آموزش مهندسی سریع برای تجزیه و تحلیل داده Python، Pandas، ChatGPT

Prompt Engineering for Data Analysis Python, Pandas, ChatGPT

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: ChatGPT و Python. بدون نیاز به کدنویسی تجزیه و تحلیل داده ها و تجسم داده ها با ChatGPT، پایتون، پانداها و مهندسی سریع با اطمینان کامل به کارهای تجزیه و تحلیل داده ها با پایتون و پانداها، حتی بدون تجربه قبلی در کدنویسی نزدیک شوید. از قدرت ChatGPT استفاده کنید و از تکنیک‌های مهندسی سریع استفاده کنید تا کدهای دقیق و باکیفیت را برای تجزیه و تحلیل و تجسم داده‌ها تولید کنید. کدهای ایجاد شده توسط ChatGPT را به طور یکپارچه در گردش‌های کاری پایتون و پانداهای خود ادغام کنید و در زمان و تلاش برای کدنویسی دستی صرفه‌جویی کنید. با ایجاد اعلان‌های بهینه‌سازی شده که هوش مصنوعی را برای ایجاد نتایج دلخواه راهنمایی می‌کند، به طور مؤثر با ChatGPT ارتباط برقرار کنید. در استفاده از Jupyter Notebook و Google Colab تسلط داشته باشید و تجربه یادگیری روان و سازنده ای را ایجاد کنید. در واردات و صادرات انواع فایل های داده در پایتون مهارت کسب کنید و تطبیق پذیری آنها را به عنوان تحلیلگر داده افزایش دهید. با استفاده از کتابخانه Matplotlib برای پشتیبانی از فرآیندهای تصمیم‌گیری مبتنی بر داده، تجسم‌های داده‌ای جذاب و آموزنده ایجاد کنید. یک پایه قوی در پایتون، پانداها و تجزیه و تحلیل داده ها ایجاد کنید و راه را برای یادگیری آینده و رشد حرفه ای در این زمینه هموار کنید. پیش نیازها: هیچ تجربه قبلی با هوش مصنوعی یا برنامه نویسی لازم نیست، اما اشتیاق برای یادگیری و کشف فناوری های جدید یک امتیاز مثبت است!

مهندسی سریع برای تجزیه و تحلیل داده ها با پایتون، پانداها ChatGPT" یک دوره پیشگامانه است که به شما امکان می دهد با استفاده از فناوری باورنکردنی ChatGPT از آخرین پیشرفت های هوش مصنوعی استفاده کنید. روش تدریس نوآورانه ما به شما امکان می دهد تا از طریق مهندسی سریع کدنویسی را بیاموزید و حذف کنید. نیاز به نوشتن یک خط کد. این رویکرد به گونه ای طراحی شده است که برنامه نویسی را حتی برای مبتدیان کاملاً در دسترس و لذت بخش قرار دهد.

برای کسانی که قبلاً در تجزیه و تحلیل داده ها با استفاده از پایتون تجربه داشته اند، این دوره فرصتی را برای تغییر بازی ارائه می دهد تا سرعت و کارایی کدنویسی شما را به طور چشمگیری افزایش دهد. با استفاده از قابلیت‌های GPT، یاد می‌گیرید که چگونه از تکنیک‌های مهندسی سریع برای هدایت ChatGPT در تولید کد دقیق و با کیفیت بالا و متناسب با نیازهای خاص خود استفاده کنید. این مجموعه مهارت های متحول کننده به شما امکان می دهد تا روی حل مشکلات پیچیده تجزیه و تحلیل داده ها تمرکز کنید در حالی که ChatGPT وظیفه نوشتن کد را بر عهده دارد و در نهایت در زمان و تلاش شما صرفه جویی می کند.


