آموزش مبانی علم داده: NumPy، Pandas و بصری‌سازی داده‌ها - آخرین آپدیت

دانلود Data Science Foundations: NumPy, Pandas & Visualization

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره دارای قابلیت Coursera Coach است! روشی هوشمندانه‌تر برای یادگیری با گفتگوهای تعاملی و بلادرنگ که به شما کمک می‌کند تا دانش خود را آزمایش کنید، پیش‌فرض‌ها را به چالش بکشید و در طول مسیر دوره، درک خود را عمیق‌تر کنید. با تسلط بر پایتون و کتابخانه‌های محبوب مانند NumPy، Pandas، Matplotlib و Seaborn، مهارت‌های بنیادین مورد نیاز برای برتری در علم داده را به دست آورید. این دوره تجربه عملی در زمینه مبانی پایتون، دستکاری داده‌ها و تکنیک‌های بصری‌سازی را فراهم می‌کند که همگی برای ایجاد یک پایه قوی در علم داده ضروری هستند. چه مبتدی باشید و چه به دنبال ارتقای مهارت‌های خود، اعتماد به نفس لازم برای انجام وظایف پیشرفته مدیریت داده‌ها و بصری‌سازی را کسب خواهید کرد. سفر ما با معرفی برنامه‌نویسی پایتون آغاز می‌شود و مفاهیم ضروری مانند متغیرها، دستورات شرطی، حلقه‌ها و توابع را پوشش می‌دهد. سپس، وارد دنیای مدیریت داده‌ها با NumPy می‌شویم و یاد می‌گیریم چگونه آرایه‌ها را مدیریت کنیم، عملیات ریاضی انجام دهیم و داده‌ها را به طور بهینه تغییر شکل دهیم. در ادامه، Pandas را برای دستکاری پیشرفته داده‌ها، از جمله Series و DataFrame بررسی کرده و یاد می‌گیریم چگونه داده‌ها را برای تصمیم‌گیری‌های آگاهانه پاک‌سازی و تبدیل کنیم. در نهایت، در دنیای بصری‌سازی داده‌ها غوطه‌ور خواهید شد و با استفاده از Matplotlib و Seaborn، نمایش‌های بصری جذابی از داده‌ها، از نمودارهای خطی ساده تا نقشه‌های حرارتی (Heatmaps) پیچیده خلق خواهید کرد. در پایان این دوره، درک جامع و قدرتمندی از اکوسیستم علم داده پایتون خواهید داشت که شما را قادر می‌سازد تا با داده‌ها، مسائل دنیای واقعی را حل کنید. این دوره برای مبتدیان علم داده یا هر کسی که به دنبال درک عملی پایتون برای تحلیل داده‌ها است، ایده‌آل است. هیچ تجربه قبلی در برنامه‌نویسی مورد نیاز نیست. اگر کنجکاو هستید وارد دنیای داده‌ها شوید و می‌خواهید یادگیری پایتون را شروع کنید، این دوره منبعی ارزشمند برای شروع مسیر یادگیری شما خواهد بود.

