دوره آموزشی
دوبله زبان فارسی
بوتکمپ تحلیلگر داده پایتون - پردازش، تحلیل و مصورسازی
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- یادگیری پایتون از ابتدا و استفاده از NumPy و Pandas برای دستکاری داده - با داده واقعی کار میکنید و مهارتهای ضروری تحلیل داده را توسعه میدهید.
- تسلط به Seaborn ،Matplotlib و Polars به مصورسازی و پردازش داده - با داده واقعی قیمت سهام از yfinance کار کرده و نمودارهای معنادار میسازید.
- یادگیری مهارتهای گیت برای کنترل نسخه و همکاری - پروژهها را به شکل مؤثر مدیریت کرده و به صورت تیمی بدون مشکل کار کنید.
- ساخت داشبوردهای تعاملی با Streamlit، مصورسازی داده قیمت سهام و استقرار پروژه خود به صورت رایگان در Streamlit Cloud - ایجاد پورتفولیوی خود
پیشنیازهای دوره
- نیاز به تجربه قبلی نیست. این دوره مبتدی پسند است و شما را گامبهگام با پایتون و تحلیل داده از پایه آشنا میکند.
- درک ابتدایی از مفاهیم برنامهنویسی (متغیرها، حلقهها، شرطیها) مفید است، اما اجباری نیست.
- یک رایانه با دسترسی به اینترنت برای بهرهبرداری از مطالب دوره و اجرای کدها لازم است.
- علاقه به یادگیری و تمایل به ساخت پروژههای عملی دارید.
- در این دوره از پایتون، Jupyter Notebooks و ویژوال استودیو کد استفاده خواهیم کرد. نگران نباشید؛ نصب پایتون و راهاندازی محیط توسعه را گامبهگام آموزش میدهیم.
توضیحات دوره
این دوره به منظور آموزش محبوبترین کتابخانهها و ابزارهای پایتون در حوزه داده طراحی شده که برای دانشمندان داده، تحلیلگران و توسعهدهندگان آینده بسیار مناسب است.
آنچه خواهید آموخت:
- مبانی تا پیشرفته پایتون - ما از اصول پایه شروع میکنیم و یک بنیان قوی در پایتون میسازیم. ما شما را با مفاهیم کلیدی برنامهنویسی راهنمایی کرده و به مباحث پیشرفته مانند برنامهنویسی شیگرا (OOP) میبریم.
- NumPy و Pandas - به کتابخانههای اصلی برای پردازش سریع و کارآمد داده مسلط شده و نحوه کار با مجموعه دادههای بزرگ، مدیریت مقادیر گمشده و انجام محاسبات پیشرفته را خواهید آموخت.
- Polars - با کتابخانهای سریع و مقیاسپذیر برای دیتافریم به نام Polars آشنا میشوید. این کتابخانه را با Pandas مقایسه میکنیم تا نشان دهیم Polars چگونه در کار با مجموعه دادههای عظیم، سرعت بیشتری ارائه میدهد.
- مصورسازی داده با Seaborn و Matplotlib - نحوه مصورسازی حرفهای داده را یاد میگیرید. از ساخت نمودارهای ساده تا طراحی چارتهای زیبا و تعاملی، قادر خواهید بود داستانی جذاب با داده روایت کنید. همه موارد از مصورسازیهای اولیه تا تکنیکهای پیشرفته مانند نقشه حرارتی، هیستوگرام و نمودارهای پراکندگی پوشش داده میشود.
- گیت - کنترل نسخه را با گیت یاد میگیرید. شما نحوه دنبال کردن و مدیریت تغییرات کد، همکاری در پروژهها و نظم دادن به کار خود را یاد میگیرید.
- ساخت داشبورد با Streamlit - شما نحوه ایجاد داشبوردهای تعاملی با استفاده از Streamlit و Matplotlib را میآموزید. شما یک پروژه لایو از ابتدا با داده واقعی میسازید و آن را به صورت رایگان مستقر میکنید تا کارتان را به دیگران نشان دهید.
