دوره آموزشی
دوبله زبان فارسی
تسلط به علم داده 2025 - پایتون، اکسل و Tableau
✅ سرفصل و جزئیات آموزش
دوره مبتدی پسند علم داده، اکسل، پایتون، Tableau و آمار را با پروژه های واقعی پوشش می دهد.
آنچه یاد خواهید گرفت
- تحلیل و مصورسازی داده در اکسل با استفاده از جداول و نمودارهای محوری
- نوشتن اسکریپت های پایتون برای دستکاری داده با Pandas و NumPy
- انجام تجزیه و تحلیل آماری و آزمون فرضیه ها به راحتی
- ایجاد داشبوردها و مصورسازی های تعاملی در Tableau
- پاکسازی، سازماندهی و آماده سازی مجموعه داده ها برای تحلیل
- درک مفاهیم کلیدی آماری برای تصمیم گیری های داده محور
- استفاده از کتابخانه های پایتون مانند Matplotlib و Seaborn برای مصورسازی
- یکپارچه سازی اکسل، پایتون و Tableau برای گردش کارهای داده یکپارچه
- استفاده از تکنیک های تحلیل داده واقعی برای پروژه ها
- کسب اعتماد به نفس از ابتدا به عنوان متخصص علم داده
پیش نیازهای دوره
- هیچ پیش زمینه ای در علم داده، برنامه نویسی یا آمار نیاز نیست.
- آشنایی با استفاده از کامپیوتر و ناوبری فایل ها مفید است.
- دانشجویان باید بتوانند ابزارهایی مانند پایتون، Tableau Public و مایکروسافت اکسل را نصب کنند.
- همراه با دوره، داشتن لپ تاپ یا دسکتاپ با دسترسی به اینترنت الزامی است.
- اشتیاق به کشف مفاهیم علم داده و تمرینات عملی کامل
توضیحات دوره
شما یاد می گیرید که چگونه داده خام را به بینش های عملی تبدیل کنید، مصورسازی های خیره کننده ایجاد کنید و مشکلات واقعی را حل کنید.
آیا تجربه قبلی ندارید؟ مشکلی نیست! ما شما را گام به گام راهنمایی می کنیم.
آنچه یاد خواهید گرفت:
- تسلط به فرمول ها، توابع و جداول محوری برای تحلیل داده
- ساخت نمودارها و داشبوردها برای ارائه موثر بینش ها
- پاکسازی و سازماندهی مجموعه داده ها برای تحلیل آسان
- یادگیری پایتون از ابتدا با کتابخانه هایی مانند Pandas، NumPy و Matplotlib
- خودکارسازی تسک های داده و دستکاری مجموعه داده ها بدون زحمت
- ایجاد مصورسازی ها با Seaborn و Matplotlib
- ساخت داشبوردهای خیره کننده برای اشتراک گذاری داستان های داده محور
- ایجاد مصورسازی هایی مانند نمودارهای میله ای، نمودارهای خطی، نقشه های حرارتی و موارد دیگر
- استفاده از Tableau Public و Tableau Desktop برای تمرین عملی
- درک مفاهیم کلیدی آماری مانند میانگین، واریانس و انحراف معیار
- انجام آزمون فرضیه برای اعتبارسنجی مفروضات
- استفاده از آمار برای حل چالش های کسب و کار
- ترکیب اکسل، پایتون و Tableau برای گردش کار کامل داده
- تفسیر مجموعه داده ها و اتخاذ تصمیمات داده محور
- کار روی پروژه های واقعی برای ایجاد اعتماد به نفس
این دوره برای چه کسانی مناسب است؟
- کسی که به دنبال شروع سفر خود در علم داده بدون تجربه قبلی در کدنویسی یا تحلیل است.
- کسانی که در حال مطالعه یا انتقال به رشته هایی مانند تحلیل داده، هوش تجاری یا علم داده هستند.
- افرادی که قصد دارند در نقش های داده محور مانند تحلیلگران داده یا دانشمندان داده قرار بگیرند.
- مدیران، بازاریابان و مشاورانی که می خواهند از داده برای تصمیم گیری و گزارش دهی بهتر استفاده کنند.
- افرادی که علاقه مند به یادگیری نحوه استفاده از پایتون، Tableau و اکسل برای کارهای مرتبط با داده هستند.
- کسانی که قصد دریافت گواهینامه هایی مانند Tableau Desktop Specialist یا Python Data Analyst را دارند.
تسلط به علم داده 2025 - پایتون، اکسل و Tableau
-
اپلیکیشن های اکسل 07:17
-
آشنایی با رابط اکسل 16:41
-
مرتب سازی و فیلترینگ 15:17
-
فرمت بندی شرطی 08:59
-
آزمون - اصول اکسل None
-
آشنایی با توابع آماری 09:39
-
آشنایی با توابع ریاضی 08:57
-
آزمون - توابع آماری و ریاضی None
-
آشنایی با توابع Lookup 08:16
-
آشنایی با ایندکس و Match 07:48
-
آشنایی با جداول محوری 10:15
-
آشنایی با نمودارهای محوری 11:05
-
آزمون - توابع Lookup و جداول محوری None
-
آشنایی با تابع منطقی 06:35
-
فرمت بندی سلول ها بر اساس توابع منطقی 04:52
-
آشنایی با توابع متنی 06:41
-
فرمت بندی سلول ها بر اساس توابع متنی 09:21
-
آزمون - توابع منطقی و توابع متنی None
-
آشنایی با توابع تاریخ و زمان 07:11
-
مبانی پاکسازی داده در اکسل 09:16
-
مبانی مهندسی ویژگی در اکسل 07:13
-
آشنایی با پاور کوئری در اکسل 05:10
-
آزمون - پاکسازی داده و مهندسی ویژگی None
-
Scenario Manager 07:47
-
Goal Seek 04:56
-
جداول داده 17:35
-
پکیج Solver 07:01
-
آزمون - تحلیل What If None
-
بهترین شیوه های مصورسازی داده 09:11
-
انواع نمودارها در اکسل 04:54
-
ایجاد و فرمت بندی نمودارها 03:47
-
آزمون - نمودارها و داشبوردها None
-
آشنایی با رگرسیون خطی 10:10
-
تحلیل پیش بینی اولیه 06:50
-
آشنایی با Tableau 11:03
-
چرا Tableau و اهمیت آن؟ 07:02
-
انواع مختلف نسخه های Tableau 04:34
-
نصب نسخه Tableau Public 03:04
-
آشنایی با ابعاد و اندازه ها 10:31
-
آشنایی با ارزیابی نام ها و مقادیر 06:17
-
آشنایی با فیلد گسسته و پیوسته 05:58
-
آشنایی با نمایش نوار ابزار Me 09:39
-
نمودار متنی 06:59
-
هایلایت کردن جداول 05:56
-
نمودار میله ای 04:35
-
نمودار خطی 04:58
-
نمودار دایره ای 04:22
-
نمودار حبابی 04:53
-
هیستوگرام 05:01
-
نقشه حرارتی 04:32
-
نقشه درختی 05:03
-
نمودار مساحت 03:59
-
نموار دو محوری 04:42
-
نمودار پراکندگی 04:34
-
نمودار گلوله ای 04:38
-
نمودار آبشاری 05:46
-
نمودار گانت 04:54
-
یوزکیس های واقعی پایتون 04:42
-
نصب آناکوندا روی ویندوز و سیستم عامل مک 04:48
-
آشنایی با متغیرها 05:59
-
آشنایی با تایپ های داده و Type Casting 06:27
-
اسکوپ متغیرها 08:18
-
آشنایی با عملگرها 19:03
-
آزمون - مبانی پایتون None
-
آشنایی با لیست ها و تاپل ها 14:08
-
آشنایی با مجموعه ها و دیکشنری ها 12:12
-
آشنایی با استک ها و صف ها 06:57
-
آشنایی با پیچیدگی فضا و زمان 13:27
-
آشنایی با الگوریتم های مرتب سازی 08:36
-
آشنایی با الگوریتم های جستجو 08:47
-
آزمون - ساختارهای داده None
-
آشنایی با پارامترها و آرگومان ها 15:18
-
آشنایی با ماژول های پایتون 05:39
-
آشنایی با توابع فیلتر، نقشه و Zip 13:44
-
آشنایی با لیست، مجموعه و Dictionary Comprehensions 10:23
-
آشنایی با توابع لامبدا 07:03
-
آشنایی با توابع تحلیل و تجمیع 08:09
-
آزمون - توابع در پایتون None
-
آشنایی با رشته ها 05:44
-
آشنایی با توابع مهم رشته 10:46
-
آشنایی با فرمت بندی رشته و ورودی کاربر 08:30
-
آشنایی با کاراکترهای متا 22:30
-
آشنایی با توابع داخلی برای عبارات منظم 07:44
-
کاراکترها و مجموعه های ویژه برای عبارات منظم 07:30
-
آزمون - رشته ها و عبارات منظم None
-
آشنایی با دستورات شرطی 06:35
-
آشنایی با حلقه های For 04:18
-
آشنایی با حلقه های While 05:14
-
آشنایی با دستورات Break و Continue 03:09
-
استفاده از دستورات شرطی در حلقه ها 05:51
-
حلقه های تودرتو و دستورات شرطی 07:10
-
آزمون - حلقه ها و شرطی ها None
-
آشنایی با مفهوم OOPs 05:21
-
آشنایی با وراثت 04:50
-
آشنایی با کپسوله سازی 03:28
-
