علم داده های عملی با پایتون

Practical Data Science with Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

این دوره دو تجربه یادگیری را در یکی ارائه می‌کند: دنیای علم داده را بررسی می‌کند و در عین حال آموزش‌های عملی و عملی در مورد نحوه استفاده از پایتون در سطح پیشرفته به شما ارائه می‌دهد.

شما خواهید آموخت که علم داده چیست و روش های مورد استفاده برای تجزیه و تحلیل داده ها و استنتاج آماری چیست. تعداد زیادی راهنما به شما نحوه استفاده از پایتون و ویژگی های آن را نشان می دهد. شما یاد خواهید گرفت که چگونه آناکوندا و نوت بوک ژوپیتر را راه اندازی کنید و با استفاده از مثال های دنیای واقعی، نحوه نوشتن کد پایتون در Jupyter را با نکات مفید در زمینه علم داده یاد خواهید گرفت.

سپس دوره به بررسی انواع ویژگی‌های پایتون از جمله حلقه‌ها، کلاس‌ها، متغیرها، رشته‌بندی، و دیکشنری‌های و نحوه ایجاد آنها می‌پردازد - که همه این‌ها با استفاده از نمایش‌های عملی توضیح داده شده‌اند.

شما همچنین این شانس را خواهید داشت که مهارت های برنامه نویسی پایتون خود را در عمل به کار ببرید. این دوره شامل یک آزمایشگاه عملی است که آموزش راهنمای پایتون را به شما ارائه می دهد، و همچنین یک زمین بازی آزمایشگاهی برای شما که می توانید هر چیزی را که در پایتون دوست دارید امتحان کنید. در نهایت، یک چالش آزمایشگاهی وظیفه ای را برای شما تعیین می کند که باید به تنهایی و بدون هیچ کمکی آن را انجام دهید - آزمون نهایی توانایی های برنامه نویسی شما!

اهداف یادگیری

  • اصول علم داده را درک کنید
  • دانش برنامه نویسی خود را با پایتون تقویت کنید
  • بدانید چگونه داده ها را از طریق آمار خلاصه تجزیه و تحلیل کنید
  • از طیف وسیعی از ویژگی های پایتون برای تحلیل عددی استفاده کنید
  • کاوش و تجسم داده ها با استفاده از پایتون

مخاطب مورد نظر

این مخاطب برای:

در نظر گرفته شده است
  • افرادی که سفر خود را در دنیای علم داده آغاز می کنند
  • متخصصان فناوری اطلاعات که مایل به یادگیری در مورد تجزیه و تحلیل داده ها و علم داده هستند
  • متخصصان فناوری اطلاعات که می خواهند مهارت های برنامه نویسی پایتون خود را ارتقا دهند

پیش نیازها

برای استفاده بیشتر از این دوره، باید از قبل با تفکر منطقی و ریاضی آشنا و راحت باشید و همچنین دانش برنامه نویسی (متغیرها، دامنه، توابع) را داشته باشید.

بازخورد

برای هر گونه بازخورد، سؤال یا پیشنهاد در رابطه با این دوره، لطفاً با ما در تماس بگیرید.


سرفصل ها و درس ها

علم داده عملی با پایتون Practical Data Science With Python

  • دانشمند داده چیست؟ What is a Data Scientist?

  • علم داده - مهارت های اصلی Data Science - Core Skills

  • راه اندازی نوت بوک Anaconda و Jupyter Setting Up Anaconda and Jupyter Notebook

  • برنامه نویسی شی گرا در پایتون Object Oriented Programming in Python

  • نوشتن کد پایتون در Jupyter Writing Python Code in Jupyter

  • کار با متغیرهای پایتون Working with Python Variables

  • انواع و توابع داده هسته پایتون Core Python Data Types and Functions

  • کار با توابع پایتون Working with Python Functions

کار با پایتون Working with Python

  • بیشتر در مورد توابع More on Functions

  • فرهنگ لغت در پایتون Dictionaries in Python

  • کنترل جریان در پایتون Flow Control in Python

  • حلقه ها در پایتون Loops in Python

  • پایتون - زیر کلاه Python - Under the Hood

آمار و NumPy Statistics and NumPy

  • مقدمه ای بر آمار Introduction to Statistics

  • توزیع Distribution

  • استانداردسازی در علم داده Standardization in Data Science

  • کار با Numpy Working with Numpy

کار با پانداها Working with Pandas

  • معرفی Introduction

  • آرایه ها Arrays

  • کار با کوئری ها Working With Queries

  • کار با دیتا فریم Working With Data Frames

  • استفاده از GROUP BY Using GROUP BY

  • ادغام و پیوستن Merging and Joining

ابزارهای تجسم پایتون Python Visualization Tools

  • تجسم در پایتون Visualization In Python

  • معرفی Seaborn Introduction to Seaborn

  • کار با Seaborn Working with Seaborn

  • تمرین عملی Practical Exercise

  • Seaborn - نمودارهای رگرسیون، PairPlots و Heat Maps Seaborn - Regression Plots, PairPlots and Heat Maps

نمایش نظرات

علم داده های عملی با پایتون
جزییات دوره
4h 32m
28
CloudAcademy CloudAcademy
(آخرین آپدیت)
2,757
4 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Andrew Larkin Andrew Larkin

اندرو در مورد کمک به تیم های تجاری برای به دست آوردن حداکثر بازگشت سرمایه ممکن از اتخاذ، استفاده و بهینه سازی خدمات عمومی ابری متعصب است. اندرو با ایجاد بیش از 70 دوره آموزشی Cloud Academy، به بیش از 50000 دانش‌آموز کمک کرده است که با به اشتراک گذاشتن مهارت‌ها و تجربیاتی که طی بیش از 20 سال تیم‌های دیجیتال پیشرو در کد و مشاوره کسب کرده است، در رایانش ابری تسلط پیدا کنند. اندرو قبل از پیوستن به Cloud Academy برای AWS و شرکای فناوری AWS Ooyala و Adobe کار می کرد.

Andrew Larkin Andrew Larkin

اندرو در مورد کمک به تیم های تجاری برای به دست آوردن حداکثر بازگشت سرمایه ممکن از اتخاذ، استفاده و بهینه سازی خدمات عمومی ابری متعصب است. اندرو با ایجاد بیش از 70 دوره آموزشی Cloud Academy، به بیش از 50000 دانش‌آموز کمک کرده است که با به اشتراک گذاشتن مهارت‌ها و تجربیاتی که طی بیش از 20 سال تیم‌های دیجیتال پیشرو در کد و مشاوره کسب کرده است، در رایانش ابری تسلط پیدا کنند. اندرو قبل از پیوستن به Cloud Academy برای AWS و شرکای فناوری AWS Ooyala و Adobe کار می کرد.