در طول دوره، ما عمیقاً به دنیای مهندسی سریع می پردازیم و چگونگی انجام موارد زیر را بررسی می کنیم:

  1. پیشنهادهای موثری را فرموله کنید که ChatGPT را برای تولید کد مورد نظر راهنمایی می کند

  2. پیشنهادهای خود را برای نتایج بهتر و افزایش دقت اصلاح و بهینه کنید

  3. کدهای ایجاد شده توسط ChatGPT را به طور یکپارچه در گردش کار پایتون و پاندا ادغام کنید

  4. کد ایجاد شده توسط ChatGPT را عیب‌یابی و تکرار کنید تا مطمئن شوید که نیازهای شما را برآورده می‌کند

  5. از پتانسیل ChatGPT برای خودکارسازی کارهای تکراری استفاده کنید و زمان خود را برای تجزیه و تحلیل مهم‌تر آزاد کنید


این دوره چه چیزی را پوشش می دهد: شما سفری جذاب را آغاز خواهید کرد که با مقدمه ای بر ChatGPT و هنر مهندسی سریع آغاز می شود. همانطور که عمیق تر می شوید، آسانی نصب Anaconda و کار با Jupyter Notebook و Google Colab را خواهید یافت، دو ابزار قدرتمندی که در طول فرآیند یادگیری به متحدان قابل اعتماد شما تبدیل خواهند شد.

در ادامه این مسیر هیجان انگیز، یک دوره ی خرابی در مبانی پایتون به شما ارائه خواهیم داد، و اطمینان حاصل می کنیم که در حین پیشرفت شما، پایه ای محکم برای ساختن آن ایجاد کنید. در مرحله بعد، شما ملزومات پانداها را کاوش خواهید کرد، و در هنر کار با سری، فریم های داده و فریم های داده متعدد تسلط خواهید یافت تا به راحتی داده ها را به راحتی دستکاری و تجزیه و تحلیل کنید.

سپس این دوره شما را با استفاده از کتابخانه همه کاره Matplotlib به کاوشی جذاب در تجسم داده ها می برد و به شما امکان می دهد تصاویری خیره کننده و آموزنده برای پشتیبانی از تجزیه و تحلیل داده های خود ایجاد کنید. در نهایت، نکات و نکات مربوط به وارد کردن و صادرات انواع فایل های داده در پایتون را یاد خواهید گرفت، مجموعه مهارت های خود را کامل می کند و شما را به یک تحلیلگر داده قدرتمند تبدیل می کند.

در طول این تجربه همهجانبه، ما دانش و مهارت‌ها را در یک روایت یکپارچه با هم ترکیب می‌کنیم و تضمین می‌کنیم که درک عمیقی از مفاهیم و کاربردهای عملی آنها ایجاد کنید. اکنون ثبت نام کنید و سفر تجزیه و تحلیل داده های خود را به یک ماجراجویی جذاب و با ارزش تبدیل کنید!


با «مهندسی سریع برای تجزیه و تحلیل داده ها با پایتون، پانداها ChatGPT»، پتانسیل کامل هوش مصنوعی را در سفر کدنویسی خود باز خواهید کرد، روشی را که به تجزیه و تحلیل داده‌ها نزدیک می‌شوید تغییر می‌دهد و دنیایی از امکانات جدید را باز می‌کند. اکنون ثبت نام کنید و مهارت های تجزیه و تحلیل داده های خود را به سطح کاملاً جدیدی ارتقا دهید!


سرفصل ها و درس ها

معرفی Introduction

  • معرفی Introduction

  • پیش نمایش سریع قدرت ChatGPT برای تجزیه و تحلیل داده ها Quick Preview on the Power of ChatGPT for Data Analysis

  • منابع ارائه شده در این دوره Resources provided in this course

  • طرح کلی دوره Course Outline

  • دانلود منابع Download Resources

مقدمه ای بر ChatGPT Introduction to ChatGPT

  • معرفی GPT 4 GPT 4 Intro

  • دستورات اساسی برای شروع Basic prompts to start with

  • پیش نویس یک درخواست Drafting a Prompt

  • تهیه پیش نویس دستور ادامه یافت Drafting a prompt continued

  • هنر دنبال کردن دستور می دهد The art of follow up prompts

مبانی مهندسی سریع Basics of Prompt Engineering

  • مقدمه ای بر مهندسی سریع Intro to Prompt Engineering

  • فرآیند پیش نویس و پالایش درخواست ها The Process of Drafting and Refining Prompts

  • انواع تلقین Types of Prompting

  • درخواست پرایمینگ Priming Prompt

  • تجزیه وظیفه Task Decomposition

Anaconda را در مک دانلود، نصب و راه اندازی کنید Download, Install and Setup Anaconda on Mac

  • آناکوندا را دانلود کنید Download Anaconda

  • آناکوندا را در مک نصب کنید Install Anaconda on Mac

  • Conda را از ترمینال باز کنید و محیط ایجاد کنید Open Conda from Terminal and Create Environment

  • محیط‌ها و کتابخانه‌ها Environments & Libraries

  • نوت بوک Jupyter را باز کنید Open Jupyter Notebook

  • بستن ژوپیتر و ترمینال Closing Jupyter and Terminal

دانلود و بر روی ویندوز نصب کنید Download and Install on Windows

  • نصب آناکوندا در ویندوز Installing Anaconda on Windows

معرفی نوت بوک Jupyter Intro to Jupyter Notebook

  • اسکریپت های جدید پایتون را باز کرده و ذخیره کنید Open and save new python scripts

  • میانبرهای صفحه کلید در Jupyter Keyboard Shortcuts in Jupyter

  • هدر در ژوپیتر Header in Jupyter

  • انواع و حالت های سلول در JupyterNotebook Cell Types & Modes in JupyterNotebook

  • خروجی از سلول های Jupyter Outputs from Jupyter Cells

  • واردات کتابخانه ها Importing Libraries

کدنویسی با Google Collab Coding with Google Collab

  • راهی سریع برای شروع کدنویسی بدون نصب هیچ نرم افزاری A quick way to start coding without installing any software

دوره سقوط پایتون Python Crash Course

  • کار با نظرات Working with comments

  • انواع داده ها در پایتون Data Types in Python

  • اپراتورها Operators

  • کار با متغیرها Working with variables

  • چندین بار به روز رسانی مقادیر متغیر updating variable values multiple times

  • توابع داخلی در پایتون Built-in functions in Python

  • توابع سفارشی Custom Functions

  • روش های رشته ای String Methods

  • تغییر متغیرهای موجود با متدهای رشته ای Modifying existing variables with string methods

  • توابع In & Not In In & Not In functions

  • کار با Lists Type Data Working with Lists Data Type

  • فهرست و برش Index and Slicing

  • دیکشنری نوع داده و تابع IF Data Type Dictionary and IF function

  • برای حلقه For Loop

سریال در پانداها Series in Pandas

  • مقدمه بخش سری Intro to Series Section

  • سری ها چیست What are Series

  • تبدیل انواع داده های مختلف به سری Converting different data types into Series

  • روش های سری Series Methods

  • درک عملکرد PD.Series با GPT Understanding the PD.Series Function with GPT

  • وارد کردن یک ستون به عنوان یک سری از CSV Importing a column as a Series from CSV

  • اعمال توابع اساسی در مجموعه داده های سری Apply basic functions on series data set

  • فیلتر، بازنویسی داده های خاص در سری و روش Get در روش Get Filter, Overwrite specific data in the series and Get method on Get Method

  • توابع سفارشی و .apply() در یک سری Custom Functions and .apply() on a Series

  • ویژگی های سری Series Attributes

  • کار با مقادیر گمشده NaN Working with Missing Values NaN

کار با DataFrame Working with a DataFrame

  • معرفی بخش DataFrame Intro to DataFrame section

  • وارد کردن یک دیتافریم از CSV Importing a dataframe from CSV

  • کار با مقادیر از دست رفته (NaN). Working with missing (NaN) values

  • استخراج اعداد از یک ستون رشته Extracting numbers from a string column

  • فیلتر و مرتب سازی ستون ها Filter & Sort Columns

  • ردیف های تکراری را شناسایی و حذف کنید Identify and remove duplicate rows

  • فیلتر کردن قاب داده ها بر اساس مقادیر ستون های خاص Filtering data frame by specific columns values

  • فیلتر کردن بر اساس شرایط ستون های متعدد Filtering by multiple column conditions

  • ستون های متن را با تجزیه رشته ها فیلتر کنید Filter text columns by parsing strings

  • فیلتر توسط یک یا بیش از یک ستون Filter by one and more than one columns

تسلط بر تابع GroupBy با استفاده از مهندسی سریع Mastering GroupBy function using prompt engineering

  • معرفی GroupBy Intro to GroupBy

  • استفاده از GroupBy برای تجزیه و تحلیل اکتشافی و بینش داده ها Using GroupBy for exploratory analysis and data insights

  • GroupBy توسط چندین ستون و روش جمع GroupBy by multiple columns & Aggregate method

کار با چند دیتا فریم Working with Multiple DataFrames

  • معرفی مجموعه داده های مورد استفاده در این بخش Intro to the Dataset used in this section

  • DataFrames را با Concat & Append ترکیب کنید Combine DataFrames with Concat & Append

  • ادغام مجموعه داده بر اساس یک ستون KEY Merging Dataset based on one KEY column

  • ادغام بر اساس چندین ستون Merging based on multiple columns

  • پارامتر "How" برای ادغام چند فریم داده "How" parameter for merging multiple dataframes

  • ترکیب دیتافریم ها با استفاده از "Left" Join Combining dataframes using "Left" Join

  • ادغام مجموعه داده با "چپ" و "راست" با استفاده از پارامترهای کلیدی مختلف بپیوندید Merging dataset with "Left" & "Right" Join by using different key parameters

تجسم ها Visualisations

  • مقدمه ای بر بخش تجسم Introduction to Visualisation Section

  • استخراج اطلاعات قیمت سهام اپل با استفاده از کتابخانه مالی Yahoo Extract Apple Stock Price data using Yahoo Finance Library

  • نقشه برداری با کتابخانه Matplotlib Plotting with Matplotlib library

  • درک ویژگی‌های تجسم موجود Understanding visualisations features available

  • ویژگی های تجسم ادامه یافت Visualisation features continued

  • استفاده از ویژگی های تجسم در قیمت سهام AAPL Applying visualisations features on AAPL stock price

  • طرح درصد تغییر قیمت ها Plotting percent change in prices

  • ترسیم یک هیستوگرام Plotting a Histogram

  • اصلاح زیبایی بصری هیستوگرام Modifying the visual aesthetics of the histogram

  • یک نمودار دایره ای ایجاد کنید Create a Pie Chart

واردات و صادرات داده ها در پایتون Importing and Exporting data in Python

  • مقدمه ای بر واردات و صادرات داده ها Intro to Importing and Exporting data

  • وارد کردن داده ها از آدرس اینترنتی Importing data from a url

  • صادرات داده به اکسل Exporting data to excel

  • صادر کردن داده‌ها به‌عنوان فایل‌های «csv.» و «txt.». Exporting data as ".csv" & ".txt" files

  • وارد کردن چندین فایل به عنوان فریم های داده از مسیر/مکان پوشه Importing multiple files as data frames from a folder path / location

  • وارد کردن چندین فایل ادامه یافت Importing multiple files continued

پروژه 1 - کاوش داده در مجموعه داده های معاملات تجارت الکترونیک Project 1 - Data Exploration on E-Commerce Transaction Data Set

  • معاملات تجارت الکترونیک E-commerce Transactions

پروژه 2 - مجموعه داده حقوق سانفرانسیسکو Project 2 - San Fransisco Salaries Dataset

  • کاوش و تمیز کردن مجموعه داده های مجموعه داده Exploring and cleaning data set data set

  • ترسیم سری زمانی حقوق برای عناوین شغلی مختلف Plotting time series of salaries for various job titles

پروژه 3 - تحلیل همبستگی بر روی عواملی که موفقیت فیلم را تعیین می کنند Project 3 - A correlation analysis on factors that determine movie's success

  • نقشه حرارتی همبستگی در مجموعه داده های فیلم Correlation heatmap on movies data set

پروژه 4 - تحلیل عملکرد سرمایه گذاری تاریخی سهام Project 4 - Analysing historical investment performance of stocks

  • تجزیه و تحلیل قیمت سهام با استفاده از یاهو فاینانس Stock price analysis using yahoo finance

تبریک می گویم Congratulations

  • تبریک میگم Congrats

نمایش نظرات

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.

آموزش مهندسی سریع برای تجزیه و تحلیل داده Python، Pandas، ChatGPT
جزییات دوره
10.5 hours
96
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
738
4.4 از 5
دارد
دارد
دارد
Saad A
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Saad A Saad A

داده و امور مالی