آموزش تحلیل داده‌ها با پایتون - آخرین آپدیت

دانلود Data Analysis With Python

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: پایتون یک مهارت کلیدی برای هر کسی است که با داده‌ها کار می‌کند و این دوره به شما نشان می‌دهد که چگونه دقیقاً از آن در عمل استفاده کنید. از طریق مثال‌های واقعی، شما یک گردش کار کامل تحلیل داده‌ها را با استفاده از چهار مورد از قدرتمندترین کتابخانه‌های پایتون یعنی NumPy، Pandas، Matplotlib و Seaborn خواهید ساخت. شما با بارگذاری و پاک‌سازی مجموعه‌داده‌های نامنظم شروع می‌کنید و سپس به سراغ تکنیک‌های رایج تحلیل آماری و تبدیل داده‌ها می‌روید. در نهایت، بینش‌های به‌دست آمده خود را با بصری‌سازی‌های واضح و متقاعدکننده به تصویر می‌کشید. چه تازه وارد دنیای داده‌ها شده باشید و چه بخواهید مبانی پایتون خود را تقویت کنید، این دوره ابزارها و اعتمادبه‌نفس لازم برای تبدیل داده‌های خام به نتایج اثرگذار را به شما می‌دهد.

سرفصل ها و درس ها

مقدمه دوره Course Introduction

  • مقدمه دوره Course Introduction

  • دانلود فایل‌های دانشجویی Download Student Files

بارگذاری و پاک‌سازی داده‌ها Loading & Cleaning Data

  • مقدمه فصل: بارگذاری و پاک‌سازی داده‌ها Chapter Introduction - Loading & Cleaning Data

  • آشنایی با NumPy و Pandas Introduction to NumPy & Pandas

  • آرایه‌های NumPy NumPy Arrays

  • عملیات با آرایه‌های NumPy Operations with NumPy Arrays

  • سری‌های Pandas (Series) Pandas Series

  • عملیات با سری‌های Pandas Operations with Pandas Series

  • دیتافریم‌های Pandas (DataFrame) Pandas DataFrame

  • بارگذاری داده‌ها Loading Data

  • تولید داده‌ها با NumPy Generating Data with NumPy

  • تولید داده‌ها با متد random() در NumPy Generating Data with NumPy random()

  • وارد کردن داده‌ها با استفاده از پکیج‌ها Importing Data with Packages

  • وارد کردن داده‌ها از فایل csv Importing Data from csv

  • پاک‌سازی داده‌ها Cleaning Data

  • کاوش در داده‌ها Exploring Data

  • تغییر نام ستون‌ها، انواع داده‌ها و ایندکس‌ها Changing Column Names, Data Types, & Indicies

  • شناسایی مقادیر گم‌شده Identifying Missing Values

  • پر کردن مقادیر گم‌شده Filling Missing Values

  • پاک‌سازی مقادیر تکراری Cleaning Duplicate Values

  • پاک‌سازی داده‌های نادرست Cleaning Erroneous Data

  • خروجی گرفتن از داده‌ها Exporting Data

  • تمرین فصل: بارگذاری و پاک‌سازی داده‌ها Chapter Exercise - Loading & Cleaning Data

  • بررسی تمرین فصل Chapter Exercise Review

تحلیل داده‌ها Analyzing Data

  • مقدمه فصل: تحلیل داده‌ها Chapter Introduction - Analyzing Data

  • تبدیل داده‌ها Transforming Data

  • انتخاب ستون‌ها از یک دیتافریم Selecting Columns from a DataFrame

  • فیلتر کردن ردیف‌های یک دیتافریم Filtering Rows from a DataFrame

  • زیرمجموعه‌سازی با loc و iloc Subsetting with loc & iloc

  • حذف ردیف‌ها با متد drop() Removing Rows with drop()

  • ایجاد و تبدیل ستون‌ها Creating & Transforming Columns

  • مرتب‌سازی ستون‌ها Sorting Columns

  • گروه‌بندی و تجمیع (Aggregation) Grouping & Aggregation

  • ترکیب داده‌ها Combining Data

  • تحلیل آماری Statistical Analysis

  • معیارهای گرایش به مرکز Measures of Central Tendency

  • معیارهای پراکندگی Measures of Dispersion-cleaned

  • محاسبه z-score Calculating a z-score-cleaned

  • شناسایی داده‌های پرت (Outliers) Identifying Outliers-cleaned

  • اندازه‌گیری همبستگی Measuring Correlation

  • تمرین فصل: تحلیل داده‌ها Chapter Exercise - Analyzing Data

  • بررسی تمرین فصل Chapter Exercise Review

بصری‌سازی داده‌ها Visualizing Data

  • مقدمه فصل: بصری‌سازی داده‌ها Chapter Introduction - Visualizing Data

  • بصری‌سازی داده‌ها برای تحلیل اکتشافی Visualizing Data for Exploratory Analysis

  • ساخت دیتافریم‌ها برای بصری‌سازی Building the DataFrames to Visualize

  • به‌روزرسانی دیتافریم‌ها برای بصری‌سازی Updating the DataFrames to Visualize

  • رسم هیستوگرام‌ها Creating Histograms

  • رسم نمودارهای جعبه‌ای (Box Plots) Creating Box Plots

  • رسم نمودار Pairplot Creating a Pairplot

  • رسم نقشه حرارتی (Heatmap) ماتریس همبستگی Creating a Correlation Matrix Heatmap

  • بصری‌سازی داده‌ها برای اشتراک‌گذاری بینش‌ها Visualizing Data for Sharing Insights

  • بازسازی دیتافریم‌ها برای بصری‌سازی Rebuilding the DataFrames to Visualize

  • رسم نمودارهای پراکندگی (Scatter Plots) Creating Scatter Plots

  • فرمت‌بندی نمودارهای پراکندگی Formatting Scatter Plots

  • رسم نمودارهای ستونی (Bar Plots) Creating Bar Plots

  • فرمت‌بندی نمودارهای ستونی Formatting Bar Plots

  • رسم نمودارهای خطی Creating Line Charts

  • فرمت‌بندی نمودارهای خطی Formatting Line Charts

  • تمرین فصل: بصری‌سازی داده‌ها Chapter Exercise - Visualizing Data

  • بررسی تمرین فصل بصری‌سازی داده‌ها Chapter Exercise Review - Visualizing Data

خلاصه دوره Course Summary

  • خلاصه دوره Course Summary

ارزیابی نهایی Qualified Assessment

نمایش نظرات