آموزش تجزیه و تحلیل داده های اکتشافی با پایتون

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

• 01 بررسی اجمالی دوره 01 Course Overview

درک اهداف و مزایای تجزیه و تحلیل داده های اکتشافی (EDA) Understanding the Goals and Benefits of Exploratory Data Analysis (EDA)

• 01 بررسی اجمالی 01 Overview

• 02 EDA چیست 02 What Is EDA

• 03 گردش کار EDA 03 The EDA Workflow

تعیین زمان و دلیل استفاده از تحلیل تک متغیره Determining When and Why to Use Univariate Analysis

• 01 بررسی اجمالی 01 Overview

• 02 ردیابی نقشه دانش 02 Tracing A Knowledge Map

• 03 مشخص کردن داده ها 03 Characterizing Data

• 04 مشخصات مشخصه نسخه ی نمایشی 04 Demo Characterizing Data

• 05 طرح توزیع یک متغیره 05 Univariate Distribution Plots

• 06 توزیع توزیع نسخه ی نمایشی یکنواخت 06 Demo Univariate Distribution Plots

• 07 طرح مقایسه یک متغیره 07 Univariate Comparison Plots

• 08 طرح مقایسه مقایسه ای تک متغیره 08 Demo Univariate Comparison Plots

• 09 طرح ترکیبی تک متغیره 09 Univariate Composition Plots

• 10 طرح ترکیبی تک متغیری نسخه ی نمایشی 10 Demo Univariate Composition Plots

• 11 آزمون تحلیل تک متغیره 11 Univariate Analysis Tests

• 12 تست تجزیه و تحلیل تک متغیری نسخه ی نمایشی 12 Demo Univariate Analysis Tests

تعیین زمان و چرا تحلیل چند متغیره Determining When and Why Multivariate Analysis

• 01 بررسی اجمالی 01 Overview

• 02 یافتن روابط در داده ها 02 Finding Relationships In Data

• 03 نسخه ی نمایشی یافتن روابط در داده ها 03 Demo Finding Relationships In Data

• 04 طرح توزیع چند متغیره 04 Multivariate Distribution Plots

• 05 طرح توزیع چند متغیره نسخه ی نمایشی 05 Demo Multivariate Distribution Plots

• 06 طرح مقایسه چند متغیره 06 Multivariate Comparison Plots

• 07 طرح مقایسه مقایسه ای چند متغیره 07 Demo Multivariate Comparison Plots

• 08 طرح رابطه چند متغیره 08 Multivariate Relationship Plots

• 09 طرح رابطه چند متغیره نسخه ی نمایشی 09 Demo Multivariate Relationship Plots

• 10 طرح چند متغیره ترکیبی 10 Multivariate Composition Plots

• 11 طرح آزمایشی چند متغیره 11 Demo Multivariate Composition Plots

مهندسی ویژگی و انتخاب ویژگی Feature Engineering and Feature Selection

• 01 بررسی اجمالی 01 Overview

• 02 ویژگی های استخراج 02 Extracting Features

• 03 تجزیه و تحلیل مincipلفه اصلی نسخه ی نمایشی 03 Demo Principal Component Analysis

• 04 تحلیل عاملی 04 Factor Analysis

• 05 تجزیه و تحلیل عامل نمایشی 05 Demo Factor Analysis

• 06 خوشه بندی 06 Clustering

• 07 خوشه بندی نسخه ی نمایشی 07 Demo Clustering

• 08 انتخاب ویژگی ها 08 Selecting Features

• 09 ویژگی های انتخاب نسخه ی نمایشی 09 Demo Selecting Features

• 10 ویژگی مهندسی 10 Engineering Features

• 11 ویژگی مهندسی نمایشی 11 Demo Engineering Features

ارائه EDA خود به دیگران Presenting Your EDA to Others

• 01 بررسی اجمالی 01 Overview

• 02 Dos و Donts 02 Dos And Donts

• 03 نسخه آزمایشی کور رنگی 03 Demo Color Blind Test

• 04 مخاطب خود را هدف قرار دهید 04 Targeting Your Audience

• 05 ساختار گزارش خود 05 Structuring Your Report

تمرین تجزیه و تحلیل داده ها با پایتون Practicing Data Analysis with Python

• 01 بررسی اجمالی 01 Overview

• 02 مسئله را درک کنید 02 Understand The Problem

• 03 به مسابقه بپیوندید 03 Join The Competition

• 04 نگاهی به داده ها 04 Taking A Look At The Data

• 05 تمرین تجزیه و تحلیل تک متغیره 05 Practicing Univariate Analysis

• 06 تمرین تجزیه و تحلیل چند متغیره 06 Practicing Multivariate Analysis

• 07 گزارش نمونه 07 Report Examples