آموزش بهترین دوره تحلیل داده و تجسم داده در پایتون

Best Data Analysis and Data Visualization course in Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: با استفاده از Pandas و کتابخانه Seaborn، تجزیه و تحلیل داده ها و تجسم داده ها را در پایتون یاد بگیرید.

آنچه یاد خواهید گرفت

  • تجزیه و تحلیل داده ها با استفاده از پایتون
  • تجسم داده در پایتون
  • وارد کردن و ایجاد قاب داده در پایتون
  • پاکسازی داده
  • پانداها، Seaborn
  • طرح توزیع، هیستوگرام‌ها، نقشه‌های KDE، طرح پراکندگی، طرح قالیچه، طرح مشترک، طرح جفتی، طرح میله‌ای، طرح شمارش، طرح جعبه، طرح ویولن، طرح نواری، طرح ازدحامی
  • Heat Map، Pair Plot، Sub Plot

خوش آمدید! این دوره بهترین تجزیه و تحلیل داده و تجسم داده در دوره پایتون است.


بهترین دوره آموزشی پانداها و Seaborn موجود در Udemy! یک انتخاب عالی هم برای مبتدیان و هم برای متخصصانی که به دنبال گسترش دانش خود در مورد یکی از محبوب ترین کتابخانه های پایتون در جهان هستند!


Pandas for Data Analysis در Python آموزش های ویدئویی عمیقی را در مورد قوی ترین جعبه ابزار تجزیه و تحلیل داده ارائه می دهد


چرا پانداها را یاد بگیریم؟

اگر زمانی را در یک نرم افزار صفحه گسترده مانند MS Excel یا Google Sheets گذرانده اید و می خواهید مهارت های تجزیه و تحلیل داده های خود را به سطح بالاتری ببرید، این دوره برای شما مناسب است!

Pandas یک بسته پایتون است که ساختارهای داده سریع، انعطاف‌پذیر و گویا را ارائه می‌کند تا کار با داده‌های "رابطه" یا "برچسب" را آسان و شهودی کند. هدف آن این است که بلوک ساختمانی اساسی در سطح بالا برای انجام تجزیه و تحلیل داده های عملی و واقعی در پایتون باشد.


پانداها قدرتمندترین و منعطف‌ترین ابزار تحلیل/دستکاری داده‌های منبع باز است که به هر زبانی موجود است.

پانداها برای انواع مختلف داده ها مناسب هستند:

  • داده‌های جدولی با ستون‌هایی با تایپ ناهمگن، مانند جدول SQL یا صفحه‌گسترده اکسل

  • داده های سری زمانی مرتب و نامرتب (الزاماً با فرکانس ثابت).

  • داده‌های ماتریس دلخواه (به‌طور همگن یا ناهمگن) با برچسب‌های ردیف و ستون

  • هر شکل دیگری از مجموعه داده های مشاهده ای/آماری. برای قرار دادن در ساختار داده پانداها به هیچ وجه نیازی به برچسب گذاری نیست


تجزیه و تحلیل داده ها با پانداها و پایتون با ده ها مجموعه داده برای استفاده شما همراه است. درست شیرجه بزنید و درس‌های من را دنبال کنید تا ببینید شروع کار با پانداها چقدر آسان است!



در این دوره آموزشی، شما قصد دارید در مورد تئوری و مبانی تجسم داده‌ها بیاموزید تا بتوانید نمودارهای شگفت‌انگیزی ایجاد کنید که آموزنده، صادقانه به داده‌ها و از نظر ارتباطی مؤثر باشند.


"یک عکس ارزش هزار کلمه را دارد". همه ما با این عبارت آشنا هستیم. این به ویژه در هنگام تلاش برای توضیح بینش به‌دست‌آمده از تجزیه و تحلیل مجموعه‌های داده‌ای که به طور فزاینده‌ای بزرگ هستند، کاربرد دارد. تجسم داده ها نقش اساسی در نمایش داده های کوچک و بزرگ دارد.



این دوره برای آموزش تحلیل‌گران، دانشجویان علاقه‌مند به علم داده، آماردانان و دانشمندان داده طراحی شده است که چگونه داده‌های دنیای واقعی را با ایجاد نمودارهایی با ظاهر حرفه‌ای و استفاده از تکنیک‌های آمار توصیفی عددی در پایتون 3 تجزیه و تحلیل کنند.

ما به شما یاد می‌دهیم که چگونه با پایتون برنامه‌نویسی کنید، چگونه با پایتون آنالیز کنید و تصاویر شگفت‌انگیزی ایجاد کنید! می توانید از این دوره به عنوان مرجع آماده برای پروژه خود استفاده کنید.



این دوره برای چه کسانی است:

  • برنامه نویسان/محققان/طراحانی که می خواهند یاد بگیرند که چگونه طرح های با کیفیت بالا تولید کنند

  • هرکسی که در مقطعی باید داده ارائه دهد!

  • دانشمندان داده

  • دانشمندان دانشگاهی باید در مجلات علمی منتشر کنند

  • روزنامه نگاران/روزنامه نگاران داده

  • کارشناسان ارتباطات

  • همچنین عموم مردم: شما باید بدانید که نمودارها چگونه کار می کنند زیرا آنها همه جا هستند!


آنچه خواهید آموخت

  • توضیح دهید که چه چیزی یک تجسم خوب یا بد را ایجاد می کند

  • بهترین شیوه ها برای ایجاد نمودارهای اساسی را بدانید

  • عملکردهایی را که برای مشکلات خاص بهترین هستند شناسایی کنید

  • یک تجسم دریایی ایجاد کنید

  • نقشه توزیع

  • هیستوگرام

  • نقشه های KDE

  • نقشه پراکندگی

  • قالیچه

  • طرح مشترک

  • طرح جفت

  • نقشه نوار

  • نمودار شمارش

  • نقشه جعبه

  • نقشه ویولن

  • نقشه نواری

  • طرح ازدحام

  • نقشه حرارتی

  • طرح جفت

  • طرح فرعی

مهارت هایی که به دست خواهید آورد

  • برنامه نویسی پایتون

  • مجازی سازی داده ها

  • تجسم داده (DataViz)

  • دریا زاده


موضوع سختی نیست و ما از اصول اولیه شروع می کنیم. شما به هیچ دانش قبلی نیاز ندارید. من هر آنچه را که در طول مسیر باید بدانید به شما آموزش می دهم و مستقیماً به سر اصل مطلب می رویم. بدون سر و صدا من واقعا امیدوارم که شما را در کلاس ببینم!




این دوره برای چه کسانی است:

  • دانشمندان داده، تحلیلگران داده.
  • دانشجویان و متخصصانی که می خواهند با استفاده از پایتون تجزیه و تحلیل داده ها را انجام دهند.
  • دانش‌آموزان و متخصصانی که یادگیری ماشین و علم داده را امتحان کرده‌اند اما در قرار دادن ایده‌ها در کد مشکل دارند
  • توسعه‌دهنده Python که می‌خواهد تجزیه و تحلیل داده‌های جدولی انجام دهد.
  • چه کسی کنجکاو است که چگونه نمودارهای موثر و تاثیرگذار بسازد تا سفر تجسم داده خود را آغاز کند
  • هر کسی که می خواهد افکار، یافته ها، بینش های هر نوع داده را با استفاده از تجسم داده بیان کند.

سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • تبریک می گویم Congratulations

پایتون Python

  • نصب - پایتون Installation - Python

  • نصب - VS Code Installation - VS Code

  • راه اندازی و سلام جهان Setup and Hello World

  • رسم یک شکل Drawing a Shape

  • انواع داده ها DataTypes

  • متغیرها Variables

  • رشته های Strings

  • شماره Numbers

  • گرفتن ورودی Taking an input

  • لیست ها Lists

  • لیست_توابع List_functions

  • تاپل ها Tuples

  • کارکرد Functions

  • اظهارنامه بازگشت Return Statement

  • اپراتورها Operators

  • اگر بیانیه If Statement

  • اگر بیانیه ها و مقایسه ها If Statements & Comparisons

  • در حالی که حلقه While Loop

  • برای حلقه ها For Loops

  • تابع توان Exponent Function

  • فهرست‌های دوبعدی و حلقه‌های تودرتو 2D Lists & Nested Loops

  • نظرات Comments

  • امتحان کنید و به جز Try & Except

  • خواندن فایل ها Reading Files

  • نوشتن فایل ها Writing Files

توضیحات داده ها Data Description

  • توضیحات داده ها Data Description

  • وارد کردن داده ها Importing the data

ایجاد یک DataFrame Creating a DataFrame

  • سلسله Series

  • ایجاد یک DataFrame Creating a DataFrame

  • مشق شب Homework

پاکسازی داده ها Data Cleaning

  • پاکسازی داده ها Data Cleaning

مقابله با سلول های خالی Dealing with Empty cells

  • میانگین حالت میانه Mean Median Mode

  • سلول های خالی Empty cells

برخورد با داده های اشتباه Dealing with wrong data

  • داده های اشتباه Wrong Data

برخورد با نوع داده اشتباه Dealing with wrong data type

  • نوع داده اشتباه Wrong Datatype

برخورد با داده های تکراری Dealing with duplicate data

  • موارد تکراری Duplicates

  • همبستگی مقدمه Correlation Introduction

همبستگی Correlation

  • همبستگی Correlation

مقدمه Introduction

  • منابع Resources

  • وارد کردن داده ها Importing the data

DISPLOT DISPLOT

  • DISPLOT DISPLOT

  • موارد استفاده از طرح توزیع Uses of Distribution Plot

KDE PLOT KDE PLOT

  • مقدمه KDE KDE Introduction

  • Plot KDE قسمت 1 KDE Plot Part 1

  • Plot KDE قسمت 2 KDE Plot Part 2

طرح پراکنده Scatter Plot

  • طرح پراکنده Scatter Plot

طرح فرش Rug Plot

  • طرح فرش Rug Plot

طرح مشترک Joint Plot

  • طرح مشترک Joint Plot

طرح جفت Pair Plot

  • طرح جفت Pair Plot

قطعه نوار Bar Plot

  • قطعه نوار Bar Plot

تعداد طرح Count Plot

  • تعداد طرح Count Plot

طرح جعبه Box Plot

  • طرح جعبه Box Plot

طرح ویولن Violin Plot

  • طرح ویولن Violin Plot

پلات نواری Strip Plot

  • پلات نواری Strip Plot

طرح ازدحام Swarm Plot

  • طرح ازدحام Swarm Plot

نقشه حرارت Heat Map

  • نقشه حرارت Heat Map

جفت گرید Pair Grid

  • جفت گرید Pair Grid

قطعه های فرعی Sub Plots

  • قطعه های فرعی Sub Plots

گواهی Certificate

  • گواهی Certificate

نمایش نظرات

آموزش بهترین دوره تحلیل داده و تجسم داده در پایتون
جزییات دوره
6h 2m
61
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
2,130
4.4 از 5
ندارد
دارد
دارد
Jobshie .
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Jobshie . Jobshie .

توسعه دهنده وب با بیش از 3 سال سابقه کار. من بیش از سه سال سابقه کار توسعه دهنده وب دارم. من ویدیوهایی در SQL، Big Query، Data Science، Data Analysis، Python، Machine Learning، Deep Learning ایجاد می کنم. امیدوارم از این کانال ارزشی کسب کنید. در صورت تمایل لطفا عضو کانال شوید و ویدیوها را با دیگران به اشتراک بگذارید.