آموزش تحلیل داده‌ها، علوم داده و یادگیری ماشین - جامع و یکپارچه - آخرین آپدیت

سرفصل ها و درس ها

گرم کردن + پیام مهم Warm Up + Important Message

• چگونه در کلاس‌ها شرکت کنیم How to take the classes

• فقط برای دانشجویان یودمی من! Only for my Udemy Students!

مبانی برنامه‌نویسی پایتون Python Programming Fundamentals

• تمام یادداشت‌های مبانی پایتون All notes on Python Fundamentals

• نصب پایتون و ژوپیتر نوت‌بوک Installing Python & Jupyter notebook

• یادداشتی درباره تحلیل داده با پایتون Note on python data analysis

• مجموعه‌داده‌های مورد استفاده در دوره Datasets used in the course

• درک عبارت‌ها و متغیرها Understanding Expressions and Variables

• آزمایشگاه عملی: عبارت‌ها و متغیرها Hands-on Lab: Expressions and Variables

• ساخت متغیرها Creating variables

• درک انواع داده‌ها Understanding Data Types

• آزمایشگاه عملی: انواع داده‌های پایتون Hands-on Lab: Python Data Types

• تبدیل انواع داده‌ها #۱ Converting data types #1

• تبدیل انواع داده‌ها #۲ Converting data types #2

• تبدیل انواع داده‌ها #۳ Converting data types #3

• عملگرهای مختلف رشته‌ها Various String Operators

• آزمایشگاه عملی: عملگرهای مختلف رشته‌ها Hands-on Lab: Various String Operators

• شروع از متغیرها تا انواع داده‌ها Starting with Variables to Data Types

• درک تاپل‌ها و لیست‌ها Understanding Tuples and Lists

• عملی: تاپل‌ها و لیست‌ها Hands-on: Tuples and Lists

• ساخت لیست Creating list

• اندیس‌گذاری لیست Indexing list

• برش (Slicing) لیست Slicing list

• افزودن المان Adding element

• حذف المان Removing element

• جایگزینی المان Replacing element

• عملیات و دستکاری مجموعه‌ها (Sets) Operations & Manipulation of Sets

• آزمایشگاه عملی: مجموعه‌ها Hands-on Lab: Sets

• اتحاد مجموعه‌ها Union sets

• کاهش مجموعه‌ها Reducing sets

• کار با دیکشنری‌ها Working with Dictionaries

• آزمایشگاه عملی: دیکشنری‌ها Hands-on Lab: Dictionaries

• ساخت دیکشنری Create dictionary

• افزودن کلیدها و مقادیر Adding keys and values

• بررسی چندین ساختار داده Several data structures

• شرط‌ها و شاخه‌بندی Condition and Branching

• آزمایشگاه عملی: شرط‌ها و شاخه‌بندی Hands-on Lab: Condition & Branching

• دستورات شرطی #۱ Conditional statement #1

• دستورات شرطی #۲ Conditional statement #2

• عبارات منطقی #۱ Logical expression #1

• عبارات منطقی #۲ Logical expression #2

• عبارات منطقی #۳ Logical expression #3

• حلقه‌ها برای تکرار Loops for Iteration

• آزمایشگاه عملی: حلقه‌ها Hands-on Lab: Loops

• حلقه For For loop

• حلقه While While loop

• توسعه توابع Developing Functions

• آزمایشگاه عملی: توابع پایتون Hands-on Lab: Python Functions

• اشیاء و کلاس‌ها Object and Classes

• آزمایشگاه عملی: اشیاء و کلاس‌ها Hands-on Lab: Object and Classes

• کار با توابع #۱ Dealing with function #1

• کار با توابع #۲ Dealing with function #2

• ترکیب شرط‌ها، حلقه‌ها و توابع Conditionals Looping and Functions

• API، REST API و Request API, REST API & Request

• HTML و BeautifulSoup HTML and BeautifulSoup

• آزمایشگاه عملی: BeautifulSoup Hands-on Lab: BeautifulSoup

• استخراج داده از وب (Web Scraping) در پایتون Web scrapping in Python

• استفاده از Open() برای وارد کردن داده‌ها Open() to import data

• آزمایشگاه عملی: Open() Hands-on Lab: Open()

• خواندن و نوشتن با Pandas Reading and Writing with Pandas

• آزمایشگاه عملی: وارد کردن مجموعه‌داده‌ها Hands-on Lab: Importing datasets

• خواندن و نوشتن JSON و XML Reading and Writing JASON & XML

• آزمایشگاه عملی: وارد کردن JSON و XML Hands-on Lab: Importing JASON & XML

• مدیریت استثناها (Exception Handling) Exception Handling

• آزمایشگاه عملی: مدیریت استثناها Hands-on Lab: Exception Handling

• متریال خواندنی: خطاها در پایتون Reading material: Errors in Python

علوم داده Data Science

• تمام یادداشت‌های علوم داده All notes on Data Science

• پیام‌های مهم برای شما! Important Messages for You!

• علوم داده چیست What is Data Science

• مبانی علوم داده Fundamentals of Data Science

• مسیر تبدیل شدن به دانشمند داده The path to be a Data Scientist

• ارزیابی دانش ۱ Knowledge Assessment 1

• تحلیل داده‌ها Data Analysis

• هوش تجاری (Business Intelligence) Business Intelligence

• مدل‌سازی آماری Statistical Modeling

• ارزیابی دانش ۲ Knowledge Assessment 2

• یادگیری ماشین Machine Learning

• یادگیری عمیق Deep Learning

• هوش مصنوعی Artificial Intelligence

• ارزیابی دانش ۳ Knowledge Assessment 3

• داده‌های سنتی در مقابل کلان‌داده‌ها (Big Data) Traditional Data vs Big Data

• کار با کلان‌داده‌ها Working with Big Data

• مثال‌های واقعی از کلان‌داده‌ها Real - life examples of Big data

• ارزیابی دانش ۴ Knowledge Assessment 4

• ابزارهای مدیریت پایگاه داده Database management tools

• زبان‌های برنامه‌نویسی Programming languages

• ابزارهای ۳۶۰ درجه تحلیل داده 360 Data analytics tools

• ابزارهای بصری‌سازی داده‌ها Data visualization tools

• محیط‌های توسعه Development environments

• ارزیابی دانش ۵ Knowledge Assessment 5

• گام ۱: درک کسب‌وکار Step 1 - Business understanding

• گام ۲: جمع‌آوری داده‌ها Step 2 - Data collection

• گام ۳: آماده‌سازی داده‌ها Step 3 - Data preparation

• گام ۴: مدل‌سازی داده‌ها Step 4 - Data modeling

• گام ۵: ارزیابی مدل Step 5 - Model evaluation

• گام ۶: استقرار مدل Step 6 - Model deployment

• ارزیابی دانش ۶ Knowledge Assessment 6

تحلیل داده‌ها Data Analytics

• تمام یادداشت‌های تحلیل داده All notes on Data Analytics

• یادداشت اضافی درباره دنیای تحلیلی داده‌ها Extra note on analytical world of data

• تعریف، انواع و مثال‌های تحلیل داده Data analysis definition, types and examples

• ابزارها و تکنولوژی‌های تحلیل داده Tools and technologies for data analysis

• درک تحلیل داده‌ها Understanding data analysis

• منابع مختلف جمع‌آوری داده Various sources of collecting data

• جامعه در مقابل نمونه و متدهای آن Population v/s sample and its methods

• اولین نیاز: پاک‌سازی داده‌ها! The first requirement - Data cleaning!

• روش‌های مختلف پاک‌سازی داده‌ها Various methods of data cleaning

• تکنیک‌های پاک‌سازی داده‌ها Techniques of Data Cleaning

• جنبه‌های مختلف ادغام مجموعه‌داده‌ها Various aspects of Joining datasets

• افزودن داده‌های اضافی با الحاق (Concatenation) Adding extra data with concatenation

• EDA برای استخراج بینش‌های معنادار EDA for generating significant insights

• روش‌های تحلیل اکتشافی داده‌ها - بخش ۱ Methods of exploratory data analysis Part 1

• روش‌های تحلیل اکتشافی داده‌ها - بخش ۲ Methods of exploratory data analysis Part 2

• روش‌های تحلیل اکتشافی داده‌ها - بخش ۳ Methods of exploratory data analysis Part 3

• تحلیل اکتشافی داده‌ها (EDA) Exploratory Data Analysis

• کاربرد آزمون‌های آماری The application of statistical test

• انواع تحلیل آماری داده‌ها Types of statistical data analysis

• آزمون‌های T و ANOVA T-tests and ANOVA

• معیارهای سنجش روابط Relationships measures

• تحلیل رگرسیون Regression analysis

• تحلیل آماری داده‌ها Statistical data analysis

• احتمال در تحلیل داده‌ها Probability in data analysis

• احتمال کلاسیک Classical probability

• احتمال تجربی Empirical probability

• احتمال شرطی Conditional probability

• احتمال مشترک Joint probability

• آزمون فرضیات برای آمار استنباطی Hypothesis testing for inferential statistics

• انتخاب آزمون آماری و بررسی پیش‌فرض‌ها Selecting statistical test and assumption testing

• سطح اطمینان، سطح معناداری و P-value Confidence level, significance level, p-value

• تصمیم‌گیری و نتیجه‌گیری بر اساس یافته‌ها Making decision and conclusion on findings

• تحلیل آماری جامع و آزمون فرضیات Complete statistical analysis and hypothesis testing

• آزمون فرضیات در تحلیل آماری Hypothesis Testing in Statistical Analysis

• تبدیل داده‌ها برای تحلیل بهتر Transforming data for improved analysis

• تکنیک‌های تبدیل داده‌ها - بخش ۱ Techniques for data transformation Part 1

• تکنیک‌های تبدیل داده‌ها - بخش ۲ Techniques for data transformation Part 2

• روش‌های مختلف بصری‌سازی داده‌ها - بخش ۱ Several methods of data visualization Part 1

• روش‌های مختلف بصری‌سازی داده‌ها - بخش ۲ Several methods of data visualization Part 2

• روش‌های مختلف بصری‌سازی داده‌ها - بخش ۳ Several methods of data visualization Part 3

• درک تبدیل داده‌ها (Data Transformation) Understanding Data Transformation

یادگیری ماشین، یادگیری عمیق و هوش مصنوعی Machine Learning, Deep Learning & AI

• تمام یادداشت‌های ML، DL و AI All notes on ML, DL & AI

• یادگیری ماشین برای تحلیل داده و تصمیم‌گیری ML for data analysis and decision-making

• متدهای پرکاربرد ML در تحلیل داده‌ها Widely used ML methods in the data analytics

• مراحل توسعه مدل یادگیری ماشین Steps in developing machine learning model

• مبانی یادگیری ماشین Machine learning basics

• یادگیری ماشین چیست؟ What is Machine learning?

• مدل‌های رگرسیون تحت نظارت Supervised Regression models

• مدل‌های طبقه‌بندی تحت نظارت Supervised Classification models

• مدل‌های خوشه‌بندی بدون نظارت Unsupervised clustering models

• معیارهای ارزیابی مدل Model evaluating metrics

• بیش‌برازش (Overfitting) و کم‌برازش (Underfitting) Overfitting & Underfitting

• مشکل داده‌های نامتوازن Imbalanced data problem

• ارزیابی دانش ۲۳ Knowledge Assessment 23

• ماتریس چیست؟ What is Matrix?

• اسکالرها و بردارها Scalars and Vectors

• مقدمه‌ای بر جبر خطی Linear algebra introduction

• تنسور چیست؟ What is Tensor?

• ترانهاده ماتریس Transpose of Matrix

• ضرب داخلی و ماتریس Dot product and Matrix

• ارزیابی دانش ۲۱ Knowledge Assessment 21

• رگرسیون خطی چگونه کار می‌کند How Linear regression works

• رگرسیون لجستیک چگونه کار می‌کند How Logistic regression works

• اعتبار‌سنجی متقاطع K-fold K-fold cross validation

• منظم‌سازی L1 و L2 L1, L2 regularization

• متد بیش‌نمونه‌برداری (Oversampling) The oversampling method

• متد کم‌نمونه‌برداری (Undersampling) The undersampling method

• خوشه‌بندی KMeans چگونه کار می‌کند How KMeans clustering works

• رگرسیون درخت تصمیم چگونه کار می‌کند How Decision tree regression works

• طبقه‌بندی درخت تصمیم چگونه کار می‌کند How Decision tree classification works

• رگرسیون جنگل تصادفی چگونه کار می‌کند How Random forest regression works

• طبقه‌بندی جنگل تصادفی چگونه کار می‌کند How Random forest classification works

• مدل‌های AdaBoost چگونه کار می‌کنند How AdaBoost Models work

• مدل GBM سنتی چگونه کار می‌کند How Traditional GBM works

• مدل‌های CatBoost چگونه کار می‌کنند How CatBoost Models work

• مدل‌های LightGBM چگونه کار می‌کنند How LightGBM Models work

• مدل‌های XGBoost چگونه کار می‌کنند How XGBoost Models work

• تنظیم هایپرپارامتر چیست؟ What is Hyperparameter tuning?

• درک یادگیری عمیق Understanding Deep Learning

• شبکه‌های عصبی در یادگیری عمیق Neural Networks in Deep Learning

• TensorFlow چیست؟ What is TensorFlow?

• TensorFlow 2.0 چگونه کار می‌کند How TensorFlow 2.0 works

• ارزیابی دانش ۲۴ Knowledge Assessment 24

• مقداردهی اولیه (Initialization) چیست؟ What is Initialization?

• مقداردهی اولیه Glorot Glorot Initialization

• گرادیان نزولی تصادفی (SGD) Stochastic Gradient Descent

• ارزیابی دانش ۲۵ Knowledge Assessment 25

• تاریخچه، تعریف و جریان کاری AI AI history, definition and workflow

• انواع مختلف هوش مصنوعی Various types of Artificial intelligence

• هوش مصنوعی در مقابل هوش تقویت‌شده Artificial v/s Augmented Intelligence

• هوش مصنوعی مولد و کاربردهای آن Generative AI and Its use cases

• AI سنتی در مقابل AI مولد Traditional AI v/s Generative AI

• متریال خواندنی: انواع AI Reading material: Types of AI

• کاربردهای AI در زندگی روزمره AI use cases in Daily life

• چت‌بات AI چیست؟ What is AI Chatbot?

• چه زمانی ویژگی را کدگذاری کنیم Gen AI Tools and Applications

• متریال خواندنی: AI و Gen AI Reading material: AI and Generative AI

• مدل‌های مختلف AI مولد Various models of Generative AI

• NLP، تکنولوژی گفتار و بینایی ماشین NLP, Speech Technology & Computer vision

• AI، رایانش ابری، Edge computing و IoT AI, Cloud and Edge computing & IoT

• متریال خواندنی: بخش‌های AI و Gen AI Reading material: The parts of AI + Gen AI

• ابزارهای تولید متن Tools for Text Generation

• تولید متن با ChatGPT از طریق وب‌سایت OpenAI Generating Text with ChatGPT Using OpenAI's Website

• ابزارهای تولید تصویر Tools for Image Generation

• ساخت تصویر با استفاده از Freepik Creating an Image Using Freepik

• ابزارهای تولید کد Tools for Code Generation

• تولید کد پایتون با Gemini Generating Python Code with Gemini

• ابزارهای تولید صوت و ویدیو Tools for Audio and Video Generation

• متریال خواندنی: ابزارهای Gen AI Reading material: Gen AI Tools

• پرامپت (Prompt) چیست؟ What is a Prompt?

• مهندسی پرامپت چیست؟ What is Prompt Engineering?

• طراحی پرامپت‌های موثر برای مدل‌های AI Crafting Effective Prompts for AI Models

• بهترین شیوه‌ها در مهندسی پرامپت Best practices in Prompt engineering

• متریال خواندنی: ابزارهای مهندسی پرامپت Reading material: prompt engineering tools

• تکنیک پرامپت الگوی مصاحبه Interview pattern prompt technique

• به‌کارگیری رویکرد الگوی مصاحبه در مهندسی پرامپت با Gemini Applying the Interview Pattern Approach to Prompt Engineering with Gemini

• تکنیک پرامپت زنجیره افکار (Chain of Thought) Chain-of-Thought prompt technique

• به‌کارگیری رویکرد زنجیره افکار با Gemini Applying the Chain-of-Thought Approach with Gemini

• تکنیک پرامپت درخت افکار (Tree of Thought) Tree-of-Thought prompt technique

• به‌کارگیری رویکرد درخت افکار با Gemini Applying the Tree-of-Thought Approach with Gemini

• متریال خواندنی: مهندسی پرامپت Reading material: Prompt engineering

بررسی عمیق احتمال و توزیع Deep Dive - Probability and Distribution

• تمام یادداشت‌های PD All notes on PD

• احتمال چیست؟ What is probability?

• مقدار مورد انتظار در مقابل مقدار واقعی Expected value v/s Actual value

• فرکانس در احتمال Frequency in probability

• متمم‌ها در احتمال Complements in probability

• ارزیابی دانش ۷ Knowledge Assessment 7

• مقدمه‌ای بر ترکیبیات Intro to combinatorics

• جایگشت‌ها Permutations

• عملیات فاکتوریل Factorials operations

• ترکیب‌ها Combinations

• ارزیابی دانش ۸ Knowledge Assessment 8

• مجموعه‌های mutually exclusive (ناهم‌پوشان) Mutually exclusive sets

• وابستگی‌های مجموعه‌ها Set dependencies

• احتمال شرطی Conditional probability

• ارزیابی دانش ۱۰ Knowledge Assessment 10

• قاعده جمع The additive rule

• قاعده ضرب The multiplication law

• قانون بیز The bayes' law

• ارزیابی دانش ۱۱ Knowledge Assessment 11

• جامعه و نمونه Population and Sample

• انواع داده‌های آماری Types of Statistical data

• سطوح اندازه‌گیری Level of Measurement

• ارزیابی دانش ۱۵ Knowledge Assessment 15

• مقدمه‌ای بر توزیع‌ها Intro to Distributions

• توزیع‌های گسسته Discrete distributions

• توزیع‌های پیوسته Continuous distributions

• توزیع یکنواخت Uniform distribution

• توزیع برنولی Bernoulli distribution

• توزیع دوجمله‌ای Binomial distribution

• توزیع پوآسون Poisson distribution

• توزیع نرمال Normal distribution

• توزیع T-student Students' T distribution

• توزیع کای-اسکوئر Chi-squared distribution

• توزیع نمایی Exponential distribution

• ارزیابی دانش ۱۲، ۱۳ و ۱۴ Knowledge Assessment 12, 13, and 14

بررسی عمیق تکنیک‌های EDA و آمار Deep Dive - EDA Techniques & Statistics

• تمام یادداشت‌های EDA All notes on EDA

• درک مقادیر گمشده (Missing values) Understanding Missing values

• درک جایگذاری (Imputation) Understanding Imputation

• انواع داده‌های دیتافریم Dataframe's data types

• مقادیر ناسازگار چیست؟ What is Inconsistent value?

• درک داده‌های تکراری Understanding duplicates

• مرتب‌سازی داده‌ها چیست؟ What is data sorting?

• درک برش (Slicing) Understanding slicing

• روش‌های فیلتر کردن داده‌ها Methods of Data filtering

• درک ادغام داده‌ها (Merge) Understanding data merge

• درک الحاق (Concatenation) Understanding concatenation

• فرکانس و درصد Frequency & Percentage

• میانگین، میانه و مد Mean, Median and Mode

• چولگی (Skewness) و کشیدگی (Kurtosis) Skewness and Kurtosis

• واریانس و کوواریانس Variance and Covariance

• انحراف معیار Standard deviation

• ارزیابی دانش ۱۶ Knowledge Assessment 16

• تحلیل داده‌ها با Group by Group-by data analysis

• تحلیل با جدول PIVOT PIVOT table analysis

• تحلیل Cross tab Cross-tab analysis

• کاربردهای نمودار ستونی Use cases of Bar chart

• کاربردهای نمودار دایره‌ای Use cases of pie chart

• کاربردهای نمودار خطی Use cases of line chart

• کاربرد هیستوگرام Use case of Histogram

• کاربردهای نمودار پراکندگی Use cases of Scatterplot

• کاربردهای نقشه حرارتی Use cases of Heatmap

• کاربردهای نمودار جعبه‌ای Use cases of Box-plot

• آمار استنباطی چیست What is inferential statistics

• قضیه حد مرکزی Central limit theorem

• خطای استاندارد Standard error

• تخمین‌گرها و تخمین‌ها Estimators and estimates

• ارزیابی دانش ۱۷ Knowledge Assessment 17

• فاصله اطمینان Confidence interval

• Z-score در مقابل T-score Z-score v/s T-score

• حاشیه خطا Margin of error

• فرضیه صفر در مقابل فرضیه جایگزین Null v/s Alternative Hypothesis

• خطای نوع اول و نوع دوم Type | and Type || Error

• ارزیابی دانش ۱۸ Knowledge Assessment 18

• گام ۱: فرمول‌بندی فرضیات Step 1: Formulate the Hypotheses

• گام ۲: انتخاب سطح معناداری Step 2: Select Significance level

• گام ۳: انجام آزمون پیش‌فرض‌ها Step 3: Perform assumption test

• گام ۴: انجام آزمون مناسب Step 4: Perform appropriate test

• گام ۵: تصمیم‌گیری و نتیجه‌گیری Step 5: Decision and Conclusion

• ارزیابی دانش ۱۹ Knowledge Assessment 19

• Kdeplot برای توزیع Kdeplot for distribution

• آزمون Shapiro-Wilk Shapiro Wilk test

• روش‌های تبدیل داده‌ها Data transformations methods

• آزمون T نمونه‌های مستقل Independent sample t-test

• تحلیل واریانس (ANOVA) Analysis of Variance

• آزمون کای-اسکوئر Chi square test

• همبستگی پیرسون Pearson correlation

• تحلیل رگرسیون خطی Linear regression analysis

• چگونه ویژگی‌های جدید ایجاد کنیم؟ How to generate new feature?

• استخراج المان‌های تاریخ Extracting date elements

• When to encode feature

• چه زمانی ویژگی را دسته‌بندی (Binning) کنیم When to bin feature

• چه زمانی ویژگی را نگاشت (Map) کنیم When to map feature

• چه زمانی متغیرهای Dummy بسازیم When to generate dummies

• انتخاب ویژگی (Feature Selection) Feature selection

• روش‌های مقیاس‌بندی ویژگی‌ها Methods of Feature scaling

• کاهش ابعاد چیست؟ What is Dimensionality reduction?

• تقسیم مجموعه‌داده Splitting Dataset

پایتون: علوم داده، یادگیری ماشین و عمیق به صورت کامل Python - Complete Data Science, Machine & Deep Learning