در طول دوره، تمرینهای عملی زیادی انجام میدهید تا آموختههای خود را تمرین و تثبیت کنید. در پایان دوره، یک پروژه داشبورد کامل و قابل مستقر خواهید داشت که میتوانید به کارفرمایان یا مشتریان احتمالی ارائه دهید.
این دوره برای چه کسانی مناسب است؟
- مبتدیان در پایتون - اگر تازه برنامهنویسی را شروع کردهاید، این دوره پایتون را از پایه به شما آموزش میدهد و به مباحث پیشرفتهتر مانند برنامهنویسی شیگرا میپردازد.
- تحلیلگران داده مشتاق - اگر به دنبال شروع یک حرفه در تحلیل داده هستید، این دوره مهارتهای بنیادی پایتون، پردازش داده و مصورسازی را که کارفرمایان به دنبال آن هستند به شما میآموزد.
- دانشجویان و حرفهایهایی که میخواهند به حوزه داده وارد شوند - این دوره کمک میکند مهارتهای فنی لازم برای تحلیل و مصورسازی داده واقعی را کسب کنید.
- ایجادکنندگان پورتفولیو - پروژههای واقعی برای نمایش در پورتفولیوی داده خود میسازید.
- خودآموزان - مسیر ساختاریافتهای برای تسلط به پایتون و تحلیل داده دنبال میکنید.
بوتکمپ تحلیلگر داده پایتون - پردازش، تحلیل و مصورسازی
-
مقدمه 03:53
-
نصب پایتون 06:04
-
راهاندازی محیط کار - نصب ویرایشگرهای کد 03:54
-
کار با نسخههای مختلف پایتون - محیطهای مجازی و Pyenv 11:55
-
دستورالعملهای PEP و درک سینتکس پایتون 06:41
-
تایپهای عددی در پایتون - عدد صحیح، شناورها و اعداد مختلط 06:39
-
کار با اعداد اعشاری شناور و گرد کردن None
-
کار با متغیرهای عدد صحیح و عملیاتهای اولیه None
-
کار با تبدیل تایپ داده None
-
تایپهای آبجکت اتمی و ارجاعی در پایتون 04:59
-
تایپ داده رشته در پایتون 10:30
-
کار با رشتهها در پایتون None
-
تایپ داده لیست در پایتون 08:47
-
تایپ داده تاپل در پایتون 09:09
-
کار با تاپلها در پایتون None
-
تایپ داده بولی در پایتون 04:54
-
استفاده از مقادیر بولی، عبارات منطقی و منطق شرطی None
-
تایپ داده دیکشنری در پایتون 07:22
-
کار با دیکشنریها در پایتون None
-
تایپ داده مجموعه و Frozenset در پایتون 08:15
-
کار با مجموعهها در پایتون None
-
تایپهای دنباله باینری در پایتون 14:08
-
حلقهها و نحوه کار با آنها 08:01
-
دستورات Break و Continue در کنترل جریان پایتون 07:17
-
استفاده از Break و Continue برای کنترل جریان در پایتون None
-
حلقههای تودرتو و دستورات شرطی 08:24
-
کار با حلقهها و ساختارهای داده تودرتو 09:30
-
پیادهسازی حلقه For None
-
List Comprehensions در پایتون 13:55
-
پردازش داده کارآمد با List Comprehensions در پایتون None
-
تابع ()input در پایتون 07:03
-
تابع چیست؟ ساخت توابع در پایتون 10:08
-
آرگومانهای پوزیشنال و کلیدواژه در توابع پایتون 08:36
-
عملگرهای پک کردن و آنپک کردن آرگومان در توابع پایتون 08:34
-
توابع لامبدا در پایتون 07:14
-
اسکوپ در پایتون چیست؟ 08:24
-
استفاده از try-except در توابع پایتون 10:00
-
ماژولها در پایتون چه هستند - کار با آنها و دستور ایمپورت 16:48
-
دکوراتور به عنوان الگوی طراحی در پایتون - نحوه استفاده و پیادهسازی از آنها 06:19
