آموزش پایتون برای تجزیه و تحلیل داده ها و تجسم 2022

Python for Data Analysis & Visualization 2022

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: تسلط بر کتابخانه های اصلی تجزیه و تحلیل داده ها و تجسم در پایتون: Numpy ، Pandas ، Matplotlib ، Seaborn ، Plotly + More

آنچه یاد خواهید گرفت

  • پایتون ، ما در این دوره از Python3 استفاده خواهیم کرد
  • کتابخانه های تجزیه و تحلیل داده ها در پایتون مانند Numpy و Pandas
  • کتابخانه های تجسم داده در پایتون مانند Matplotlib و Seaborn
  • نحوه تجزیه و تحلیل داده ها
  • تجسم داده ها
  • نوت بوک های Jupyter IDE/ANACONDA توزیع

یکی از پر تقاضاترین زبان های برنامه نویسی در جهان را بیاموزید و در مورد تجزیه و تحلیل و تجسم داده ها به مهم ترین کتابخانه ها مسلط شوید.

این دوره را می توان به 3 حوزه کلیدی تقسیم کرد:

  • اولین دوره از دوره بر روی Core Python3 متمرکز است و ملزومات مورد نیاز شما را برای شما می آموزد تا بتوانید به کتابخانه های تدریس شده در این دوره تسلط داشته باشید

  • بخش دوم بر تجزیه و تحلیل و دستکاری داده ها تمرکز دارد. شما یاد خواهید گرفت که چگونه به NumPy و Pandas

    مسلط شوید
  • در بخش پایانی دوره، یاد می گیرید که چگونه داده های خود را در قالب نمودارهای جالب با استفاده از Matplotlib، Seaborn و Plotly Express نمایش دهید

شما از نوت بوک های Jupyter به عنوان بخشی از توزیع Anaconda استفاده خواهید کرد. Jupyter محبوب ترین IDE پایتون موجود است.

این دوره مملو از سخنرانی‌ها، ویدیوهای همراه با کد، تمرین‌های کدنویسی و آزمون‌ها است.

علاوه بر آن، بخش‌های چالشی اختصاصی متعددی وجود دارد که از مجموعه داده‌های جالبی استفاده می‌کنند تا شما را قادر می‌سازند از این کتابخانه‌های خارجی حداکثر استفاده را ببرید.

باید بیش از اندازه کافی باشد که شما را درگیر و یادگیری نگه دارد! به عنوان یک امتیاز اضافی، شما همچنین به تمام سخنرانی ها و همچنین تعداد زیادی از منابع دوره قابل دانلود متشکل از نوت بوک های دقیق دسترسی خواهید داشت.

هدف این دوره این است که شما را در استفاده از پایتون و کتابخانه های تجزیه و تحلیل داده ها و تجسم مهارت دهد.

این دوره برای دانش آموزان در تمام سطوح مناسب است و مهم نیست که از چه سیستم عامل استفاده می کنید.

خلاصه برنامه درسی:

  • راه اندازی نصب

  • Core Python

    • اشیاء، متغیرها و انواع داده پایتون

    • کنترل جریان و حلقه ها

    • توابع

  • کتابخانه های خارجی

  • کتابخانه های تجزیه و تحلیل داده

    • NumPy

    • پاندا

    • اتصال به منابع داده های مختلف

  • کتابخانه های تجسم

    • Matplotlib

    • Seaborn

    • Plotly Express

  • 4 بخش چالش اختصاصی!!!!

این دوره برای چه کسانی است:

  • توسعه دهندگان پایتون در مورد کتابخانه های تجزیه و تحلیل داده ها کنجکاو هستند
  • توسعه دهندگان پایتون در مورد کتابخانه های تجسم داده ها کنجکاو هستند
  • هر کسی که علاقه مند به یادگیری پایتون است
  • تحلیلگران داده
  • هر کسی که با داده کار می کند

سرفصل ها و درس ها

خوش آمد گویی و راه اندازی دوره Course Welcome & Set Up

  • بررسی اجمالی دوره Course Overview

  • Udemy 101 Udemy 101

  • مروری بر پایتون Python Overview

  • نصب و راه اندازی توزیع آناکوندا Anaconda Distribution Installation

  • نوت بوک Jupyter 101 Jupyter Notebook 101

  • نوت بوک Jupyter - افزودن نظرات در سلول ها Jupyter Notebook - Adding Comments in Cells

  • منابع دوره - مهم! Course Resources - Important!

اشیاء، متغیرها و انواع داده ها Objects, Variables and Data Types

  • بررسی اجمالی اشیاء و متغیرها Objects and Variables Overview

  • شماره Numbers

  • متغیرهای عدد صحیح Integer Variables

  • راه حل تمرین کدنویسی Coding Exercise Solution

  • متغیرهای شناور Float Variables

  • راه حل تمرین کدنویسی Coding Exercise Solution

  • رشته های Strings

  • قالب بندی چاپ با رشته ها Print Formatting with Strings

  • راه حل تمرین کدنویسی Coding Exercise Solution

  • عملیات رشته String Operations

  • آزمون فهرست بندی و برش رشته String Indexing and Slicing Quiz

  • روش ها و خصوصیات رشته ای String Methods and Properties

  • روش های رشته ای String Methods

  • راه حل تمرین کدنویسی Coding Exercise Solution

  • الحاق رشته ها و قالب بندی String Concatenation and Formatting

  • لیست ها Lists

  • لیست ها Lists

  • راه حل تمرین کدنویسی Coding Exercise Solution

  • لیست ها Lists

  • لیست ها Lists

  • راه حل تمرین کدنویسی Coding Exercise Solution

  • لغت نامه ها Dictionaries

  • لغت نامه ها Dictionaries

  • راه حل تمرین کدنویسی Coding Exercise Solution

  • تاپل ها و ست ها Tuples and Sets

  • تاپل ها و ست ها Tuples and Sets

  • راه حل تمرین کدنویسی Coding Exercise Solution

  • بولین ها Booleans

  • کلمات کلیدی در پایتون Key Words in Python

  • انواع داده ها Data Types

کنترل جریان و حلقه ها Control Flow and Loops

  • اپراتورهای پایتون Python Operators

  • کنترل جریان Control Flow

  • کنترل جریان Control Flow

  • راه حل تمرین کدنویسی Coding Exercise Solution

  • برای حلقه ها For Loops

  • For Loops (ادامه دارد) For Loops (continued)

