آموزش علم داده های عملی با پایتون

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