آموزش تجزیه و تحلیل داده ها در دنیای واقعی موارد استفاده- Hands on Python

Data Analysis Real world use-cases- Hands on Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: ساخت مجموعه ای از 5 پروژه تجزیه و تحلیل داده با پایتون، Seaborn، پانداها، Plotly، numpy و غیره و شغلی به عنوان تحلیلگر داده دریافت کنید با میانگین 156000 دلار پس از نمایش این پروژه ها در رزومه خود، شغلی به عنوان تحلیلگر داده بگیرید تا پایان این دوره شما عملکرد داخلی خط لوله تجزیه و تحلیل داده ها را درک خواهید کرد - پیوستن، دستکاری، فیلتر کردن، استخراج داده ها، تجزیه و تحلیل داده ها هر مشکلی را در کسب و کار، شغل یا در زمان واقعی با کتابخانه های قدرتمند تجزیه و تحلیل داده که در Pandas، Numpy، Seaborn متخصص خواهید بود حل کنید. , Matplotlib , Plotly , Folium, Geopy , Wordcloud , re و بسیاری دیگر.. یاد بگیرید که چگونه با داده های مختلف در پایتون کار کنید، از جمله: داده های اکسل، داده های جغرافیایی، داده های متنی و داده های سری زمانی حل هر مشکلی در کسب و کار، شغل شما یا در زمان واقعی با کتابخانه های قدرتمند تجزیه و تحلیل داده ها پیش نیازها: شما باید Anaconda را نصب کنید. ما در یکی از اولین سخنرانی های دوره به شما نشان خواهیم داد که چگونه این کار را انجام دهید

این اولین دوره ای است که پروژه های تجزیه و تحلیل داده را با استفاده از پایتون به صورت عملی ارائه می دهد.


توصیفات دانش آموز:

این بهترین دوره برای افرادی است که به تازگی اصول پایتون را یاد گرفته اند (پیش نیاز این دوره) و می خواهند تحلیلگر داده/دانشمند داده شوند. این با استفاده از بسته های مهم تجزیه و تحلیل داده ها (Pandas، Matplotlib، Plotly و غیره) به عنوان پلی بین نحو نظری پایتون به کاربرد آن عمل می کند. - میرزا حیدر بیگ


شان سینگ کاملاً شگفت انگیز است! پروژه های گام به گام با توضیحات واضح. آسان برای درک. پروژه های تحلیل داده های دنیای واقعی به سادگی بهترین دوره در مورد تجزیه و تحلیل داده ها که می توانم در Udemy پیدا کنم! پس از دوره شما می توانید به راحتی کار خود را به عنوان یک تحلیلگر داده آغاز کنید.- Nicholas Nita


توضیح خوبی در مورد چگونگی استفاده از پایتون برای تجزیه و تحلیل داده ها. پروژه های 1،2،3، 4 مربوط به تجزیه و تحلیل داده ها بود. اما، پروژه 5 بیشتر شبیه یک پروژه علم داده بود زیرا ما از nltk، تجزیه و تحلیل احساسات، تجزیه و تحلیل متن و غیره استفاده می کنیم. به طور کلی، یک دوره بسیار خوب برای مبتدیان و کسانی که می خواهند مهارت های پایتون خود را برای تجزیه و تحلیل داده ها بررسی کنند - Karthik




می توانید همین الان شروع کنید؟

یک سوال متداول از مبتدیان پایتون این است: "آیا قبل از شروع کار روی پروژه های تجزیه و تحلیل داده ها، باید در کدنویسی پایتون متخصص شوم؟"

پاسخ روشن این است: "نه!

  • شما فقط به برخی از اصول اولیه پایتون مانند انواع داده، عملیات/عملگرهای ساده، لیست‌ها و آرایه‌های ناچیز نیاز دارید که می‌توانید از دوره رایگان پایتون من «Basics Of Python» یاد بگیرید

به‌عنوان خلاصه، اگر در اصل می‌خواهید از Python برای Data Science/Data Analytics یا به عنوان جایگزینی برای Excel استفاده کنید، این دوره کاملاً مطابقت دارد!




