آموزش مبانی پایتون و آمار - آخرین آپدیت

ضروریات پایتون Python Essentials

• معرفی تخصص Specialization Introduction

• معرفی دوره Course Introduction

• زبان‌های برنامه‌نویسی و باورهای غلط Programming Language and Myths

• پایتون برای هوش مصنوعی و یادگیری ماشین: سادگی کدنویسی Python for AI/ML - Code Simplicity

• پایتون برای هوش مصنوعی و یادگیری ماشین: سهولت در یادگیری Python for AI/ML - Ease of Learning

• انواع توکن‌ها در پایتون Python Tokens Types

• مقادیر ثابت (Literals) Literals

• عملگرها: عملگرهای پایه Operators - Basic Operators

• عملگرها: عملگرهای عضویت و هویت Operators - Membership and Identity Operators

• توضیح انواع داده‌ها در پایتون Explaining Data Types in Python

• نمایش انواع داده‌ها: عددی، توالی و نگاشت Demonstration of Data Types: Numeric, Sequence and Mapping

• اجرای دستورات شرطی Executing Conditional Statement

• نمایش دستور if و else Demonstration of if - else statement

• اجرای حلقه while Executing while loop

• نمایش حلقه for Demonstration of for loop

• حلقه‌ها با چندین شرط Looping Multiple Conditions

• کار با فایل‌ها File Handling

• مدیریت و تغییر فایل‌ها Manipulating Files

• توابع تعریف شده توسط کاربر User Defined Functions

• آرگومان‌های متغیر و کلمات کلیدی متغیر Variable Argument and Variable Keyword Argument

• توابع لامبدا (Lambda) Lambda Functions

• بیشتر درباره توابع و آرگومان‌ها More on Functions and Arguments

• ماژول‌ها در پایتون Modules in Python

• نمایش کاربرد ماژول‌ها Demonstration of Modules

• جمع‌بندی ضروریات پایتون Summary of Python Essentials

کاوش در داده‌ها با NumPy و Pandas Exploring Data with NumPy and Pandas

• کاوش در NumPy Exploring NumPy

• عملیات در NumPy NumPy Operation

• کار با NumPy Working with NumPy

• چارچوب Pandas Pandas Framework

• عملیات روی DataFrame در پانداس Pandas DataFrame Operation

• کار با DataFrameها در پانداس Working with DataFrames in Pandas

• دیتافریم‌ها در پانداس: عملیات و تحلیل‌ها DataFrames with Pandas: Operations and Insights

• ایجاد یک Series در پانداس Creating a Series in Pandas

• کار با Pandas Series Working with Pandas Series

• دیتافریم: دست‌کاری داده‌ها DataFrame: Data Maniplulation

• دیتافریم: اتصال داده‌ها (Joining) DataFrame: Joining

• دیتافریم: گروه‌بندی داده‌ها DataFrame: Grouping the Data

• دیتافریم: پاک‌سازی داده‌ها DataFrame : Data Cleaning

• دیتافریم: تنظیم داده‌ها DataFrame : Data Adjusting

• کتابخانه Matplotlib Matplotlib Library

• رسم نمودارها با Matplotlib Plotting Charts with Matplotlib

• رسم هیستوگرام و نمودار جعبه‌ای (Box Plot) Plotting Histogram and Box Plot

• رسم چندین نمودار به صورت هم‌زمان Plotting Multiple Charts

• معرفی Seaborn و نمودار پراکندگی (Scatter Plot) Introduction to Seaborn - Scatter Plot

• نمودارهای پایه در Seaborn Basic Charts in Seaborn

• مدیریت نقشه‌های حرارتی (Heatmap) در Seaborn Seaborn - Heatmap Manipulation

• کار با مجموعه داده‌های پرواز در Seaborn Seaborn : Flights Dataset

• استخراج بینش از داده‌های پرواز با Seaborn Seaborn: Gaining Insights in Flight Data

• بصری‌سازی نمودارها با Plotly Visualizing Charts with Plotly

• سفارشی‌سازی نمودارهای مختلف در Plotly Customizing Different Charts in Plotly

• جمع‌بندی: کاوش در NumPy و Pandas در پایتون Summary : Exploring NumPy and Pandas in Python

آمار در پایتون Statistics in Python

• آمار چیست؟ What is Statistics?

• معیارهای گرایش به مرکز Measures of Central Tendency

• مدیریت داده‌های آماری Managing Statistical Data

• کاوش و تحلیل داده‌ها Exploring and Analyzing Data

• معیارهای پراکندگی Measures of Dispersion

• نمایش کاربردی پراکندگی Dispersion: Demonstration

• کاربرد پراکندگی در داده‌های حجیم Application of Dispersion in Large Data

• احتمال: فضای نمونه و پیشامدها Probability - Sample Space and Events

• ضرورت احتمالات Need for Probability

• انواع احتمال Types of Probability

• احتمال حاشیه‌ای و مشترک: نمایش کاربردی Marginal and Joint Probability: Demonstration

• احتمال شرطی: نمایش کاربردی Conditional Probability: Demonstration

• آزمون فرضیه چیست؟ What is Hypothesis Testing?

• مراحل انجام آزمون فرضیه Steps for Hypothesis Testing

• فرضیه صفر و فرضیه جایگزین Null and Alternate Hypothesis

• تفسیر آزمون‌های آماری Statistical Test Interpretation

• آزمون یک‌دامنه و دو‌دامنه One - Tailed and Two Tailed Test

• نمایش کاربردی آزمون فرضیه Hypothesis Testing: Demonstration

• حاشیه خطا و فاصله اطمینان: نمایش کاربردی Margin of Error and Confidence Interval: Demonstration

• جمع‌بندی: تحلیل آماری با پایتون Summary : Statistical Analysis with Python

جمع‌بندی دوره و ارزیابی Course Wrap-up and Assessment

• خلاصه دوره: مبانی پایتون و آمار Course Summary: Python and Statistics Foundations