آشنایی با پلی مورفیسم 05:23
-
آشنایی با کلاس تاریخ و زمان 07:53
-
آشنایی با کلاس TimeDelta 05:17
-
آزمون - OOPs و تاریخ-زمان None
-
آشنایی با آمار و اهمیت آن 05:58
-
توضیح نقش آمار در تحلیل داده 05:22
-
آشنایی با پایتون برای تحلیل آماری 05:31
-
آزمون - آشنایی با آمار None
-
تایپ های داده 07:58
-
شاخص های گرایش مرکزی 06:18
-
معیارهای گسترش 04:37
-
معیارهای وابستگی 05:06
-
معیارهای شکل و پوزیشن 09:37
-
معیارهای امتیازات استاندارد 04:56
-
آزمون - آمار توصیفی None
-
آشنایی با احتمال پایه 11:44
-
آشنایی با تئوری مجموعه 06:58
-
آشنایی با احتمال شرطی 05:12
-
آشنایی با قضیه بیز 08:23
-
آشنایی با جایگشت ها و ترکیب ها 07:47
-
آشنایی با متغیرهای تصادفی 05:25
-
آشنایی با توابع توزیع احتمال 13:43
-
آزمون - احتمال پایه و احتمال شرطی None
-
آشنایی با توزیع نرمال 13:32
-
آشنایی با چولگی و کشیدگی 09:01
-
آشنایی با تبدیلات آماری 12:46
-
آشنایی با نمونه و میانگین جمعیت 04:57
-
آشنایی با قضیه حد مرکزی 05:08
-
آشنایی با سوگیری و واریانس 07:28
-
آشنایی با برآورد حداکثر احتمال 06:53
-
آشنایی با فواصل اطمینان 05:12
-
آشنایی با همبستگی ها 18:27
-
آشنایی با متدهای نمونه گیری 17:00
-
آزمون - استنباط آماری None
-
اصول آزمون فرضیه 07:09
-
آشنایی با آزمون های تی 09:00
-
آشنایی با آزمون های Z 05:37
-
آشنایی با آزمون های مربع کای 15:16
-
آشنایی با آزمون های تحلیل واریانس 03:30
-
آزمون - آزمون فرضیه None
-
آشنایی با Numpy و Pandas 08:10
-
آشنایی با عملیات های Numpy 12:38
-
آشنایی با Pandas 05:54
-
آشنایی با سری ها و دیتافریم ها 11:02
-
خواندن داده CSV و جی سان با استفاده از Pandas 03:56
-
تحلیل داده با استفاده از Pandas 03:21
-
آزمون - آشنایی با Numpy و Pandas None
-
ایندکس گذاری، انتخاب و فیلترینگ داده 14:54
-
ادغام و الحاق با استفاده از Pandas 07:29
-
همبستگی و ترسیم نمودار با استفاده از Pandas 09:30
-
آشنایی با توابع لامبدا، نقشه و Apply 04:47
-
آشنایی با گروه بندی عملیات ها با استفاده از Pandas 08:59
-
آشنایی با جدول بندی متقاطع با استفاده از Pandas 03:46
-
آشنایی با عملیات های فیلترینگ با استفاده از Pandas 08:58
-
عملیات های گروه بندی و فیلترینگ تعاملی 10:00
-
آزمون - توابع پیشرفته در Pandas None
-
فاکتورها برای مصورسازی خوب داده 12:26
-
آشنایی با مصورسازی داده تک متغیره 09:10
-
آشنایی با مصورسازی داده دو متغیره 03:10
-
ترسیم نمودار دو متغیر طبقه بندی شده 04:30
-
آشنایی با مصورسازی داده چند متغیره 04:29
-
آشنایی با نقشه های حرارتی و نمودارهای جفت 08:21
-
آزمون - انواع نمودارها و مصورسازی ها None
-
مقیاس های رنگی، گریدهای وجهی و نمودارهای فرعی 22:30
-
آشنایی با مصورسازی داده سه بعدی 06:56
-
آشنایی با مصورسازی داده تعاملی 09:00
-
آشنایی با نقشه ها با استفاده از Plotly 07:49
-
آشنایی با نمودارهای قیف و گانت با استفاده از Plotly 14:07
-
آشنایی با مصورسازی داده متحرک با استفاده از Plotly 10:24
-
آزمون - مصورسازی های داده پیشرفته None
-
علل و تأثیر مقادیر گم شده 03:01
-
انواع مقادیر گم شده 06:12
-
زمان حذف مقادیر گمشده از داده 09:02
-
نسبت دادن مقادیر گمشده با مقادیر آماری 09:37
-
درج مقادیر گمشده با منطق کسب و کار 05:46
-
تأثیر داده پرت بر مدل های یادگیری ماشین 07:03
مشخصات آموزش
تسلط به علم داده 2025 - پایتون، اکسل و Tableau
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:همه سطوح
- تعداد درس:171
- مدت زمان :19:49:05
- حجم :18.55GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy