دوره آموزشی
دوبله زبان فارسی
تحلیل و مصورسازی داده با پایتون
✅ سرفصل و جزئیات آموزش
توضیحات دوره
توضیحات: این دوره به بررسی عمیق دنیای تحلیل داده با پایتون میپردازد. شما یاد خواهید گرفت که چگونه از کتابخانههایی مانند pandas و Matplotlib برای دستکاری، تحلیل و مصورسازی داده استفاده کرده، بینشهای ارزشمند استخراج نمایید و یافتهها را به طور موثر منتقل کنید.
مزایا: در تکنیکهای تحلیل داده مهارت پیدا کنید، که به شما امکان میدهد بینشهای معناداری از داده استخراج کرده و آنها را در قالب مصورسازیهای جذاب و گیرا ارائه دهید.
در پایان این دوره، شما قادر خواهید بود:
- پاکسازی، تبدیل و دستکاری داده را با استفاده از pandas انجام دهید.
- انواع مختلفی از مصورسازیها را با استفاده از Matplotlib ایجاد کنید.
- اصول Generative AI و کاربردهای آن را در تحلیل داده درک کنید.
- مدلهای اولیه یادگیری ماشین را برای تحلیل داده پیادهسازی کنید.
ابزارها/نرمافزارها: Python ،Jupyter Notebook ،pandas ،Matplotlib ،Scikit-learn
این دوره برای متخصصان سطح مبتدی است که به دنبال ایجاد درک اساسی و تجربه با پایتون هستند و در عین حال قصد دارند به عنوان توسعهدهنده پایتون استخدام شوند. هیچگونه تجربه کاری یا مدرک تحصیلی قبلی مورد نیاز نیست.
تحلیل و مصورسازی داده با پایتون
-
تحلیل داده چیست؟ 5:41
-
فرآیند تحلیل داده 2:40
-
اخلاق و حریم خصوصی داده: هدایت استفاده مسئولانه از داده 5:33
-
حاکمیت داده 6:19
-
راهاندازی محیط کاری برای تحلیل داده 2:24
-
نکات و ترفندهای Jupyter notebook 6:01
-
دمو: میانبرها و نکات بهرهوری Jupyter notebook 6:21
-
موارد استفاده برای کتابخانههای پایتون 6:21
-
درک مجموعهداده 2:25
-
یافتن و دسترسی به مجموعهداده های دنیای واقعی 5:24
-
سرفصل دوره تحلیل و مصورسازی داده با پایتون None
-
مبانی تحلیل داده None
-
تفاوت بین تحلیل داده و علم داده None
-
مفاهیم کلیدی در تحلیل داده None
-
کتابخانههای ضروری پایتون برای تحلیل داده None
-
انواع و منابع رایج مجموعهداده None
-
مبانی پاکسازی داده None
-
دستکاری داده با pandas 2:18
-
دیتافریمهای pandas: مبانی 5:58
-
دمو: بارگذاری و بررسی مجموعهداده در pandas 5:07
-
بررسی تبدیل داده 5:05
-
دمو: تبدیل داده با pandas 4:38
-
تحلیل اکتشافی داده (EDA) 2:24
-
اهمیت پاکسازی داده 5:28
-
شناسایی و مدیریت داده گمشده 4:54
-
مدیریت مقادیر داپلیکیت 5:44
-
تشخیص و حذف داده پرت 5:34
-
انواع داده در پایتون: انتخاب گزینه مناسب 2:01
-
دمو: استفاده از pandas برای اکتشاف و پاکسازی 5:13
-
غلبه بر داده نامرتب با pandas 5:25
-
توضیح نمایهسازی در pandas None
-
چیت شیت pandas None
-
تاکتیکهای ضروری برای دستکاری داده None
-
دلایل رایج داده گمشده None
-
استفاده از pandas برای وظایف اساسی تحلیل None
-
نمایش بصری داده شما 2:18
-
مصورسازیهای رایج 5:43
-
مقدمهای بر Matplotlib 6:30
-
بررسی کتابخانههای مصورسازی 2:36
-
نمودارهای تعاملی با Plotly 5:28
-
سفارشیسازی مصورسازیها با Bokeh 4:57
-
استفاده از داده برای داستانسرایی 2:34
-
هنر داستانسرایی داده 5:57
-
ارائه بینشهای داده 6:17
-
جلوگیری از سوگیری در نتیجهگیریها 6:18
-
مصورسازی داده چیست؟ None
-
آناتومی یک نمودار Matplotlib None
-
گالری Matplotlib None
-
انتخاب کتابخانه مصورسازی مناسب None
-
داشبوردهای تعاملی Plotly None
-
استراتژیهایی برای داستانسرایی داده None
-
بهترین شیوه های مصورسازی داده None
-
نظریه بار شناختی و مصورسازی داده None
-
generative AI چیست؟ 5:42
-
کاربردهای دنیای واقعی generative AI 6:48
-
اخلاقیات محتوای تولیدشده توسط هوش مصنوعی 2:27
-
پر کردن شکافهای موجود در داده شما 2:21
-
استفاده از شبکههای متخاصم مولد (GANs) 5:47
-
افزایش داده: تقویت مجموعهداده شما 2:22
-
چرا افزایش داده مهم است؟ 5:18
-
تکنیکهای افزایش متن 6:48
-
generative AI در برابر سایر انواع هوش مصنوعی None
-
دستورالعملهای اخلاقی برای generative AI None
-
مقدمهای بر داده مصنوعی None
-
تکنیکهای تولید داده مصنوعی None
-
تکنیکهای افزایش تصویر None
-
بهترین روشها برای افزایش داده None
-
یادگیری ماشین چیست؟ 6:22
-
یادگیری ماشین چگونه کار میکند 2:26
-
یادگیری ماشین در دنیای واقعی 5:55
-
چرا ارزیابی مدل مهم است؟ 5:44
-
معیارهای رگرسیون 5:30
-
دمو: استفاده از معیارها برای طبقهبندی 5:29
-
معیارهای رگرسیون برای یادگیری ماشین 6:03
-
از داده تا پیشبینیها: جادوی یادگیری ماشین 2:07
-
شبکه عصبی در یادگیری ماشین چیست؟ 6:02
-
دمو: رگرسیون خطی با Scikit-Learn 5:16
-
طبقهبندی با رگرسیون لجستیک 5:38
-
داده مصنوعی در ML: مطالعات موردی 6:07
-
دمو: آموزش و تست با داده مصنوعی 6:11
-
داده مصنوعی: ایجاد تعادل بین نوآوری و مسئولیتپذیری 2:22
-
اصطلاحات کلیدی در یادگیری ماشین None
-
کشف و درک ماتریس درهمریختگی None
-
بهترین شیوه ها برای تحلیل و ارائه مجموعهداده None
-
فراتر از اعداد: تفسیر معیارهای ارزیابی در زمینه None
-
مبانی یادگیری ماشین None
-
مستندات Scikit-Learn None
-
اولین مدل یادگیری ماشین شما: یک راهنما None
-
ملاحظات اخلاقی داده مصنوعی None
-
داده و مصورسازی با پایتون: ترکیب همه موارد با هم None
مشخصات آموزش
تحلیل و مصورسازی داده با پایتون
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:مقدماتی
- تعداد درس:90
- مدت زمان :04:26:21
- حجم :3.67GB
- 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