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.
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

نظری ارسال نشده است.

آموزش تجزیه و تحلیل داده ها و تجسم: مهارت های فنی مورد نیاز را به دست آورید
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
16.5 hours
118
Udemy (یودمی) udemy-small
10 آذر 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
4,048
4.9 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Meritshot Academy Meritshot Academy

ارائه بهترین دوره های آموزشی و ارتقای مهارت.

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.