• مجموعه‌داده‌های این بخش Datasets for this section

• وارد کردن مجموعه‌داده Importing dataset

• پایتون برای شناسایی مقادیر گمشده Python for missing value identification

• عملی: شناسایی مقادیر گمشده Hands-on: Missing value identification

• شناسایی مقدار گمشده Identify missing value

• پایتون برای جایگذاری مقادیر گمشده Python for missing value imputation

• عملی: جایگذاری مقادیر گمشده Hands-on: Imputing missing values

• جایگذاری مقادیر گمشده Imputing missing values

• پایتون برای تغییر انواع داده‌ها Python for casting data types

• عملی: انواع داده در دیتافریم Hands-on: Data types in dataframe

• بررسی نوع داده Checking data type

• تعیین نوع داده Assigning data type

• پایتون برای مدیریت ناسازگاری‌ها Python for dealing inconsistencies

• عملی: کار با ناسازگاری‌ها Hands-on: Working with inconsistencies

• یافتن مقادیر منحصربه‌فرد Finding the unique values

• حذف مقادیر ناسازگار Removing inconsistent value

• پایتون برای مدیریت داده‌های تکراری Python for dealing duplicates

• عملی: کار با تکراری‌ها Hands-on Working with duplicates

• شناسایی تکراری‌ها Identify duplicates

• حذف تکراری‌ها Removing duplicates

• پایتون برای مرتب‌سازی داده‌ها Python for sorting data

• عملی: مرتب‌سازی داده‌ها Hands-on: Sorting data

• مرتب‌سازی مجموعه‌داده dataset sorting

• پایتون برای برش داده‌ها Python for data slicing

• عملی: برش داده‌ها Hands-on: Data slicing

• برش با loc Slicing with loc

• برش با iloc Slicing with iloc

• پایتون برای فیلتر کردن داده‌ها Python for data filtering

• عملی: فیلتر کردن داده‌ها Hands-on: Data filtering

• فیلترینگ بولی (Boolean) Boolean filtering

• شرایط متعدد Multiple conditions

• پایتون برای ادغام داده‌ها Python for merging data

• عملی: ادغام دیتافریم‌ها Hands-on: Merging dataframes

• ادغام دیتافریم‌ها Merging dataframes

• پایتون برای الحاق داده‌ها Python for concatenation

• عملی: الحاق داده‌ها Hands-on: Data concatenation

• الحاق دیتافریم‌ها Concatenating dataframes

• پایتون برای تحلیل درصد فرکانس Python for frequency-percentage analysis

• عملی: فرکانس و درصد Hands-on: Frequency & Percentage

• متد value_counts Value counts method

• پایتون برای تحلیل توصیفی Python for descriptive analysis

• عملی: تحلیل توصیفی Hands-on: Descriptive analysis

• آمار توصیفی Descriptive statistics

• پایتون برای تحلیل Group by Python for group-by analysis

• عملی: تحلیل Group by Hands-on: Group-by analysis

• متد Group by Group by method

• پایتون برای تحلیل جدول PIVOT Python for PIVOT table analysis

• عملی: تحلیل جدول PIVOT Hands-on: PIVOT table analysis

• تحلیل جدول PIVOT PIVOT table analysis

• پایتون برای تحلیل Cross tab Python for Cross-tab analysis

• عملی: تحلیل Cross tab Hands-on: Cross-tab analysis

• تحلیل Cross tab Cross-tab analysis

• پایتون برای ایجاد نمودار ستونی Python for creating bar chart

• عملی: ایجاد نمودار ستونی Hands-on: Creating bar chart

• نمودار ستونی خوشه‌ای Clustered bar plot

• پایتون برای ایجاد نمودار دایره‌ای Python for creating pie chart

• عملی: نمودار دایره‌ای Hands-on: Pie chart

• نمودار دایره‌ای Pie chart

• پایتون برای ایجاد نمودار خطی Python for creating line chart

• عملی: نمودار خطی Hands-on: Line chart

• نمودار خطی Line chart

• پایتون برای ایجاد هیستوگرام Python for creating histogram

• عملی: هیستوگرام Hands-on: Histogram

• هیستوگرام Histogram

• پایتون برای ایجاد نمودار پراکندگی Python for creating Scatterplot

• عملی: نمودار پراکندگی Hands-on: Scatterplot

• نمودار پراکندگی Scatterplot

• پایتون برای ایجاد نقشه حرارتی Python for creating Heatmap

• عملی: نقشه حرارتی Hands-on: Heatmap

• نقشه حرارتی Heatmap

• پایتون برای ایجاد نمودار جعبه‌ای Python for creating Box-plot

• عملی: نمودار جعبه‌ای Hands-on: Box-plot

• نمودار جعبه‌ای Boxplot

• پایتون برای ایجاد Kdeplot Python for creating Kdeplot

• عملی: Kdeplot Hands-on: Kdeplot

• Kdeplot برای توزیع Kdeplot for distribution

• پایتون برای آزمون Shapiro-Wilk Python for Shapiro Wilk test

• عملی: آزمون Shapiro-Wilk Hands-on: Shapiro Wilk test

• آزمون نرمال بودن Normality test

• پایتون برای تبدیل داده‌ها Python for data transformation

• عملی: تبدیل داده‌ها Hands-on: Data transformation

• تبدیل SQRT SQRT transformation

• تبدیل LOG LOG transformation

• تبدیل BOXCOX BOXCOX transformation

• پایتون برای آزمون T نمونه‌های مستقل Python for Independent sample t-test

• عملی: آزمون T نمونه‌های مستقل Hands-on: Independent sample t-test

• آزمون T نمونه‌های مستقل Independent sample t-test

• پایتون برای تحلیل واریانس Python for Analysis of Variance

• عملی: تحلیل واریانس Hands-on: Analysis of Variance

• آزمون Levene Levene's test

• تحلیل واریانس Analysis of Variance

• پایتون برای آزمون کای-اسکوئر Python for Chi square test

• عملی: آزمون کای-اسکوئر Hands-on: Chi square test

• آزمون کای-اسکوئر Chi square test

• پایتون برای همبستگی پیرسون Python for Pearson correlation

• عملی: همبستگی پیرسون Hands-on: Pearson correlation

• همبستگی پیرسون Pearson correlation

• پایتون برای رگرسیون خطی Python for Linear regression

• عملی: رگرسیون خطی Hands-on: Linear regression

• رگرسیون خطی Linear Regression

• پایتون برای تولید ویژگی‌های جدید Python for generating new features

• عملی: تولید ویژگی‌های جدید Hands-on: Generating new features

• تولید ویژگی Feature generation

• پایتون برای استخراج المان‌های تاریخ Python for extracting date elements

• عملی: استخراج المان‌های تاریخ Hands-on: Extracting date elements

• استخراج روز، ماه و سال Extracting day, month and year

• پایتون برای کدگذاری ویژگی Python for encoding feature

• عملی: کدگذاری ویژگی Hands-on: Feature encoding

• کدگذاری ویژگی Feature encoding

• پایتون برای دسته‌بندی ویژگی (Binning) Python for binning feature

• عملی: دسته‌بندی ویژگی Hands-on: Feature binning

• دسته‌بندی ویژگی Feature binning

• پایتون برای نگاشت ویژگی (Mapping) Python for mapping feature

• عملی: نگاشت ویژگی Hands-on: Feature mapping

• نگاشت ویژگی Feature mapping

• پایتون برای تولید متغیرهای Dummy Python for generating dummies

• عملی: تولید Dummyها hands-on: Generating dummies

• تولید Dummyها Generating dummies

• پایتون برای انتخاب ویژگی Python for Feature selection

• عملی: انتخاب ویژگی Hand-on: Feature selection

• انتخاب ویژگی Feature selection

• پایتون برای مقیاس‌بندی ویژگی‌ها Python for scaling features

• عملی: مقیاس‌بندی ویژگی‌ها Hands-on: Feature scaling

• Standard Scaling Standard scaling

• MinMax Scaling MinMax Scaling

• پایتون برای کاهش ابعاد Python for Dimensionality reduction

• عملی: کاهش ابعاد Hands-on: Dimensionality reduction

• نسبت واریانس توضیح داده شده Explained variance ratio

• انتخاب n_component Select n_component

• تحلیل مؤلفه‌های اصلی (PCA) Principal component analysis

• پایتون برای مجموعه‌ داده‌های آموزش و تست Python for train-test set

• عملی: مجموعه آموزش و تست Hands-on: Train-test set

• تقسیم آموزش و تست Train test split

• مجموعه‌داده‌های این مرحله Datasets for this phase

• پایتون برای مدل رگرسیون خطی Python for Linear regression model

• عملی: مدل رگرسیون خطی Hands-on: Linear regression model

• ساخت رگرسیون خطی Build Linear Regression

• پیش‌بینی با رگرسیون خطی Prediction with Linear Regression

• ارزیابی مدل Model evaluation

• پایتون برای رگرسیون لجستیک Python for logistic regression

• پایتون برای رگرسیون لجستیک Python for logistic regression

• ساخت رگرسیون لجستیک Build Logistic Regression

• ارزیابی مدل LGR Evaluate the LGR model

• پایتون برای اعتبار‌سنجی متقاطع Python for cross-validation

• عملی: اعتبار‌سنجی متقاطع k-fold Hands-on: k-fold cross validation

• اعتبار‌سنجی متقاطع k-fold K-fold cross validation

• پایتون برای منظم‌سازی (Regularization) Python for regularization

• عملی: منظم‌سازی مدل Hands-on: Model regularization

• منظم‌سازی L1 و L2 L1 & L2 regularization

• پایتون برای متدهای بیش‌نمونه‌برداری Python for oversampling methods

• عملی: متدهای بیش‌نمونه‌برداری Hands-on: oversampling methods

• بیش‌نمونه‌برداری SMOTE SMOTE - oversampling

• پایتون برای متدهای کم‌نمونه‌برداری Python for undersampling methods

• عملی: متدهای کم‌نمونه‌برداری Hands-on: Undersampling methods

• کم‌نمونه‌برداری Tomek Links Tomek Links - Undersampling

• پایتون برای خوشه‌بندی KMeans Python for KMeans clustering

• عملی: خوشه‌بندی KMeans Hands-on: KMeans clustering

• محاسبه WCSS Calculating WCSS

• رسم نمودار آرنج (Elbow chart) Plotting Elbow chart

• ساخت خوشه‌بندی KMeans Building KMeans cluster

• پایتون برای رگرسیون درخت تصمیم Python for decision tree regression

• عملی: رگرسیون درخت تصمیم Hands-on: Decision tree regression

• رگرسیون درخت تصمیم Decision tree regression

• پایتون برای طبقه‌بندی درخت تصمیم Python for Decision tree classification

• عملی: طبقه‌بندی درخت تصمیم Hands-on: Decision tree classification

• طبقه‌بندی درخت تصمیم Decision tree classification

• پایتون برای رگرسیون جنگل تصادفی Python for Random forest regression

• عملی: رگرسیون جنگل تصادفی Hands-on: Random forest regression

• رگرسیون جنگل تصادفی Random forest regression

• پایتون برای طبقه‌بندی جنگل تصادفی Python for Random forest classification

• عملی: طبقه‌بندی جنگل تصادفی Hands-on: Random forest classification

• طبقه‌بندی جنگل تصادفی Random forest classification

• پایتون برای مدل‌های AdaBoost Python for AdaBoost Models

• عملی: مدل‌های AdaBoost Hands-on: AdaBoost Models

• مدل طبقه‌بندی AdaBoost AdaBoost Classification Model

• پایتون برای مدل GBM سنتی Python for Traditional GBM Model

• عملی: مدل GBM سنتی Hands-on: Traditional GBM Model

• مدل طبقه‌بندی Trad GBM Trad GBM Classification Model

• پایتون برای مدل‌های CatBoost Python for CatBoost Models

• عملی: مدل‌های CatBoost Hands-on: CatBoost Models

• مدل طبقه‌بندی CatBoost CatBoost Classification Model

• پایتون برای مدل‌های LightGBM Python for LightGBM Models

• عملی: مدل‌های LightGBM Hands-on: LightGBM Models

• طبقه‌بند LightGBM LightGBM Classifier

• پایتون برای مدل‌های XGBoost Python for XGBoost Models

• عملی: مدل‌های XGBoost Hands-on: XGBoost Models

• مدل‌های XGBoost XGBoost Models

• پایتون برای تنظیم هایپرپارامترها Python for Hyperparameter tuning

• عملی: تنظیم هایپرپارامترها Hands-on: Hyperparameter tuning

• Bayes search CV Bayes search CV

• یادگیری عمیق: داده‌ها Deep Learning - The data

• یادگیری عمیق: پردازش داده‌ها Deep Learning - Data Processing

• یادگیری عمیق: آموزش مدل Deep Learning - Model training

• یادگیری عمیق: ارزیابی مدل Deep Learning - Model evaluation

• حل مشکل واقعی با یادگیری عمیق Solve Real problem with Deep Learning

پایتون: توسعه پروژه‌های هوش مصنوعی Python - Developing AI Projects

• پروژه ۱: توصیف تصویر با Gen AI PROJECT 1: Gen-AI Image Captioning

• پروژه ۲: چت‌بات با Gen AI PROJECT 2: Gen-AI Chatbot

• پروژه ۳: دستیار صوتی با Gen AI PROJECT 3: Gen-AI Voice Assistant

• پروژه ۴: تبدیل متن به تصویر با Gen AI PROJECT 4: Gen-AI Text to Image

• پروژه ۵: خلاصه‌ساز ویدیو با Gen AI PROJECT 5: Gen-AI Video Summarizer

• پروژه ۶: مترجم زبان با Gen AI PROJECT 6: Gen-AI Language Translator

• پروژه ۷: تحلیل‌گر داده با Gen AI PROJECT 7: Gen-AI Data Analyst

SQL: تحلیل داده و علوم داده به صورت کامل SQL - Complete Data Analysis and Data Science

• یادداشت اضافی درباره توابع MySQL Extra note on functions of MySQL

• RDBMS: مثال و اهمیت RDBMS: example and importance

• ویژگی‌های کلیدی RDBMS Key features of RDBMS

• کلید اصلی در مقابل کلید خارجی Primary key v/s Foreign key

• انواع روابط در RDBMS Types of relationship in RDBMS

• انواع داده در RDBMS Data types in RDBMS

• مبانی RDBMS Fundamentals on RDBMS

• مقدمه‌ای بر زبان SQL Introduction to SQL language

• پلتفرم‌های مختلف SQL Various platforms of SQL

• مقدمه‌ای بر SQL برای RDBMS Introduction to SQL for RDBMS

• نصب MySQL در ویندوز و مک Installing MySQL in Windows and Mac

• دانلود مجموعه‌داده‌های لازم Download necessary datasets

• بارگذاری مجموعه‌داده CSV در MySQL Loading CSV dataset in MySQL

• ساخت پایگاه داده Creating database

• انتخاب پایگاه داده Selecting database

• اصلاح پایگاه داده Modifying database

• حذف پایگاه داده Deleting database

• SELECT....FROM: انتخاب داده از جدول SELECT....FROM: select data from table

• SELECT......FROM SELECT......FROM

• DISTINCT: انتخاب مقادیر منحصربه‌فرد برای ستون DISTINCT: selecting unique values for column

• SELECT........DISTINCT SELECT........DISTINCT

• AS: انتخاب ستون‌ها بر اساس نام‌های مستعار AS: selecting columns based on aliases

• AS برای نام‌های مستعار AS for Aliases

• WHERE: انتخاب داده‌ها بر اساس شرط WHERE: selecting data based on condition

• SELECT....FROM...WHERE SELECT....FROM...WHERE

• CREATE: ساخت جدول CREATE: creating table

• CREATE TABLE CREATE TABLE

• NOT NULL: محدود کردن مقادیر تهی NOT NULL: limiting null values

• NOT NULL NOT NULL

• UNIQUE: محدود کردن تکراری‌ها UNIQUE: limiting duplicates

• UNIQUE UNIQUE

• INSERT INTO: افزودن مقادیر به ستون‌ها INSERT INTO: adding values in columns

• INSERT INTO INSERT INTO

• UPDATE: به‌روزرسانی مقادیر بر اساس شرط UPDATE: updating values based on condition

• UPDATE UPDATE

• DELETE: حذف مقادیر بر اساس شرط DELETE: deleting values based on condition

• DELETE....FROM DELETE....FROM

• TRUNCATE: حذف تمام مقادیر به جز ساختار جدول TRUNCATE: deleting all the values except table

• TRUNCATE TABLE TRUNCATE TABLE

• DROP: حذف کامل جدول DROP: removing entire table

• DROP TABLE DROP TABLE

• CHECK: محدود کردن مقادیر خاص در ستون‌ها CHECK: limiting specific values in columns

• CHECK CHECK

• ADD COLUMN: افزودن ستون جدید ADD COLUMN: adding new column

• ADD COLUMN ADD COLUMN

• MODIFY COLUMN: جایگزینی انواع داده‌ها MODIFY COLUMN: replacing data types

• MODIFY COLUMN MODIFY COLUMN

• RENAME COLUMN: تغییر نام ستون‌ها RENAME COLUMN: changing column names

• RENAME COLUMN RENAME COLUMN

• DROP COLUMN: حذف ستون‌ها DROP COLUMN: deleting columns

• DROP COLUMN DROP COLUMN

• ADD CONSTRAINT: افزودن کلید اصلی ADD CONSTRAINT: adding primary key

• ADD CONSTRAINT ADD CONSTRAINT

• ADD CONSTRAINT...REFERENCES: افزودن کلید خارجی ADD CONSTRAINT….REFERENCES: adding foreign key