سرفصل ها و درس ها

دوره فشرده پایتون (BONUS) BONUS - Python Crash Course

  • متغیرها در پایتون Variables in Python

  • دستورات شرطی و If Conditionals & If Statement

  • مثال برای دستور If Example for If Statement

  • دستور If Else If-Else Statement

  • مثال از دستور If Else Example of If-Else Statement

  • دستورات If تو در تو Nested If Statement

  • مثال برای If تو در تو Example for Nested If Statement

  • دستور Elif Elif Statement

  • مثال برای دستور Elif Example for Elif Statement

  • حلقه While While Loop

  • حلقه While: شمارش ارقام یک عدد While Loop - Count the Digits in a Number

  • حلقه While: توان سه یک عدد While Loop - Cube of a Number

  • حلقه While: نمایش جدول ضرب While Loop - Display Multiplication Table

  • حلقه While: مجموع ارقام یک عدد While Loop - Sum of Digits in a Given Number

  • حلقه While: مجموع ۱۰ عدد اول While Loop - Sum of First 10 Numbers

  • حلقه For For Loop

  • نمایش اعداد ۱ تا ۱۰ با حلقه For Display Numbers from 1 to 10 Using For Loop

  • محاسبه فاکتوریل با حلقه For Factorial Using For Loop

  • دستورات Break و Continue Break & Continue Statement

  • آشنایی با کانتینرها Introduction to Containers

  • ساخت و دسترسی به لیست‌ها در پایتون Creating and Accessing Lists in Python

  • دسترسی و جستجوی عناصر در لیست Accessing Elements & Searching Element in a List

  • اندیس‌گذاری و برش (Slicing) در لیست List Indexing and Slicing

  • کار با متدهای لیست Working with List Methods

  • کار با عملگرها در لیست‌ها Working with Operators on Lists

  • لیست‌های جامع (List Comprehension) List Comprehension

  • تعریف Tuple Tuple - Definition

  • تاپل‌ها (Tuples) Tuples

  • بررسی وجود عنصر در تاپل Checking Element Inside a Tuple

  • اندیس‌گذاری و برش در تاپل Tuple Indexing & Slicing

  • کار با تاپل‌ها Manipulating Tuples

  • آنپک کردن (Unpacking) تاپل‌ها Unpacking Tuples

  • مجموعه‌ها (Sets) Sets

  • دیکشنری‌ها (Dictionaries) Dictionaries

  • مبانی دیکشنری Basics of Dictionary

  • دسترسی به دیکشنری Accessing Dictionary

  • توابع len، str و type در دیکشنری len, str & type Functions in Dictionary

  • توابع در پایتون Functions in Python

  • برنامه نمونه ۱ درباره توابع Example Program 1 on Functions

  • برنامه نمونه ۲ درباره توابع Example Program 2 on Functions

مدیریت داده‌ها با استفاده از NumPy Data Handling using NumPy

  • آشنایی با ماژول‌ها در پایتون Introduction to Modules in Python

  • ساخت و نمایش آرایه تک‌بعدی (1D) Creating & Displaying 1D Array

  • درک اندیس آرایه تک‌بعدی Understanding 1D Array Index

  • ساخت آرایه‌های صفر و یک Creating Array of 0's and Array of 1's

  • مرتب‌سازی عناصر در آرایه تک‌بعدی Sorting Elements in 1D Array

  • برش (Slicing) در آرایه تک‌بعدی Slicing a 1D Array

  • عملیات ریاضی روی آرایه‌ها Mathematical Operations on Array

  • جستجوی یک عنصر در آرایه Searching an Element in an Array

  • فیلتر کردن آرایه Filtering an Array

  • بررسی خالی بودن یا نبودن آرایه Checking Whether a Given Array is Empty or Not

  • ساخت و نمایش آرایه دوبعدی (2D) Creating & Displaying 2D Array

  • ویژگی ndim ndim Attribute

  • ویژگی Size Size Attribute

  • تغییر شکل و ابعاد آرایه (Shape & Reshape) Shape and Reshape of Array

  • ساخت ماتریس همانی (Identity Matrix) Creating an Identity Matrix

  • تابع arange() arange()

  • تابع linspace() linspace()

  • آرایه تصادفی Random Array

  • ماتریس تصادفی Random Matrix

  • ساخت ماتریس قطری Creating a Diagonal Matrix

  • تخت کردن ماتریس (Flatten) Flatten a Matrix

  • محاسبه اثر ماتریس (Trace) Computing Trace of a Matrix

  • یافتن ترانهاده ماتریس (Transpose) Finding Transpose of a Matrix

  • اندیس‌گذاری منفی برای دسترسی به عناصر آرایه دوبعدی Negative Indexing to Access Elements in a 2D Array

مدیریت داده‌ها با استفاده از Pandas Data Handling using Pandas

  • آشنایی با Pandas Introduction to Pandas

  • کار با Series در Pandas Working with Series in Pandas

  • ترکیب Series با NumPy Combining Series with NumPy

  • یافتن تعداد عناصر در یک Series Finding Number of Elements in a Series

  • محاسبه میانگین، حداکثر و حداقل در Series Computing Mean, Max, and Min in a Series

  • مرتب‌سازی یک Series Sorting a Series

  • نمایش مقادیر منحصر‌به‌فرد در Series Displaying Unique Values in a Series

  • خلاصه‌ای از آمار Series Summary of Series Statistics

  • ساخت DataFrame از روی Series Creating DataFrame from Series

  • ساخت DataFrame از لیستی از دیکشنری‌ها Creating DataFrame from List of Dictionaries

  • دسترسی به DataFrame با اندیس‌گذاری ردیفی و ستونی DataFrame Access using Row-wise and Column-wise Indexing

  • افزودن، تغییر نام و حذف ستون‌ها در DataFrame Add, Rename and Delete Columns in a DataFrame

  • حذف ردیف‌ها و ستون‌ها با drop() Deleting Rows and Columns using drop()

  • اندیس‌گذاری بولی (Boolean Indexing) در DataFrame Boolean Indexing in DataFrames

  • اتصال (Concatenating) دیت‌فریم‌ها Concatenating DataFrames

بصری‌سازی داده‌ها با Matplotlib در پایتون Data Visualization using Matplotlib in Python

  • آشنایی با Matplotlib Introduction to Matplotlib

  • رسم نمودار خطی Creating Line Graph

  • رسم نمودار میله‌ای Creating Bar Graph

  • رسم نمودار پراکندگی (Scatter) Creating Scatter Graph

  • رسم نمودار هیستوگرام Creating Histogram Graph

  • رسم نمودار دایره‌ای (Pie Chart) Creating Pie Chart

  • رسم نمودار سه بعدی (3D Plot) Creating 3D Plot

  • رسم نمودار خطی سه بعدی Creating 3D Line Graph

بصری‌سازی داده‌ها با Seaborn در پایتون Data Visualization using Seaborn in Python

  • بررسی یک مجموعه داده نمونه (قابل دانلود) Understanding a Sample Dataset (Downloadable)

  • آشنایی با Seaborn Introduction to Seaborn

  • نمودار Swarm Plot Swarm Plot

  • نمودار Violin Plot Violin Plot

  • شبکه‌های Facet Grids Facet Grids

  • نقشه حرارتی (Heatmap) Heatmap

نمایش نظرات

آموزش مبانی علم داده: NumPy، Pandas و بصری‌سازی داده‌ها
جزییات دوره
9h 23m
93
(آخرین آپدیت)
250
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده