لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
نمایش نظرات