چرا باید این دوره را بگذرانید؟

  • این پروژه پروژه های تحلیل داده های دنیای واقعی را بر روی داده های واقعی توضیح می دهد. بدون اطلاعات اسباب بازی! این ساده ترین راه برای تبدیل شدن به یک تحلیلگر داده/دانشمند داده

    است
  • داده‌های کامل دنیای واقعی را نشان می‌دهد و توضیح می‌دهد. شروع با وارد کردن داده های آشفته، پاک کردن داده ها، ادغام و الحاق داده ها، گروه بندی و تجمیع داده ها، تجزیه و تحلیل داده های اکتشافی تا آماده سازی و پردازش داده ها برای آمار، تجزیه و تحلیل داده ها، یادگیری ماشین و ارائه داده ها.


  • این به شما فرصت های زیادی برای تمرین و کدنویسی به تنهایی می دهد. یادگیری با انجام دادن.

  • در پروژه‌های تحلیل داده‌های دنیای واقعی، کدنویسی و جنبه تجاری چیزها به یک اندازه مهم هستند. این احتمالاً تنها دوره‌ای است که هر دو را آموزش می‌دهد: کدنویسی عمیق پایتون و تفکر بزرگ مانند اینکه چگونه می‌توانید با انجام تجزیه و تحلیل داده به نتیجه‌ای برسید..

  • رضایت تضمین شده: در غیر این صورت، با ضمانت بازگشت پول 30 روزه پول خود را پس بگیرید.



سرفصل ها و درس ها

معرفی این دوره و مزایای دوره Intro to this course & course Benefits

  • معرفی این دوره Intro to this course

  • از QnA دوره (فرصت طلایی) استفاده کنید! Utilize QnA of the course ( Golden Oppurtunity ) !

  • چگونه این دوره را دنبال کنید - باید تماشا کنید How to follow this course-Must Watch

  • نصب Anaconda Navigator Installation of Anaconda Navigator

  • خلاصه سریع نوت بوک Jupyter Quick Summary of Jupyter Notebook

مقدمه ای بر چرخه حیات پروژه تجزیه و تحلیل داده ها Introduction to Life-Cycle of Data Analytics Project

  • مرحله اول: درک کسب و کار در دنیای واقعی First Stage : Business Understanding in Real World

  • مرحله دوم: خط لوله ETL (Extract, Transform, Load) چیست؟ Second Stage : What is ETL (Extract ,Transform,Load) Pipeline ?

  • مرحله سوم: EDA (تحلیل داده های اکتشافی) + نتیجه گیری Third Stage : EDA(Exploratory Data Analysis) + Conclusions

پروژه 1-->> تحلیل داده های اوبر نیویورک Project 1-->> Uber New York Data Analysis

  • مجموعه داده ها و منابع Datasets & Resources

  • چگونه داده ها را برای تجزیه و تحلیل بخوانیم! How to Read data for Analysis !

  • انجام پیش پردازش داده ها/پاکسازی داده ها! Performing Data pre-processing/Data cleaning !

  • در حال تجزیه و تحلیل کدام ماه حداکثر پیکاپ اوبر است؟ Analysing which month have max Uber Pickups ?

  • تحلیل ساعتی راش در نیویورک! Analysing Hourly Rush in New york !

  • تجزیه و تحلیل فعال ترین شماره پایه Uber! Analysing most active Uber Base-number !

  • اجازه می دهد تا کل داده ها را جمع آوری کنیم: جمع آوری داده ها! Lets Collect entire data : Data Collection !

  • تجزیه و تحلیل فضایی را برای یافتن سریع پیکاپ های Uber انجام دهید Perform Spatial Analysis to find rush of Uber Pickups

  • برای پی بردن به راش، تجزیه و تحلیل عاقلانه جفتی را انجام دهید! Perform Pair wise Analysis to figure out Rush !

  • چگونه تجزیه و تحلیل خود را خودکار کنید How to Automate Your Analysis

پروژه 2-->> تجزیه و تحلیل داده های بیت کوین Project 2-->> Bitcoin Data Analysis

  • مجموعه داده ها و منابع Datasets & Resources

  • اجازه می دهد تا داده ها را بخوانیم و تجزیه و تحلیل توصیفی اولیه را انجام دهیم! Lets Read data & perform basic Descriptive analysis !

  • انجام پیش پردازش داده ها! Doing Data Pre-processing !

  • تحلیل تغییر قیمت اضافه کاری بیت کوین! Analysing change in price of the Bitcoin overtime !

  • تجزیه و تحلیل قیمت بیت کوین با استفاده از نمودار Candle-stick Analysing Bitcoin prices using Candle-stick chart

  • تجزیه و تحلیل قیمت بسته شدن در عمق! Analysing closing price in-depth !

  • انجام تجزیه و تحلیل در قیمت بسته شدن به صورت سالانه، فصلی و ماهانه! Perform Analysis on closing Price on Yearly , Quarterly & monthly basis !

پروژه 3-->> تجزیه و تحلیل داده های رزرو هتل Project 3-->> Hotel Booking Data Analysis

  • مجموعه داده ها و منابع Datasets & Resources

  • آماده سازی داده های ما برای تجزیه و تحلیل Preparing our Data for Analysis

  • انجام تجزیه و تحلیل فضایی در خانه-شهر مهمانان Perform Spatial Analysis on Guests Home-Town

  • قیمت هتل در طول سال چگونه متفاوت است؟ How does price of hotel vary across year?

  • تجزیه و تحلیل ترجیحات مهمانان Analysing Preference of Guests

  • تجزیه و تحلیل رابطه بین درخواست های ویژه و لغو. Analysing relationship between special requests and cancellation.

  • تحلیل شلوغ ترین ماه ها Analysing most busy month

  • تجزیه و تحلیل بیشتر در مورد مشتریان Analysing more about Customers

  • درباره داده ها بیشتر تحلیل کنید Analyse more about Data

پروژه 4-->> تجزیه و تحلیل داده های Covid-19 Project 4-->> Covid-19 Data Analysis

  • مجموعه داده ها و منابع Datasets & Resources

  • داده های خود را برای تجزیه و تحلیل آماده کنید Prepare your Data for the Analysis

  • تجزیه و تحلیل کل موارد، مرگ و میر، موارد بهبود یافته و فعال Analysing Total cases, Deaths, Recovered & active cases

  • EDA را روی داده انجام دهید Perform EDA on Data

  • تجزیه و تحلیل کشورهایی که به شدت تحت تأثیر کرونا قرار می گیرند Analysing those countries that gets badly affected by Corona

  • انجام تجزیه و تحلیل عمیق بر روی داده ها Perform In-depth Analysis on Data

  • تجزیه و تحلیل خود را خودکار کنید Automate Your Analysis

پروژه 5-->> تجزیه و تحلیل داده های مشتریان آمازون Project 5-->> Amazon Customers Data Analysis

  • مجموعه داده ها و منابع Datasets & Resources

  • نحوه خواندن داده ها از پایگاه داده SQLite How to Read Data from SQLite Database.

  • انجام تجزیه و تحلیل احساسات بر روی داده ها. Perform Sentiment Analysis on Data.

  • چگونه آمازون محصول را توصیه می کند How Amazon recommend product

  • تجزیه و تحلیل بازخورد ارائه شده توسط مشتریان Analyzing Feedback given by customers

  • داده های ما را برای تجزیه و تحلیل آماده کنید Prepare our data for Analysis

  • تجزیه و تحلیل رفتار مشتریان Analyzing behaviour of customers

بخش پاداش Bonus Section

  • جلسه پاداش Bonus Session

نمایش نظرات

نظری ارسال نشده است.

آموزش تجزیه و تحلیل داده ها در دنیای واقعی موارد استفاده- Hands on Python
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
7 hours
49
Udemy (یودمی) udemy-small
06 خرداد 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
65,021
4.7 از 5
دارد
دارد
دارد
Shan Singh

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Shan Singh Shan Singh

به طور حرفه ای ، من یک دانشمند داده هستم که دارای 6 سال تجربه در امور مالی ، خرده فروشی و حمل و نقل هستم. از دوره های من بلافاصله متوجه خواهید شد که چگونه تجربه خودم را برای ارائه محتوا به ساده ترین شکل ترکیب می کنم. به طور خلاصه ، من کاملاً علاقه مند به Data Analytics هستم و مشتاقانه منتظر اشتراک دانش خود با شما هستم!

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.