیریت فایلها
File Handling
برشزنی و پخش (Slicing & Broadcasting)
Slicing and Broadcasting
تقسیم آرایهها (Splitting)
Splitting
پشتهسازی (Stacking)
Stacking
مرتبسازی
Sorting
گرادینت دیسنت (Gradient Descent)
Gradient Descent
ادامه گرادینت دیسنت
Gradient Descent Continue
جبر خطی
Linear Algebra
بررسی کلی پروژه و اهداف
Project Overview & Objectives
ضروریات Pandas برای دادههای خردهفروشی
Pandas Essentials for Retail Data
وارد کردن دادههای خردهفروشی (CSV/Excel) به Pandas
Importing Retail Data (CSV/Excel) into Pandas
پاکسازی دادهها و تغییر نام ستونها
Data Cleaning & Column Renaming
مدیریت مقادیر گمشده در مجموعهداده خردهفروشی
Handling Missing Values in Retail Dataset
فیلتر کردن و پرسوجوی رکوردها با loc و iloc
Filtering & Querying Records with loc and iloc
انواع دادهها و تبدیل با astype
Data Types & Conversion with astype
حذف دادههای تکراری و ردیفهای زائد
Deduplication and Removing Redundant Rows
مرتبسازی و رتبهبندی دادههای فروش
Sorting & Ranking Sales Data
ادغام و پیوند چندین DataFrame
Merging & Joining Multiple DataFrames
اتصال و افزودن دادههای خردهفروشی
Concatenation & Appending Retail Data
Pandas پیشرفته برای بینشهای تجاری
Advanced Pandas for Business Insights
تجمیعهای GroupBy برای تحلیل فروش
GroupBy Aggregations for Sales Analysis
جداول محوری (Pivot Tables) و Crosstabs در Pandas
Pivot Tables & Crosstabs in Pandas
تبدیلات Apply و Lambda
Apply & Lambda Transformations
عملیات رشتهای و پاکسازی با Regex
String Operations & Regex Cleaning
تجزیه تاریخ و زمان و ایندکسگذاری تراکنشها
Datetime Parsing & Indexing Transactions
تغییر نمونهبرداری (Resampling) و توابع Rolling Window
Resampling & Rolling Window Functions
دادههای طبقهبندی شده و One Hot Encoding
Categoricals & One-Hot Encoding
ایندکس چندگانه (MultiIndex) و تغییر شکل دادههای خردهفروشی
MultiIndex & Reshaping Retail Data
صادر کردن نتایج و جمعبندی پروژه نهایی
Exporting Results & Final Project Wrap-Up
نمایش نظرات