• ADD CONSTRAINT...REFERENCES ADD CONSTRAINT….REFERENCES

• DROP CONSTRAINT: حذف کلیدها DROP CONSTRAINT: deleting keys

• DROP CONSTRAINT DROP CONSTRAINT

• CREATE INDEX: ساخت ایندکس جدید CREATE INDEX: creating new index

• CREATE INDEX CREATE INDEX

• CREATE UNIQUE INDEX: ساخت ایندکس بدون تکرار CREATE UNIQUE INDEX: creating index without duplicates

• CREATE UNIQUE INDEX CREATE UNIQUE INDEX

• DROP INDEX: حذف ایندکس موجود DROP INDEX: deleting existing index

• DROP INDEX DROP INDEX

• IS NULL: فیلتر کردن مقادیر موجود IS NULL: filtering the actual values out

• IS NULL IS NULL

• IS NOT NULL: فیلتر کردن مقادیر گمشده IS NOT NULL: filtering the missing values out

• IS NOT NULL IS NOT NULL

• AND: ترکیب دو یا چند شرط AND: combining two or more conditions

• AND AND

• OR: عملگر منطقی منعطف OR: flexible logical operator

• OR. OR.

• NOT: استثنا کردن مقادیر از فیلترینگ NOT: excluding values from filteration

• NOT NOT

• BETWEEN...AND: فیلتر کردن بازه مقادیر BETWEEN...AND: filtering ranges of values

• BETWEEN...AND BETWEEN...AND

• LIKE: فیلتر بر اساس الگو LIKE: filtering based on pattern

• LIKE LIKE

• IN: منطق دقیق برای شرایط متعدد IN: precise logic for multiple conditions

• LIMIT: فیلتر با داده‌های محدود LIMIT: filtering with limited data

• LIMIT LIMIT

• CHAR_LENGTH: یافتن طول متن CHAR_LENGTH: finding the length of text

• CONCAT: چسباندن رشته‌های مختلف به هم CONCAT: adding different strings together

• CONCAT CONCAT

• LOWER: تبدیل به حروف کوچک LOWER: converting into lowercase

• LOWER LOWER

• UPPER: تبدیل به حروف بزرگ UPPER: converting into uppercase

• UPPER UPPER

• TRIM: حذف فاصله‌های اضافی TRIM: removing unnecessary gaps

• TRIM TRIM

• REPLACE: جایگزینی مقدار قدیمی با مقدار جدید REPLACE: replacing old value by new value

• REPLACE REPLACE

• ABS: تبدیل مقدار منفی به مثبت ABS: negative to positive value

• ABS ABS

• SUM: محاسبه مقدار کل SUM: calculating the total value

• SUM SUM

• AVG: محاسبه مقدار میانگین AVG: calculating the average value

• AVG AVG

• COUNT: شمارش کل آیتم‌ها COUNT: counting total items

• COUNT COUNT

• DIV: تقسیم داده‌های عددی DIV: dividing numeric data

• MIN: یافتن کمترین مقدار MIN: finding the lowest value

• MIN MIN

• MAX: یافتن بیشترین مقدار MAX: finding the highest value

• MAX MAX

• POWER: ضرب‌های متوالی POWER: multiple multiplications

• POWER POWER

• ROUND: کاهش ارقام اعشار ROUND: decreasing the decimals

• ROUND ROUND

• SQRT و LOG: توابع تبدیل SQRT and LOG: transformation functions

• SQRT SQRT

• DATEFORMAT: فرمت‌بندی شکل تاریخ DATEFORMAT: formatting the date shape

• DATEFORMAT DATEFORMAT

• DATEDIFF: یافتن اختلاف تاریخ DATEDIFF: finding the date difference

• DATEDIFF DATEDIFF

• DAY/MONTH/YEAR: استخراج بخش‌های تاریخ DAY/MONTH/YEAR: extracting parts of dates

• YEAR YEAR

• ORDER BY: مرتب‌سازی داده‌ها بر اساس یک ستون ORDER BY: sorting data based on a column

• ORDER BY ORDER BY

• GROUP BY: تحلیل گروهی داده‌ها با توابع GROUP BY: group data analysis with functions

• GROUP BY GROUP BY

• INNER JOIN: ادغام بر اساس مقادیر مشترک INNER JOIN: joining on common values

• INNER JOIN INNER JOIN

• LEFT JOIN: ادغام بر اساس مقادیر جدول چپ LEFT JOIN: joining on left table values

• LEFT JOIN LEFT JOIN

• RIGHT JOIN: ادغام بر اساس مقادیر جدول راست RIGHT JOIN: joining on right table values

• RIGHT JOIN RIGHT JOIN

• CROSS JOIN: ادغام تمام مقادیر جداول CROSS JOIN: joining all values from tables

• CROSS JOIN CROSS JOIN

• HAVING: فرمت شرطی پیشرفته HAVING: advanced conditional format

• HAVING HAVING

• EXISTS: فیلترینگ تو در تو بین جداول EXISTS: nested filtering between tables

• EXISTS EXISTS

• ANY: فیلترینگ تو در تو بین جداول ANY: nested filtering between tables

• ANY ANY

• CASE: یافتن نتایج شرطی CASE: finding the conditional outcomes

• CASE CASE

• سیستم‌های کامنت در SQL SQL comments systems

• ذخیره و اجرای Procedureها Storing and executing procedures

PowerBI: هوش تجاری (BI) به صورت کامل PowerBI - Complete Business Intelligence

• دستورات این فصل Instructions for this Chapter

• دانلود مجموعه‌داده‌های تمرینی Download practice datasets

• دانلود Power BI Desktop Downloading Power BI desktop

• تنظیمات مهم Power BI Important setting to Power BI

• وارد کردن مجموعه‌داده به Power BI Importing dataset into Power BI

• اصلاح نام‌های جدول و ستون Adjusting table and column names

• تنظیم انواع داده‌های صحیح Setting correct data types

• تقسیم و حذف ستون Splitting and removing column

• جایگزینی مقادیر در یک ستون Replacing values in a column

• دستکاری داده‌های متنی Text data manipulation

• تحلیل داده‌های عددی Numeric data analysis

• دستکاری تاریخ و زمان Date and time manipulation

• ستون شرطی Conditional column

• گروه‌بندی و تجمیع Grouping and aggregating

• ادغام مجموعه‌داده‌ها Joining datasets

• الحاق مجموعه‌داده‌ها Concatenating datasets

• درک مدل‌سازی داده‌ها Understanding data modeling

• ساخت مدل داده در Power BI Creating data model in Power BI

• مدیریت و ویرایش مدل‌های داده Managing & editing data models

• فرمت‌ها و دسته‌بندی‌های ستون داده Data column formats & categories

• ساخت و مدیریت سلسله‌مراتب (Hierarchies) Creating & managing hierarchies

• DAX برای ریاضیات و آمار DAX for math and statistics

• DAX برای شمارش دسته‌ها DAX for counting categories

• DAX برای توابع منطقی DAX for logical functions

• شروع کار با داشبورد Getting started with dashboard

• نصب کارت‌های KPI Installing KPI cards

• رسم نمودار خطی Plotting line chart

• توسعه نمودار ناحیه‌ای (Area chart) Developing area chart

• نصب نمودارهای Gauge Installing gauge charts

• تزیین داشبورد Decorating dashboard

• ساخت نمودارهای ستونی Creating bar charts

• نصب نمودار دوناتی Installing donut chart

• بصری‌سازی ماتریس جدولی Table matrix visualization

• بصری‌سازی نقشه Map visualization

• ویژه: Tooltip در Power BI SPEACIAL: Power BI tooltip

• ویژه: Slicers برای تعامل SPECIAL: Slicers for interactivity

• ویژه: افزودن دکمه‌های سفارشی SPECIAL: Adding custom button

• مهم: لمس نهایی IMPORTANT: Final touch

Excel: تحلیل داده و آمار به صورت کامل Excel - Complete Data Analytics and Statistics

• یادداشت اضافی درباره توابع و میان‌برها Extra note on functions and shortcuts

• مجموعه‌داده‌ها برای تمرینات اکسل Datasets for excel practices

• شناسایی و حذف تکراری‌ها Identifying and removing duplicates

• مدیریت مقادیر گمشده Dealing with missing values

• مدیریت داده‌های پرت (Outliers) Dealing with outliers

• یافتن و جایگذاری مقادیر ناسازگار Finding and imputing inconsistent values

• تبدیل متن به ستون برای جداسازی داده‌ها Text-to-columns for data separation

• پاک‌سازی و فرمت‌بندی داده‌ها Data Cleaning and Formatting

• به‌کارگیری مرتب‌سازی و فیلتر برای محدود کردن داده‌ها Applying sorts & filters to narrow down data

• فیلترینگ پیشرفته با معیارهای سفارشی Advanced filtering with custom criteria

• مرتب‌سازی و فیلترینگ داده‌ها Data Sorting and Filtering

• هایلایت کردن سلول‌ها بر اساس معیارها Highlighting cells based on criteria

• یافتن بینش‌های Top و Bottom Findings top and bottom insights

• ساخت مقیاس‌های رنگی و نوارهای رنگی Creating color scales and color bars

• به‌کارگیری Conditional Formatting Apply Conditional Formatting

• SUM, AVERAGE, MIN, و MAX SUM, AVERAGE, MIN, and MAX

• SUMIF و AVERAGEIF SUMIF, and AVERAGEIF

• COUNT, COUNTA, و COUNTIF COUNT, COUNTA, and COUNTIF

• YEAR, MONTH و DAY YEAR, MONTH and DAY

• فرمول‌ها و توابع Formulas and Functions

• دستورات IF برای عملیات شرطی IF STATEMENTs for conditional operation

• VLOOKUP برای جستجوی بینشی ستونی VLOOKUP for column-wise insight search

• HLOOKUP برای جستجوی بینشی ردیفی HLOOKUP for row-wise insight search

• XLOOKUP برای جستجوی بینشی قدرتمند و پیچیده XLOOKUP for robust & complex insight search

• فرمول‌ها و توابع پیشرفته Advanced Formulas and Functions

• تحلیل داده‌ها با نمودارهای ستونی Stacked و Cluster Analyze data with Stacked and cluster bar charts

• تحلیل داده‌ها با نمودار دایره‌ای و خطی Analyze data with Pie chart and line chart

• تحلیل داده‌ها با نمودار ناحیه‌ای و TreeMap Analyze data with Area chart and TreeMap

• تحلیل داده‌ها با Boxplot و هیستوگرام Analyze data with Boxplot and Histogram

• تحلیل داده‌ها با Scatter plot و Combo chart Analyze data with Scatter plot and Combo chart

• تنظیم و تزیین گراف‌ها و نمودارها Adjusting and decorating graphs and charts

• ابزارهای بصری‌سازی داده‌ها Data Visualization Tools

• جداول Pivot برای تحلیل گروهی داده‌ها PivotTables for GROUP data analysis

• جداول Pivot برای تحلیل CROSSTAB PivotTables for CROSSTAB analysis

• PivotCharts و Slicers برای تعامل PivotCharts and Slicers for interactivity

• جداول Pivot برای تحلیل PivotTables for analysis

• آمار توصیفی و تحلیل Descriptive statistics and analysis

• آزمون T نمونه‌های مستقل برای دو نمونه Independent sample t-test for two samples

• آزمون T نمونه‌های جفت‌شده برای دو نمونه Paired sample t-test for two samples

• تحلیل واریانس - One way ANOVA Analysis of variance – One way ANOVA

• Data Analysis ToolPack Data Analysis ToolPack

• تحلیل همبستگی برای سنجش رابطه Correlation analysis for relationship

• تحلیل رگرسیون خطی چندگانه Multiple linear regression analysis

• تحلیل آماری پیشرفته داده‌ها Advanced Statistical Data Analysis

• جمع‌آوری اطلاعات مرتبط Accumulating relevant information

• ساخت بوم (Canvas) برای داشبورد Creating a canvas for dashboard

• توسعه کامل داشبورد Developing the complete dashboard

• لمس نهایی برای تزیین داشبورد Final touch up for dashboard decoration

• ساخت داشبورد با استفاده از اکسل Creating dashboard using Excel

پروژه‌های نهایی: پایتون، SQL، PowerBI و اکسل Capstone Projects - Python, SQL, PowerBI & Excel

• پروژه ۱: تحلیل داده‌های ریزش مشتریان بانک PROJECT 1 - Bank Churn Data Analysis

• پروژه ۲: بخش‌بندی و طبقه‌بندی بهترین مهاجمان PROJECT 2 - Segmenting and Classifying the Best Strikers

• پروژه ۳: ساخت داشبورد با معیارهای وب‌سایت PROJECT 3 - Build Dashboard with Website Metrics

• پروژه ۴: دستکاری و تحلیل داده‌های منابع انسانی PROJECT 4 - HR Data Manipulation and Analysis

پیوست: ChatGPT برای تحلیل داده‌های بدون نقص APPENDIX - ChatGPT for Seamless Data Analytics

• دانلود مجموعه‌داده‌های تمرینی Download practice datasets

• ساخت حساب ChatGPT پرمیوم Creating ChatGPT premium account

• شروع کار با GPT 4 Data Analyst Getting Started with GPT-4 Data Analyst

• پاک‌سازی و دستکاری داده‌ها Data cleaning and manipulation

• تحلیل داده‌ها و آزمون فرضیات Data analysis and hypothesis testing

• توسعه مدل‌های یادگیری ماشین Develop machine learning models

• کدنویسی سریع برای تحلیل داده‌ها Rapid coding for data analysis