دوره آموزشی
دوبله زبان فارسی
پایتون برای تحلیل داده
✅ سرفصل و جزئیات آموزش
توضیحات دوره
این دوره جامع شما را در کل فرآیند تحلیل داده با استفاده از زبان برنامهنویسی پایتون راهنمایی میکند و مفاهیم اساسی برنامهنویسی را با تحلیلهای آماری پیشرفته ترکیب میکند. محتوای دوره در قالب پنج ماژول بههمپیوسته طراحی شده است که هر کدام بر پایه ماژول قبلی ساخته میشوند و با استفاده از مجموعهداده واقعی تجربهای عملی و کاربردی فراهم میکنند.
دوره با اصول برنامهنویسی آغاز میشود و در حین کار با داده واقعی مانند درآمد کتابخانههای عمومی و داده بازرسی ایمنی رستورانها، مفاهیم اصلی پایتون را یاد میگیرید. در این مسیر با محیط Jupyter Notebook آشنا میشوید و از تحلیل داده مبتنی بر Spreadsheet به روشهای قدرتمند برنامهنویسی منتقل میشوید. همچنین مفاهیم اصلی برنامهنویسی از جمله متغیرها، توابع و ساختارهای کنترل جریان را فرا میگیرید.
این دوره به شما کمک میکند فاصله میان دانش نظری و کاربرد عملی را از بین ببرید و بتوانید از پایتون برای تحلیل کامل داده؛ از دستکاری ساده دادهها گرفته تا مدلسازی آماری پیشرفته و پیشبینی استفاده کنید.
پایتون برای تحلیل داده
-
به دوره 3 خوش آمدید 5:52
-
Generative AI در این دوره 2:24
-
معرفی ماژول 1 1:40
-
برنامهنویسی کامپیوتر 4:14
-
ناوبری محیط Jupyter Notebook 3:50
-
ورودی، پردازش و خروجی 3:29
-
Python یا spreadsheet؟ 4:29
-
انواع داده و عبارتها 3:18
-
چاپ و کامنت ها 4:11
-
ذخیره اطلاعات: متغیرها 4:28
-
اشکالزدایی با استفاده از متغیرها 4:45
-
ایجاد لیستها 4:27
-
عملیات روی لیستها 4:37
-
اجرای اکشن: فراخوانی توابع 5:15
-
استیت 3:18
-
کنترل جریان 2:17
-
مقایسه 5:18
-
Branch کردن در کد: if و else 3:30
-
تکرار اکشن: حلقههای for 4:18
-
Indentation 5:03
-
Branch در کد: elif 4:42
-
تکرار اکشن: تابع range 4:28
-
ترتیب اجرا 3:13
-
اولین آزمایشگاه ارزیابیشده شما 3:29
-
برای پرسش، دریافت پشتیبانی یا اشتراک ایدههای شگفتانگیز به انجمن DeepLearning.AI بپیوندید! None
-
[اختیاری] تمرین با انواع داده، عبارتها و چاپ None
-
نام متغیرها None
-
[اختیاری] تمرین با متغیرها None
-
[اختیاری] تمرین با لیستها و توابع None
-
[اختیاری] تمرین با مقایسهها و دستورات if None
-
[اختیاری] تمرین با Branch کردن در کد None
-
[اختیاری] تمرین با حلقهها None
-
چیت شیت پایتون None
-
یادداشتهای درس ماژول 1 None
-
معرفی ماژول 2 1:20
-
فراتر از لیستها 3:53
-
ایمپورت ماژول ها 3:36
-
Pandas 2:00
-
خواندن فایلهای CSV در پایتون 4:34
-
DataFrames 4:02
-
Attributes در مقابل متدها 2:26
-
انتخاب ستونها 4:31
-
شمارش، مجموع و هیستوگرامها 3:53
-
مرتبسازی 2:49
-
مرتب سازی در چند ستون 2:30
-
فیلتر کردن 4:48
-
فیلتر کردن بر اساس چند شرط 2:26
-
انتخاب ردیف ها 5:29
-
گرایش به مرکز، پراکندگی و چولگی 4:30
-
داده دستهای 5:10
-
همبستگی 5:33
-
بخشبندی بر اساس یک ویژگی 2:53
-
بخشبندی بر اساس چند ویژگی 4:48
-
درباره مجموعه داده نظرسنجی برنامهنویسان جدید 2016 None
-
[اختیاری] تمرین با دیتافریمها None
-
دیکشنریها و آرایههای NumPy None
-
[اختیاری] تمرین با مرتبسازی None
-
[اختیاری] تمرین با فیلتر کردن None
-
انتخاب در Pandas None
-
[اختیاری] تمرین با آمار توصیفی None
-
چیت شیت پایتون None
-
یادداشتهای درس ماژول 2 None
-
مقدمه ماژول 3 1:08
-
رسم نمودار با matplotlib 6:17
-
رنگها، شبکهها و ذخیره نمودارها 3:57
-
متن و حاشیهنویسیها 5:18
-
تیکها و محورهای مرزی 4:48
-
نمودارهای ستونی گروهبندیشده 5:32
-
نمودارهای ستونی پشتهای 3:16
-
نمودارهای پراکنش 4:27
-
زنجیرهسازی متدها 3:58
-
ترسیم نمودار با Seaborn 4:51
-
تمها و پالتهای رنگی 3:29
-
نمودارهای جعبهای 4:57
-
هیستوگرامها 4:06
-
سایر نمودارها 4:34
-
ترکیب نمودارها 4:07
-
Matplotlib subplots 4:22
-
حلقهزنی با Subplotها 3:22
-
نمودار Pairplot در Seaborn 2:38
-
خواندن اسناد None
-
[اختیاری] تمرین با زنجیرهسازی متدها None
-
چیت شیت پایتون None
-
یادداشتهای درس ماژول 3 None
-
معرفی ماژول 4 1:34
-
فواصل اطمینان 6:05
-
t-tests تکنمونهای 5:06
-
t-tests دو نمونهای 4:25
-
شبیهسازی: یکنواخت 5:16
-
شبیهسازی: نرمال 3:33
-
رگرسیون خطی چیست؟ 6:01
-
انتخاب یک متغیر مستقل 3:27
-
آموزش مدل 5:07
-
تفسیر خروجی یک مدل رگرسیون 4:57
-
پیشبینی 4:44
-
رگرسیون خطی چندگانه 3:57
-
آموزش یک مدل رگرسیون خطی چندگانه 4:50
-
تفسیر رگرسیون خطی چندگانه 4:00
-
انکودینگ داده دستهای 3:56
-
مدلسازی با داده دستهای 5:25
-
پیشبینی: رگرسیون خطی چندگانه 2:34
-
ارزیابی مدل شما 5:06
-
استفاده از LLMها برای تکرار مدل 6:25
-
فرآیند رگرسیون خطی 2:37
-
[اختیاری] تمرین با فواصل اطمینان None
-
[اختیاری] تمرین با شبیهسازی نتایج تصادفی None
-
تبدیلات غیرخطی None
-
ویژگیهای تعاملی None
-
چیت شیت پایتون None
-
یادداشتهای درس ماژول 4 None
-
مقدمه ماژول 5 1:13
-
تاریخ و زمان 5:26
-
استفاده از DateTimes به عنوان ایندکس 3:39
-
نمودارهای خطی 4:13
-
فرمتدهی برچسبهای محور تاریخ 5:32
-
میانگین متحرک 5:22
-
تغییر درصدی 4:41
-
بخشبندی 5:24
-
نمودارهای خطی چندگانه: تغییر شکل 5:40
-
سمپلینگ مجدد 4:38
-
پیشبینی با استفاده از روند 5:33
-
پیشبینی با در نظر گرفتن فصلی بودن 4:41
-
معیارهای خطا برای پیشبینی 3:43
-
گام های بعدی شما 1:15
-
[اختیاری] تمرین با DateTimes None
-
[اختیاری] تمرین با تغییر شکل دیتافریمها None
-
چیت شیت پایتون None
-
یادداشتهای درس ماژول 5 None
-
قدردانی None
مشخصات آموزش
پایتون برای تحلیل داده
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:مقدماتی
- تعداد درس:129
- مدت زمان :06:32:58
- حجم :2.11GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
The Great Courses
1,833,000
366,600 تومان
- زمان: 02:27:39
- تعداد درس: 24
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
2,260,000
452,000 تومان
- زمان: 03:02:02
- تعداد درس: 14
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
795,000
159,000 تومان
- زمان: 58:00
- تعداد درس: 12
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
8,508,000
1,701,600 تومان
- زمان: 11:25:13
- تعداد درس: 94
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
5,201,500
1,040,300 تومان
- زمان: 06:58:57
- تعداد درس: 60
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
6,100,500
1,220,100 تومان
- زمان: 08:11:21
- تعداد درس: 28
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
7,256,500
1,451,300 تومان
- زمان: 09:44:25
- تعداد درس: 67
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
3,634,500
726,900 تومان
- زمان: 04:52:43
- تعداد درس: 38
-
سطح دوره:
-
زبان: دوبله فارسی