آموزش تجزیه و تحلیل داده ها و تجسم: مهارت های فنی مورد نیاز را به دست آورید

Data Analytics & Visualization: Acquire Demanded Tech Skills

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: باز کردن بینش ها از طریق داده ها: تسلط بر تجزیه و تحلیل و تجسم برای مهارت فنی مورد نیاز موارد استفاده در دنیای واقعی پایتون و تطبیق پذیری آن. نصب پایتون در هر دو سیستم عامل مک و ویندوز. مبانی برنامه نویسی با پایتون، از جمله متغیرها و انواع داده ها. کار با عملگرهای مختلف در پایتون برای انجام عملیات. مفاهیم اساسی و اهمیت آمار در زمینه های مختلف. نحوه استفاده از آمار برای تجزیه و تحلیل موثر داده ها و تصمیم گیری مقدمه ای بر پایتون برای تجزیه و تحلیل آماری، از جمله دستکاری و تجسم داده ها. پیش نیازها: دانش آموزان باید درک کلی از نحوه کار با کامپیوتر داشته باشند. با کارهای معمولی مانند مدیریت فایل و استفاده از مرورگر وب راحت باشید. بدون نیاز به تجربه برنامه نویسی قبلی درک پایه ای از ریاضیات، از جمله جبر و حساب. آشنایی با مفاهیم اساسی در تجزیه و تحلیل داده ها و حل مسئله.

سفری متحول کننده به قلمرو پویای تجزیه و تحلیل داده ها و تجسم را آغاز کنید، جایی که مهارت های فنی ضروری و مورد نیاز را کسب خواهید کرد. این دوره جامع برای توانمندسازی شما با مهارت در ابزارها و روش‌های کلیدی، از جمله برنامه‌نویسی پایتون، اکسل، تجزیه و تحلیل آماری، تجزیه و تحلیل داده‌ها و تجسم داده‌ها طراحی شده است.


اهداف کلیدی آموزشی:

- در پایتون، یک زبان برنامه نویسی قدرتمند و همه کاره که به طور گسترده برای تجزیه و تحلیل و دستکاری داده ها استفاده می شود، تجربه عملی به دست آورید.

- یاد بگیرید که از کتابخانه های پایتون مانند Pandas و NumPy برای مدیریت و دستکاری کارآمد داده ها استفاده کنید.

- مهارت‌های پیشرفته‌ای را در Excel توسعه دهید، ویژگی‌های قوی آن را برای سازماندهی، تجزیه و تحلیل و تجسم داده‌ها بررسی کنید.

- از قدرت توابع و فرمول های Excel برای استخراج اطلاعات از مجموعه داده های پیچیده استفاده کنید.

- یک پایه محکم در مفاهیم آماری و تکنیک های ضروری برای تصمیم گیری آگاهانه بر اساس داده ها به دست آورید.

- از روش های آماری برای تفسیر و نتیجه گیری معنادار از مجموعه داده ها استفاده کنید.

- کل فرآیند تجزیه و تحلیل داده ها، از تمیز کردن و پیش پردازش داده ها گرفته تا تجزیه و تحلیل داده های اکتشافی (EDA) و مهندسی ویژگی ها را کاوش کنید.

- بیاموزید که چگونه الگوها، نقاط پرت و روندها را در مجموعه داده‌ها شناسایی کنید و به شما امکان می‌دهد بینش‌های ارزشمندی را استخراج کنید.

- در هنر ارائه داده ها به صورت بصری از طریق انواع ابزارها و تکنیک های تجسم تسلط پیدا کنید.

- از ابزارهای استاندارد صنعتی مانند Matplotlib و Seaborn برای ایجاد تجسم داده های قانع کننده و آموزنده استفاده کنید.


پس از تکمیل، شما یک مجموعه مهارت کامل در تجزیه و تحلیل داده ها و تجسم خواهید داشت، که شما را برای مقابله با چالش های دنیای واقعی و کمک معنادار به تصمیم گیری مبتنی بر داده در هر محیط حرفه ای مجهز می کند. در این سفر به ما بپیوندید تا در زمینه تجزیه و تحلیل داده ها و تجسم، به یک متخصص فن آوری ماهر و مورد تقاضا تبدیل شوید.


سرفصل ها و درس ها

مبانی اکسل Fundamentals of Excel

  • برنامه های کاربردی اکسل Excel Applications

  • آشنایی با رابط اکسل Understanding the Excel Interface

  • مرتب سازی و فیلتر کردن Sorting and Filtering

  • قالب بندی شرطی Conditional Formatting

  • آزمون مبانی اکسل Quiz on Excel Fundamentals

توابع آماری و ریاضی در اکسل Statistical and Mathematical Functions in Excel

  • مقدمه ای بر توابع آماری Introductions to Statistical Functions

  • مقدمه ای بر توابع ریاضی Introduction to Mathematical Functions

  • آزمون توابع آماری و ریاضی Quiz on Statistical and Mathematical Functions

توابع جستجو و جداول محوری Lookup functions, and Pivot Tables

  • مقدمه ای بر توابع جستجو Introduction to Lookup Functions

  • مقدمه ای بر فهرست و تطبیق Introduction to Index and Match

  • مقدمه ای بر جداول محوری Introduction to Pivot Tables

  • مقدمه ای بر نمودارهای محوری Introduction to Pivot Charts

  • آزمونی در مورد توابع جستجو و جداول محوری Quiz on Lookup Functions, and Pivot Tables

توابع منطقی و توابع متن Logical Functions, and Text Functions

  • مقدمه ای بر تابع منطقی Introduction to Logical Function

  • قالب بندی سلول ها بر اساس توابع منطقی Formatting Cells based on Logical Functions

  • مقدمه ای بر توابع متن Introduction to Text Functions

  • قالب بندی سلول ها بر اساس توابع متن Formatting cells based on Text Functions

  • آزمون توابع منطقی، و توابع متن Quiz on Logical Functions, and Text Functions

پاکسازی داده ها و مهندسی ویژگی Data Cleaning, and Feature engineering

  • مقدمه ای بر توابع تاریخ و زمان Introduction to Date and Time Functions

  • مبانی پاکسازی داده ها در اکسل Basics of Data Cleaning in Excel

  • مبانی مهندسی ویژگی در اکسل Basics of Feature Engineering in Excel

  • مقدمه ای بر Power Query در اکسل Introduction to Power Query in Excel

  • آزمون پاکسازی داده ها و مهندسی ویژگی Quiz on Data Cleaning and Feature Engineering

چه می شد اگر تجزیه و تحلیل What If analysis

  • مدیر سناریو Scenario Manager

  • جستجوی هدف Goal Seek

  • جداول داده ها Data Tables

  • بسته حل Solver Package

  • امتحان در مورد تجزیه و تحلیل چه می شد Quiz on What If analysis

نمودارها و داشبوردها Charts and Dashboards

  • بهترین روش های تجسم داده ها Data Visualization Best Practices

  • انواع نمودارها در اکسل Types of Charts in Excel

  • ایجاد و قالب بندی نمودارها Creating and Formatting Charts

  • امتحان در نمودارها و داشبوردها Quiz on Charts and Dashboards

مبانی پایتون Basics of Python

  • موارد استفاده در دنیای واقعی پایتون Real world use cases of Python

  • نصب Anaconda برای ویندوز و macOS Installation of Anaconda for Windows and macOS

  • مقدمه ای بر متغیرها Introduction to Variables

  • مقدمه ای بر انواع داده ها و نوع ریخته گری Introduction to Data Types and Type Casting

  • محدوده متغیرها Scope of Variables

  • معرفی اپراتورها Introduction to Operators

  • آزمون مبانی پایتون Quiz on Basics of Python

مقدمه ای بر ساختارهای داده Introduction to Data Structures

  • مقدمه ای بر لیست ها و تاپل ها Introduction to Lists and Tuples

  • مقدمه ای بر مجموعه ها و دیکشنری ها Introduction to Sets and Dictionaries

  • مقدمه ای بر پشته ها و صف ها Introduction to Stacks and Queues

  • مقدمه ای بر پیچیدگی فضا و زمان Introduction to Space and Time Complexity

  • مقدمه ای بر الگوریتم های مرتب سازی Introduction to Sorting Algorithms

  • مقدمه ای بر الگوریتم های جستجو Introduction to Searching Algorithms

  • آزمونی در مورد ساختارهای داده Quiz on Data Structures

مقدمه ای بر توابع در پایتون Introduction to Functions in Python

  • مقدمه ای بر پارامترها و آرگومان ها Introduction to Parameters and Arguments

  • مقدمه ای بر ماژول های پایتون Introduction to Python Modules

  • مقدمه ای بر توابع فیلتر، نقشه و زیپ Introduction to Filter, Map, and Zip Functions

  • مقدمه ای بر توابع لامبدا Introduction to Lambda Functions

  • مقدمه ای بر درک فهرست، مجموعه و دیکشنری Introduction to List, Set and Dictionary Comprehensions

  • مقدمه ای بر توابع تحلیلی و مجموع Introduction to Analytical and Aggregate Functions

  • آزمون توابع در پایتون Quiz on Functions in Python

رشته ها و عبارات منظم Strings and Regular Expressions

  • مقدمه ای بر رشته ها Introduction to Strings

  • مقدمه ای بر توابع مهم رشته Introduction to Important String Functions

  • مقدمه ای بر قالب بندی رشته و ورودی کاربر Introduction to String Formatting and User Input

  • مقدمه ای بر شخصیت های متا Introduction to Meta Characters

  • مقدمه ای بر توابع داخلی برای عبارات منظم Introduction to Built-in Functions for Regular Expressions

  • کاراکترها و مجموعه های ویژه برای عبارات منظم Special Characters and Sets for Regular Expressions

  • امتحان رشته ها و عبارات با قاعده Quiz on Strings and Regular Expressions

حلقه ها و شرایط Loops and Conditionals

  • مقدمه ای بر بیانیه های مشروط Introduction to Conditional Statements

  • معرفی For Loops Introduction to For Loops

  • آشنایی با حلقه های while Introduction to While Loops

  • مقدمه ای بر Break و Continue Introduction to Break and Continue

  • استفاده از دستورات شرطی در حلقه ها Using Conditional Statements in Loops

  • حلقه های تو در تو و عبارات شرطی Nested Loops and Conditional Statements

  • امتحان در مورد حلقه ها و شرایط Quiz on Loops and Conditionals

OOPs و تاریخ-زمان OOPs and Date-Time

  • مقدمه ای بر مفهوم OOPs Introduction to OOPs Concept

  • مقدمه ای بر وراثت Introduction to Inheritance

  • مقدمه ای بر کپسولاسیون Introduction to Encapsulation

  • مقدمه ای بر پلی مورفیسم Introduction to Polymorphism

  • مقدمه ای بر کلاس تاریخ و زمان Introduction to Date and Time Class

  • مقدمه ای بر کلاس TimeDelta Introduction to TimeDelta Class

  • امتحان در مورد OOPs و تاریخ-زمان Quiz on OOPs and Date-Time

آمار و آزمون فرضیه برای علم داده Statistics and Hypothesis Testing for Data science

  • انواع داده ها Types of Data

  • اقدامات گرایش مرکزی Measures of Central Tendency

  • اقدامات گسترش Measures of Spread

  • اقدامات وابستگی Measures of Dependence

  • اندازه گیری شکل و موقعیت Measures of Shape and Position

  • معیارهای نمرات استاندارد Measures of Standard Scores

  • آزمون آمار توصیفی Quiz on Descriptive Statistics

مقدمه ای بر احتمال پایه و شرطی Introduction to Basic and Conditional Probability

  • مقدمه ای بر احتمالات پایه Introduction to Basic Probability

  • مقدمه ای بر نظریه مجموعه ها Introduction to Set Theory

  • مقدمه ای بر احتمال شرطی Introduction to Conditional Probability

  • مقدمه ای بر قضیه بیز Introduction to Bayes Theorem

  • مقدمه ای بر جایگشت ها و ترکیب ها Introduction to Permutations and Combinations

  • مقدمه ای بر متغیرهای تصادفی Introduction to Random Variables

  • مقدمه ای بر توابع توزیع احتمال Introduction to Probability Distribution Functions

  • آزمون احتمال پایه و شرطی Quiz on Basic and Conditional Probability

مقدمه ای بر آمار استنباطی Introduction to Inferential Statistics

  • مقدمه ای بر توزیع عادی Introduction to Normal Distribution

  • مقدمه ای بر چولگی و کورتوزیس Introduction to Skewness and Kurtosis

  • مقدمه ای بر تحولات آماری Introduction to Statistical Transformations

  • مقدمه ای بر نمونه و میانگین جمعیت Introduction to Sample and Population Mean

  • مقدمه ای بر قضیه حد مرکزی Introduction to Central Limit Theorem

  • مقدمه ای بر تعصب و واریانس Introduction to Bias and Variance

  • مقدمه ای بر تخمین حداکثر احتمال Introduction to Maximum Likelihood Estimation

  • مقدمه ای بر فواصل اطمینان Introduction to Confidence Intervals

  • مقدمه ای بر همبستگی ها Introduction to Correlations

  • مقدمه ای بر روش های نمونه گیری Introduction to Sampling Methods

  • آزمون آمار استنباطی Quiz on Inferential Statistics

مقدمه ای بر آزمون فرضیه Introduction to Hypothesis Testing

  • مبانی آزمون فرضیه Fundamentals of Hypothesis Testing

  • مقدمه ای بر تست های تی Introduction to T Tests

  • مقدمه ای بر آزمون های Z Introduction to Z Tests

  • مقدمه ای بر تست های مربع چی Introduction to Chi Squared Tests

  • مقدمه ای بر تست های آنووا Introduction to Anova Tests

  • آزمون تست فرضیه Quiz on Hypothesis Testing

تجزیه و تحلیل داده ها و داده ها: مقدمه ای بر Numpy و Pandas Data Analysis and Data Viz : Introduction to Numpy and Pandas

  • مقدمه ای بر Numpy Arrays Introduction to Numpy Arrays

  • مقدمه ای بر عملیات Numpy Introduction to Numpy Operations

  • آشنایی با پانداها Introduction to Pandas

  • مقدمه ای بر سری و دیتا فریم ها Introduction to Series and DataFrames

  • خواندن داده های CSV و JSON با استفاده از پانداها Reading CSV and JSON Data using Pandas

  • تجزیه و تحلیل داده ها با استفاده از پانداها Analyzing the Data using Pandas

  • آزمون مقدمه ای بر نومپی و پانداها Quiz on Introduction to Numpy and Pandas

توابع پیشرفته در پانداها Advanced Functions in Pandas

  • نمایه سازی، انتخاب و فیلتر کردن داده ها Indexing, Selecting, and Filtering Data

  • ادغام و الحاق با استفاده از پانداها Merging and Concatenation using Pandas

  • همبستگی و رسم با استفاده از پانداها Correlation and Plotting using Pandas

  • مقدمه ای بر توابع لامبدا، نقشه و اعمال Introduction to Lambda, Map and Apply Functions

  • مقدمه ای بر گروه بندی عملیات با استفاده از پانداها Introduction to Grouping Operations using Pandas

  • مقدمه ای بر جدول بندی متقاطع با استفاده از پانداها Introduction to Cross Tabulation using Pandas

  • مقدمه ای بر عملیات فیلتر کردن با استفاده از پانداها Introduction to Filtering Operations using Pandas

  • عملیات گروه بندی و فیلترینگ تعاملی Interactive Grouping and Filtering Operations

  • آزمون توابع پیشرفته در پانداها Quiz on Advanced Functions in Pandas

انواع نمودارها و تجسم ها Types of Charts and Visualizations

  • عواملی برای تجسم خوب داده ها Factors for good Data Visualization

  • مقدمه ای بر تجسم داده های تک متغیره Introduction to Univariate Data Visualizations

  • مقدمه ای بر تجسم داده های دو متغیره Introduction to Bivariate Data Visualizations

  • ترسیم دو متغیر طبقه بندی Plotting two Categorical Variables

  • مقدمه ای بر تجسم داده های چند متغیره Introduction to Multivariate Data Visualizations

  • مقدمه ای بر Heatmap و Pairplot Introduction to Heatmaps and Pairplots

  • آزمون انواع نمودارها و تجسم ها Quiz on Types of Charts and Visualizations

تجسم داده های پیشرفته Advanced Data Visualizations

  • مقیاس های رنگی، شبکه های وجهی، و طرح های فرعی Colorscales, Facet Grids, and Sub plots

  • مقدمه ای بر تجسم داده های سه بعدی Introduction to 3D Data Visualization

  • مقدمه ای بر تجسم داده های تعاملی Introduction to Interactive Data Visualization

  • معرفی نقشه ها با استفاده از Plotly Introduction to Maps using Plotly

  • مقدمه ای بر نمودارهای قیف و گانت با استفاده از Plotly Introduction to Funnel and Gantt Charts using Plotly

  • مقدمه ای بر تجسم داده های متحرک با استفاده از Plotly Introduction to Animated Data Visualizations using Plotly

  • امتحان در مورد تجسم داده های پیشرفته Quiz on Advanced Data Visualizations

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش تجزیه و تحلیل داده ها و تجسم: مهارت های فنی مورد نیاز را به دست آورید
جزییات دوره
16.5 hours
118
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
4,048
4.9 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Meritshot Academy Meritshot Academy

ارائه بهترین دوره های آموزشی و ارتقای مهارت.