لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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:
پیشنهادهای موثری را فرموله کنید که ChatGPT را برای تولید کد مورد نظر راهنمایی می کند
پیشنهادهای خود را برای نتایج بهتر و افزایش دقت اصلاح و بهینه کنید
کدهای ایجاد شده توسط ChatGPT را به طور یکپارچه در گردش کار پایتون و پاندا ادغام کنید
کد ایجاد شده توسط ChatGPT را عیبیابی و تکرار کنید تا مطمئن شوید که نیازهای شما را برآورده میکند
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
نمایش نظرات