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

آموزش NumPy و Pandas: تحلیل و مدیریت داده‌های خرده‌فروشی
جزییات دوره
9h 4m
28
(آخرین آپدیت)
102
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده