آموزش تحلیل داده‌ها با پایتون (Python) - آخرین آپدیت

دانلود Introduction to Data Analysis Using Python

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره، هفتمین بخش از گواهینامه تحلیل داده‌های گوگل است. زبان برنامه‌نویسی پایتون ابزاری قدرتمند برای تحلیل داده‌هاست. در این دوره، شما مفاهیم پایه برنامه‌نویسی پایتون و نحوه استفاده متخصصان داده از این زبان در محیط‌های کاری را خواهید آموخت. مفاهیمی مانند برنامه‌نویسی شی‌گرا (OOP)، متغیرها، انواع داده‌ها، توابع، دستورات شرطی، حلقه‌ها و ساختارهای داده را بررسی خواهید کرد. کارشناسان گوگل که در حال حاضر در این حوزه فعالیت می‌کنند، شما را با ارائه فعالیت‌های عملی که شبیه‌ساز وظایف واقعی است، اشتراک‌گذاری مثال‌هایی از کارهای روزمره و کمک به ارتقای مهارت‌های تحلیل داده برای آماده‌سازی شما جهت ورود به بازار کار هدایت می‌کنند. کارآموزانی که این برنامه گواهینامه را به پایان برسانند، برای درخواست مشاغل سطح مقدماتی به عنوان تحلیلگر داده آماده خواهند بود. هیچ تجربه قبلی برای شروع این دوره لازم نیست. در پایان این دوره، شما قادر خواهید بود: - تعریف زبان برنامه‌نویسی و دلیل استفاده دانشمندان داده از پایتون را بدانید - اسکریپت‌های پایتون برای نمایش داده‌ها و انجام عملیات مختلف ایجاد کنید - جریان برنامه‌ها را با استفاده از شرایط و توابع کنترل کنید - از انواع مختلف حلقه‌ها برای انجام عملیات تکراری استفاده کنید - انواع داده‌ها مانند اعداد صحیح (integers)، اعشاری (floats)، رشته‌ها (strings) و بولی (booleans) را شناسایی کنید - ساختارهای داده مانند لیست‌ها (lists)، تاپل‌ها (tuples)، دیکشنری‌ها (dictionaries) و مجموعه‌ها (sets) را مدیریت کنید - کتابخانه‌های پایتون مانند NumPy و pandas را وارد کرده و به کار بگیرید

سرفصل ها و درس ها

سلام پایتون! Hello, Python!

  • معرفی دوره هفتم Introduction to Course 7

  • آدرین: مسیر من برای ورود به دنیای داده‌ها Adrian: My path to a data career

  • خوش‌آمدگویی به ماژول اول Welcome to module 1

  • آشنایی با پایتون Introduction to Python

  • کشف بیشتر درباره پایتون Discover more about Python

  • دفترچه‌های جوپیتر (Jupyter Notebooks) Jupyter Notebooks

  • برنامه‌نویسی شی‌گرا Object-oriented programming

  • حمزه: پایتون چگونه به مسیر شغلی من در علوم داده کمک کرد Hamza: How Python helped my data science career

  • متغیرها و انواع داده‌ها Variables and data types

  • ایجاد نام‌های دقیق برای متغیرها Create precise variable names

  • انواع داده‌ها و تبدیل آن‌ها Data types and conversions

  • جمع‌بندی Wrap-up

توابع و دستورات شرطی Functions and conditional statements

  • خوش‌آمدگویی به ماژول دوم Welcome to module 2

  • لطیفات: نکاتی برای overcoming چالش‌های یادگیری کدنویسی Lateefat: Tips to address challenges when learning to code

  • تعریف توابع و مقادیر بازگشتی Define functions and return values

  • نوشتن کد تمیز (Clean Code) Write clean code

  • استفاده از کامنت‌ها برای سازماندهی کد Use comments to scaffold your code

  • مقایسه‌ها با استفاده از عملگرها Make comparisons using operators

  • استفاده از دستورات if، elif و else برای تصمیم‌گیری Use if, elif, else statements to make decisions

  • جمع‌بندی Wrap-up

حلقه‌ها و رشته‌ها Loops and strings

  • خوش‌آمدگویی به ماژول سوم Welcome to module 3

  • میشل: مواجهه با مسائل با دیدگاه تحلیلی Michelle: Approach problems with an analytical mindset

  • آشنایی با حلقه‌های while Introduction to while loops

  • آشنایی با حلقه‌های for Introduction to for loops

  • حلقه‌ها با پارامترهای متعدد range() Loops with multiple range() parameters

  • کار با رشته‌ها (Strings) Work with strings

  • برش رشته‌ها (String Slicing) String slicing

  • فرمت‌بندی رشته‌ها Format strings

  • جمع‌بندی Wrap-up

ساختارهای داده در پایتون Data structures in Python

  • خوش‌آمدگویی به ماژول چهارم Welcome to module 4

  • آشنایی با لیست‌ها (Lists) Introduction to lists

  • تغییر محتویات یک لیست Modify the contents of a list

  • آشنایی با تاپل‌ها (Tuples) Introduction to tuples

  • بیشتر درباره حلقه‌ها، لیست‌ها و تاپل‌ها More with loops, lists, and tuples

  • آشنایی با دیکشنری‌ها (Dictionaries) Introduction to dictionaries

  • متدهای دیکشنری Dictionary methods

  • آشنایی با مجموعه‌ها (Sets) Introduction to sets

  • قدرت پکیج‌ها و کتابخانه‌ها The power of packages

  • معرفی کتابخانه NumPy Introduction to NumPy

  • عملیات پایه روی آرایه‌ها Basic array operations

  • معرفی کتابخانه pandas Introduction to pandas

  • مبانی pandas pandas basics

  • ماسکینگ بولی (Boolean Masking) Boolean masking

  • گروه‌بندی و تجمیع داده‌ها Grouping and aggregation

  • ادغام و پیوند داده‌ها Merging and joining data

  • جمع‌بندی Wrap-up

  • جمع‌بندی نهایی دوره Course wrap-up

نمایش نظرات

آموزش تحلیل داده‌ها با پایتون (Python)
جزییات دوره
27h 3m
47
(آخرین آپدیت)
53,501
4.7 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