تحلیلگر داده مدرن: SQL ،Python و ChatGPT برای تحلیل داده

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

یادگیری SQL برای ایجاد کوئری‌ها و کار با پایگاه‌های داده
یادگیری Python برای جمع‌آوری داده، بررسی داده و ایجاد مصورسازی ها
چگونه از ChatGPT برای تحلیل داده استفاده کنید؟
تمرین‌ها و پروژه‌های تحلیل داده

توضیحات دوره

ابتدا، SQL از ابتدا آموزش داده می‌شود. SQL یک زبان برنامه‌نویسی است که به ما در کار با داده‌ها کمک می‌کند. در این دوره از یک پایگاه داده رایگان استفاده خواهد شد: MySQL. در ادامه برخی از مفاهیم SQL که این دوره پوشش می‌دهد، آمده است:

فرمان های و clauseهای اولیه SQL (SELECT FROM و WHERE و INSERT و HAVING و UPDATE و غیره)
توابع تجمعی با فرمان های GROUP BY
SQL Joins
عملگرهای منطقی
Subqueries، جداول موقت، rank و غیره
پروژه‌ها، تمرین‌ها و موارد بیشتر!

سپس Python از صفر آموزش داده می‌شود. Python توسط تحلیلگران داده برای جمع‌آوری داده، بررسی داده و ایجاد مصورسازی ها استفاده می‌شود. در ادامه مواردی که بخش Python پوشش می‌دهد، آمده است:

دوره فشرده Python: تمام مفاهیم اصلی Python مانند متغیرها، لیست‌ها، دیکشنری‌ها و موارد بیشتر آموزش داده خواهد شد.
Python برای تحلیل داده: کتابخانه‌های Python مورد استفاده برای تحلیل داده مانند Pandas و Numpy آموزش داده خواهد شد. از آن‌ها برای انجام تسک های تحلیل داده مانند پاکسازی و آماده‌سازی داده‌ها استفاده خواهد شد.
Python برای مصورسازی داده: چگونگی ایجاد مصورسازی با Pandas آموزش داده خواهد شد.

در نهایت، ChatGPT برای تحلیل داده آموزش داده خواهد شد. چگونگی استفاده از مفسر کد ChatGPT برای تحلیل داده، استخراج داده از وب‌سایت‌ها، خودکارسازی گزارش‌های Excel و موارد بیشتر آموزش داده می‌شود.

این دوره برای چه کسانی مناسب است؟

هر کسی که می‌خواهد تحلیلگر داده شود.
تحلیلگران Excel که می‌خواهند ابزارهای قدرتمندتری مانند SQL و Python را بیاموزند.
هر کسی که می‌خواهد ChatGPT را برای تحلیل داده بیاموزد.

تحلیلگر داده مدرن: SQL ،Python و ChatGPT برای تحلیل داده

فصل 1: بخش 1 - SQL

SQL MySQL چیست؟ 02:06
جدول چیست؟ 01:10
کلید اصلی چیست؟ 02:35
کلید خارجی چیست؟ 01:51

فصل 2: نصب MySQL

چگونه MySQL را در ویندوز نصب کنیم؟ 05:57
چگونه MySQL را در macOS نصب کنیم؟ 04:40

فصل 3: انواع داده

انواع داده 04:09

فصل 4: دستورات

بخش 1 - ایجاد پایگاه داده و جدول 05:54
بخش ۲ - ایجاد پایگاه داده و جدول 17:01
ایمپورت کردن داده‌ها با MySQL 08:00
فرمان SELECT 09:45
درج 07:39
کمینه 08:24
حداکثر 04:14
گروه‌بندی بر اساس 12:39
کجا 11:22
جمع 06:56
میانگین 07:50
شمارش 07:32
و 05:10
یا 06:40
در 08:05
مانند 08:26
بین 08:08
مرتب‌سازی بر اساس 11:15
داشتن 10:44
بروز‌رسانی + تنظیم 05:48
متمایز 04:58

فصل 5: توابع

چپ و راست 11:56
طول 06:43
بالا و پایین 05:57
تکرار 02:26
جایگزینی 08:20
Trim 08:22
نوع‌دهی + تبدیل 05:40
اتصال 06:13
تاریخ امروز، روز، ماه 06:32
اضافه کردن تاریخ 06:51

فصل 6: سایر مفاهیم مهم

جدول موقتی 08:04
پیوست‌ها 16:22
زیرپرسش‌ها 08:52
حالت 07:56
رده‌بندی متراکم 07:26

فصل 7: بخش 2 - پایتون

نصب پایتون و Jupyter Notebook از طریق Anaconda 03:43
رابط کاربری Jupyter Notebook 10:00
نوع و حالت‌های سلول در Jupyter Notebook 07:35
میانبرهای کیبورد پرطرفدار در Jupyter Notebook 05:03

فصل 8: مبانی پایتون

سلام دنیا 03:48
انواع داده 08:37
متغیرها 07:40
لیست ها 24:18
دیکشنری 10:34
عبارت if 06:12
حلقه for 05:42
تابع 07:08
ماژول ها 03:40

فصل 9: مقدمه‌ای بر Pandas و Numpy

مقدمه‌ای بر Pandas 06:24
چگونه یک DataFrame ایجاد کنیم؟ 16:23
چگونه یک DataFrame را نشان دهیم: ()head() ،tail و pd.options.display 06:48
ویژگی‌ها، توابع و متدهای اولیه 11:50
انتخاب یک ستون از یک DataFrame 05:53
انتخاب دو یا چند ستون از یک DataFrame 05:35
افزودن ستون جدید به یک DataFrame (انتساب ساده) 09:59
افزودن ستون جدید به یک DataFrame با ()assign و ()insert 06:41
عملیات در DataFrame‌ها 08:10
متد ()value_counts 04:10
مرتب‌سازی یک DataFrame با متد ()sort_values 09:37
متدهای ()set_index و ()sort_index 06:56
تغییر نام ستون‌ها و ایندکس با ()rename 05:58

فصل 10: فیلتر کردن داده‌ها

فیلتر یک DataFrame بر اساس یک شرط 14:14
ایجاد یک ستون شرطی از 2 انتخاب: ()np.where 10:29
فیلتر یک DataFrame بر اساس 2 یا بیشتر شرط: &، | 12:07
ایجاد یک ستون شرطی از بیش از 2 انتخاب: ()np.select 12:51
متد ()isin 07:17
یافتن سطرهای تکراری با متد ()duplicated 17:55
حذف عناصر تکراری با متد ()drop_duplicates 10:17
دریافت و شمارش مقادیر منحصر به فرد با متدهای ()unique و ()nunique 03:54

فصل 11: استخراج داده

()loc در مقابل ()iloc 07:15
نگاهی اجمالی به مجموعه داده: تنظیم ایندکس و انتخاب ستون‌ها 05:32
انتخاب عناصر بر اساس برچسب ایندکس با ()loc. 20:20
انتخاب عناصر بر اساس موقعیت ایندکس با ()loc. 13:02
تنظیم یک مقدار جدید برای یک سلول در یک DataFrame 09:47
حذف سطرها یا ستون‌ها از یک DataFrame 09:36
ایجاد نمونه تصادفی با متد sample 07:44
فیلتر یک DataFrame با متد query 12:29
متد ()apply 06:09
تابع Lambda + متد ()apply 17:52
یک کپی از DataFrame با استفاده از ()copy بسازید (کپی عمیق در مقابل کپی سطحی) 07:18