  • برای حلقه ها For Loops

  • راه حل تمرین کدنویسی Coding Exercise Solution

  • برای حلقه ها For Loops

  • برای حلقه ها For Loops

  • راه حل تمرین کدنویسی Coding Exercise Solution

  • در حالی که حلقه ها While Loops

  • شکستن، ادامه و تصویب بیانیه ها Break, Continue and Pass Statements

  • لیست درک مطلب List Comprehension

  • درک لیست List Comprehension

  • درک لیست List Comprehension

  • راه حل تمرین کدنویسی Coding Exercise Solution

  • IN و NOT IN IN and NOT IN

کارکرد Functions

  • توابع داخلی Built-In Functions

  • توابع داخلی Built-In Functions

  • توابع داخلی Built-In Functions

  • راه حل تمرین کدنویسی Coding Exercise Solution

  • توابع تعریف شده توسط کاربر User Defined Functions

  • توابع تعریف شده توسط کاربر - مثال ها User Defined Functions - Examples

  • توابع تعریف شده توسط کاربر User Defined Functions

  • راه حل تمرین کدنویسی Coding Exercise Solution

  • توابع تعریف شده توسط کاربر User Defined Functions

  • توابع تعریف شده توسط کاربر User Defined Functions

  • راه حل تمرین کدنویسی Coding Exercise Solution

  • آرگومان ها و آرگومان های کلیدواژه Arguments and Keyword Arguments

  • نقشه و فیلتر Map and Filter

  • توابع لامبدا Lambda Functions

  • توابع لامبدا Lambda Functions

  • راه حل تمرینی برنامه نویسی Coding Exercise Solution

  • راه حل تمرینی برنامه نویسی Coding Exercise Solution

  • خطاها و رسیدگی به استثناها Errors and Exception Handling

بخش چالش - هسته پایتون Challenge Section - Core Python

  • بررسی اجمالی سوالات را به چالش بکشید Challenge Questions Overview

  • راه حل ها Solutions Walkthrough

  • تصحیح: راه حل ها Corection: Solutions

ماژول ها، بسته ها و کتابخانه ها Modules, Packages and Libraries

  • ماژول های داخلی Built-In Modules

  • کتابخانه های خارجی External Libraries

NumPy NumPy

  • نمای کلی NumPy NumPy Overview

  • برش و نمایه سازی آرایه Array Slicing and Indexing

  • توابع دستکاری آرایه Array Manipulation Functions

  • توابع اضافی ایجاد آرایه Additional Array Creation Functions

  • توابع حسابی و ریاضی آرایه Array Arithmetic and Mathematical Functions

  • توابع IO در NumPy IO Functions in NumPy

بخش چالش - NumPy Challenge Section - NumPy

  • سوالات چالشی Challenge Questions

  • راه حل های چالش Challenge Solutions

پانداها Pandas

  • بررسی اجمالی پانداها Pandas Overview

  • معرفی سری Introduction to Series

  • مقدمه ای بر DataFrames Introduction to DataFrames

  • انتخاب داده 1 Selecting Data 1

  • انتخاب داده 2 Selecting Data 2

  • دستکاری داده ها 1 Data Manipulation 1

  • دستکاری داده ها 2 Data Manipulation 2

  • جمع آوری و گروه بندی داده ها Data Aggregation and Grouping

  • پاک کردن داده Data Cleansing

  • ترکیب DataFrames Combining DataFrames

  • عملیات پنجره Windowing Operations

بخش چالش - پانداها Challenge Section - Pandas

  • سوالات چالش - مجموعه داده TfL Challenge Questions - TfL Dataset

  • راه حل ها Solutions Walkthrough

  • سوالات چالش - مجموعه داده های کارکنان Challenge Questions - Employees Dataset

  • راه حل ها Solutions Walkthrough

نمایش نظرات

نظری ارسال نشده است.

آموزش پایتون برای تجزیه و تحلیل داده ها و تجسم 2022
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
10h 3m
101
Udemy (یودمی) udemy-small
12 فروردین 1401 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
-
4.8 از 5
ندارد
ندارد
ندارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Malvik Vaghadia Malvik Vaghadia

مالویک بیش از 10 سال کار و مشاوره با تعدادی از شرکت های فهرست شده در لیست/لیست نشده به عنوان متخصص داده و BI را گذرانده است. در طول زندگی حرفه ای خود ، مالویک یک مهارت در تجزیه و تحلیل داده ها و تجسم ، با مهارت در مورد تعدادی از زبان های برنامه نویسی از جمله SQL ، Python و R. ایجاد کرده است. او به طور گسترده با تعدادی از سیستم عامل های نرم افزاری پیشرو از جمله Hadoop ، Oracle ، MySQL ، MS SQL Server ، Qlik و Microsoft Power Platforms. وی دارای تعدادی گواهینامه از جمله: · کارشناس راه حل های مجاز مایکروسافت: مدیریت داده و تجزیه و تحلیل · Microsoft Certified Solutions Associate: گزارشگری BI · مجوز Qlik Sense Data Architect

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.