-
ساخت مولد کد QR برای شبکههای اجتماعی با پایتون 07:19
-
ساخت تابع سفارشی None
-
پیادهسازی تابع با مدیریت خطا با استفاده از try-except None
-
ساخت تابع لامبدا None
-
ساخت دکوراتور سفارشی None
-
ارسال آرگومانهای پوزیشنال و نامگذاری شده به یک تابع None
-
درک پک کردن آرگومانهای تابع None
-
درک و استفاده از آنپک کردن آرگومانهای توابع None
-
درک نحوه تغییر رفتار توابع توسط دکوراتورها در پایتون None
-
برنامهنویسی شیگرا در پایتون - کلاسها و نمونهها 11:02
-
نوشتن یک Constructor برای کلاس و ایجاد نمونه None
-
ساخت کلاس سفارشی None
-
برنامهنویسی شیگرا در پایتون - متدهای کلاس، استاتیک و نمونه 09:06
-
کار با متد استاتیک None
-
درک متدهای کلاس None
-
برنامهنویسی شیگرا در پایتون - وراثت تک و چندگانه 10:07
-
برنامهنویسی شیگرا در پایتون - وراثت چندسطحی و سلسلهمراتبی 07:25
-
وراثت کلاس None
-
برنامهنویسی شیگرا در پایتون - کامپوزیشن 11:46
-
کامپوزیشن کلاس None
-
برنامهنویسی شیگرا در پایتون - پلیمورفیسم 05:10
-
درک پلیمورفیسم None
-
کار با ()super، وراثت و پلیمورفیسم None
-
برنامهنویسی شیگرا در پایتون - کپسولهسازی 13:32
-
درک کپسولهسازی در پایتون None
-
برنامهنویسی شیگرا در پایتون - Getter ،Setter و ویژگیها 06:33
-
برنامهنویسی شیگرا در پایتون - تجمیع 06:25
-
برنامهنویسی شیگرا در پایتون - انتزاع 10:39
-
استفاده از متدهای Getter و Setter None
-
کار با ویژگیها None
-
NumPy برای مبتدیان - چیست و چرا اهمیت دارد؟ 03:44
-
آرایه چیست؟ روشهای مختلف ساخت آرایهها در NumPy 08:12
-
آرایه NumPy - اسلایس کردن و ایندکسگذاری 04:20
-
ویژگیهای آرایه و تکنیکهای پیشرفته ایندکسگذاری 09:41
-
تکنیکهای ضروری برای ساخت و تبدیل آرایههای NumPy 04:34
-
دستکاری آرایه NumPy - مشاهده، کپی، تغییر شکل و مسطح کردن 05:45
-
توابع ریاضی در NumPy 06:46
-
تصادفیسازی و ترکیب آرایهها در NumPy 07:54
-
عملیاتهای پیشرفته آرایه و تکنیکهای تقسیمبندی 09:03
-
بارگذاری، ذخیره و جستجو در NumPy 05:17
-
معرفی Pandas 01:26
-
شروع کار با Pandas - نصب، راهاندازی آناکوندا و Jupyter Notebook 06:46
-
توضیح سریهای Pandas - ساخت، دستکاری و مقایسه با آرایههای NumPy 05:40
-
دیتافریمهای Pandas - دسترسی، اصلاح، فیلترینگ و ایندکسگذاری 05:39
-
MultiIndex در Pandas - توضیح ایندکسگذاری سلسلهمراتبی 07:08
-
تحلیل دیتافریم Pandas - گروهبندی، تجمیع و توابع ریاضی 07:32
-
مجموعه دادههای واقعی - دانلود، تحلیل و یکپارچهسازی SQL در Pandas 08:09
-
جداول محوری در Pandas - پاکسازی داده و تحلیل داده واقعی 07:19
-
مصورسازی داده در Pandas - نمودارها، گرافها و بینشها 08:44
-
معرفی Polars 01:34
-
Polars - تفاوتهای کلیدی با Pandas و دلیل سرعت بالاتر آن 06:07
-
نصب Polars، بارگذاری دیتافریمها و دسترسی مؤثر به ستونها 07:12
-
Polars - عملیاتهای حسابی، مدیریت ستونها و دستکاری داده 08:05
-
دیتافریمها در Polars - اسلایس کردن، آمار توصیفی و فرآیند پیشرفته داده 09:52
-
متدهای دیتافریم در Polars - پرچمها، اسکیما، عملیاتهای ستونها و تبدیلها 07:38
-
دستکاری داده پیشرفته در Polars - گروهبندی، تجمیع و مرتبسازی 05:25
-
عملیاتهای پیشرفته داده در Polars - بررسی write_csv، جداول محوری و استراتژیهای جوین 08:20
-
درک اجرای eager و lazy در Polars - مقایسه سرعت با Pandas 16:53
-
مصورسازی داده در Polars - مزایا، محدودیتها و مقایسه 04:23
-
معرفی Matplotlib 01:24
-
راهاندازی و مبانی Matplotlib - آموزش نمودار خطی و پراکندگی 04:48
-
مصورسازی داده - نمودار میلهای، تحلیل چندبعدی و استایلدهی نمودار پراکندگی 05:25
-
بررسی نمودارهای سهبعدی و هیستوگرامها در مصورسازی داده 04:06
-
نمودارهای دایرهای، ذخیره نمودارها در فرمتهای مختلف و انیمیشنها با FuncAnimation 08:46
-
متحرکسازی نمودارهای قیمت سهام در Matplotlib و yFinance - ساخت پروژه 09:32
-
معرفی Seaborn 01:11
-
Seaborn چیست، چگونه نصب میشود و مقایسه آن با Matplotlib؟ 07:05
-
بررسی مجموعه دادههای داخلی Seaborn - هیستوگرام و نمودار پراکندگی برای مصورسازی داده 08:50
-
Seaborn پیشرفته - بررسی نمودار جعبهای، نمودار گربهای و پارامترهای گسترده 06:39
-
مصورسازی با Seaborn - کار با نمودار ویولن، نمودار نواری و نمودار مشترک 05:11
-
Seaborn پیشرفته - کار با نمودار PairGrid و نقشه حرارتی از جدول محوری 06:20
-
نصب و راهاندازی گیت - تنظیمات محلی و گلوبال 07:27
-
توضیح گردشکار گیت - ناحیه کاری، مرحلهبندی، مخزن و .gitignore 07:06
-
تغییر نام و حذف فایلها در گیت - فرمانهای گیت 06:05
-
.gitignore: انواع تنظیمات و مدیریت اطلاعات کاربر در Git Config 04:48
-
ملزومات گیتهاب - کلونسازی مخازن، پوش کردن و Pulling تغییرات، اتصال SSH 05:09
-
پوش کردن تغییرات محلی به گیتهاب، حذف مخزن و راهاندازی اتصال CLI 08:11
-
نصب افزونه Git Graph در ویژوال استودیو کد و فرمانهای اولیه Git Branch 05:06
-
ادغام برنچها در گیت - راهنمای گامبهگام 06:52
-
رفع Merge Conflicts در گیت 07:12
-
تکنیکهای پیشرفته گیت - Reflog و Reset سخت در برابر نرم 06:26
-
تکنیکهای پیشرفته گیت - Amend ،Squash و حذف برنچهای ادغام شده و نشده 06:08
-
کار با لاگهای گیت - سفارشیسازی خروجی لاگ و استفاده از Aliases 06:51
-
کار با Git Rebase - این چیست؟ 07:00
-
معرفی Streamlit 01:53
-
آشنایی با Streamlit - نصب، اولین اپلیکیشن و بررسی رابط کاربری 08:42
-
اپلیکیشن مصورسازی قیمت سهام با Streamlit و کتابخانه Yahoo Finance 04:32
-
بهبود مصورسازی قیمت سهام: Streamlit و Yahoo Finance و Matplotlib 05:17
-
Streamlit پیشرفته - افزودن قابلیت و استقرار اپلیکیشن بهصورت رایگان در ابر 12:16
مشخصات آموزش
بوتکمپ تحلیلگر داده پایتون - پردازش، تحلیل و مصورسازی
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:مقدماتی
- تعداد درس:128
- مدت زمان :12:05:48
- حجم :5.92GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy