آموزش پایتون برای علوم داده قسمت 1

سرفصل ها و درس ها

مقدمه Introduction

• حیات علوم داده هک می کند Data science life hacks

• آنچه باید بدانید What you should know

1. آشنایی با حرفه های داده 1. Introduction to the Data Professions

• آشنایی با حرفه های داده Introduction to the data professions

• چهار طعم تجزیه و تحلیل داده ها The four flavors of data analysis

• چرا از پایتون برای تحلیل استفاده می کنید؟ Why use Python for analytics?

• نقشه راه دوره سطح بالا High-level course road map

2. مبانی آماده سازی داده ها 2. Data Preparation Basics

• فیلتر و انتخاب Filtering and selecting

• درمان مقادیر گمشده Treating missing values

• حذف نسخه های تکراری Removing duplicates

• جمع بندی و تحول Concatenating and transforming

• گروه بندی و جمع Grouping and aggregation

3. تجسم اطلاعات 101 3. Data Visualization 101

• سه نوع تجسم داده ها The three types of data visualization

• گرافیک داده بهینه را انتخاب کنید Selecting optimal data graphics

• برقراری ارتباط با رنگ و زمینه Communicating with color and context

4- تجسم داده های عملی 4. Practical Data Visualization

• ایجاد گرافیک داده استاندارد Creating standard data graphics

• تعریف عناصر یک طرح Defining elements of a plot

• قالب بندی طرح Plot formatting

• ایجاد برچسب و حاشیه نویسی Creating labels and annotations

• مشاهده سریال های زمانی Visualizing time series

• ایجاد گرافیک داده های آماری Creating statistical data graphics

5- ریاضیات و آمار پایه 5. Basic Math and Statistics

• حساب ساده Simple arithmetic

• جبر خطی پایه Basic linear algebra

• تولید آمار خلاصه Generating summary statistics

• خلاصه داده های دسته بندی شده Summarizing categorical data

• تجزیه و تحلیل همبستگی پارامتری Parametric correlation analysis

• تجزیه و تحلیل همبستگی غیر پارامتری Non-parametric correlation analysis

• توزیع توزیع داده ها Transforming dataset distributions

• تجزیه و تحلیل ارزش شدید برای محیط های خارجی Extreme value analysis for outliers

• تجزیه و تحلیل چند متغیره برای محیط های دور Multivariate analysis for outliers

6. منابع داده از طریق scraping وب 6. Data Sourcing via Web Scraping

• شیء BeautifulSoup BeautifulSoup object

• NavigableString اشیاء NavigableString objects

• تجزیه داده Data parsing

• ضبط وب در عمل Web scraping in practice

• آشنایی با NLP Introduction to NLP

• تمیز کردن و خنثی کردن داده های متنی Cleaning and stemming textual data

• Lemmatizing و تجزیه و تحلیل داده های متنی Lemmatizing and analyzing textual data

7. تجزیه و تحلیل همکاری با Plotly 7. Collaborative Analytics with Plotly

• آشنایی با توطئه Introduction to Plotly

• نمودارهای آماری ایجاد کنید Create statistical charts

• نمودارهای آماری ایجاد کنید Create statistical charts

• نمودارهای خط در Plotly Line charts in Plotly

• نمودارهای نوار و نمودارهای پای در Plotly Bar charts and pie charts in Plotly

نتیجه Conclusion

• مراحل بعدی Next steps