تسلط به پانداس - از مبانی تا پیشرفته - به یک تحلیلگر داده تبدیل شوید
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- ساختن یک پایه محکم در تحلیل داده با پایتون
- میتوانید با ساختارهای دادهای پانداس یعنی سریها، دیتافریم و اشیای ایندکی کار کنید.
- یادگیری صدها متد و ویژگی در میان اشیای متعدد پانداس
- میتوانید فایلهای داده بزرگ و نامرتب را تحلیل کنید
- میتوانید فایلهای داده نامرتب واقعی را برای هوش مصنوعی و یادگیری ماشین آماده کنید.
- داده را سریع و کارآمد دستکاری کنید.
- تقریباً تمام مبانی پانداس را که برای تبدیل شدن به یک تحلیلگر داده لازم است یاد خواهید گرفت.
پیشنیازهای دوره
- دانشجویان باید تمایل به یادگیری تحلیل داده با زبان پایتون داشته باشند.
- اگر مبانی پایتون را بدانید، بسیار خوب است.
- تجربه اولیه یا در سطح متوسط با مایکروسافت اکسل یا نرمافزارهای صفحهگسترده دیگر، هرچند ضروری نیست.
- آشنایی اولیه با انواع داده (رشتهها، اعداد صحیح، اعداد اعشاری و بولی) و موارد مشابه، هرچند ضروری نیست.
- دانش اولیه برنامهنویسی یا آشنایی با هر زبان برنامهنویسی دیگری نیز کمککننده خواهد بود.
توضیحات دوره
این دوره برای کسانی است که آمادهاند مهارت تحلیل داده خود را با ابزار تحلیل داده در پایتون، یعنی "پانداس"، به سطح بالاتری برسانند.
این آموزش برای مبتدیان و افراد سطح متوسط طراحی شده است، اما این به آن معنا نیست که درباره مباحث پیشرفته هم صحبت نخواهیم کرد. روش تدریس ما در این آموزش ساده و سرراست است و هیچ پیچیدگی ندارد تا باعث خستگی یا از دست رفتن تمرکز شما نشود.
در این آموزش، همه نکات اولیه لازم برای تبدیل شدن به یک تحلیلگر داده یا دانشمند داده که باید درباره 'پانداس' بدانید را پوشش خواهم داد.
ما برای یادگیری آسان و راحت، از رویکرد عملی استفاده میکنیم. شما هم از یادگیری و هم از تمرینها در کنار پروژههای واقعی لذت خواهید برد (پروژههای گنجاندهشده بخشی از پروژههای صنعتی بزرگ و پژوهشمحور هستند).
فکر میکنیم این یک بستر فوقالعاده است و ما فرصت بسیار خوبی پیدا کردهایم تا دانش فنی خود را با علاقهمندان یادگیری و دوستداران علم داده به اشتراک بگذاریم و از آنها نیز بیاموزیم.
آنچه یاد خواهید گرفت:
در طول یادگیری این دوره، در موارد زیر به یک متخصص تبدیل خواهید شد.
«تحلیل داده با پانداس»
- میتوانید یک فایل بزرگ را تحلیل کنید.
- یک پایه محکم در تحلیل داده با پایتون بسازید.
پس از پایان دوره، در موارد زیر تجربه حرفهای خواهید داشت؛
- ساختارهای دادهای پانداس: سریها، دیتافریم و اشیای ایندکس
- قابلیتهای ضروری
- مدیریت داده
- پیشپردازش داده
- Data Wrangling
- گروهبندی داده
- تجمیع داده
- Pivot کردن
- کار با ایندکسگذاری سلسلهمراتبی
- تبدیل انواع داده
- تحلیل سریهای زمانی
- قابلیتهای پیشرفته پانداس و غیره همراه با تمرینهای عملی و کارهای تمرینی
- نگاهی سریع به سریها
- متدهای سریها و چگونگی کار با آنها
- معرفی دیتافریمها
- دیتافریمها بهصورت عمیقتر
- کار با چندین دیتافریم
- ورود به دنیای چندبعدی
- GroupBy و تجمیعها
- بازآرایی با Pivot
- کار با تاریخ و زمان
- عبارتهای منظم و دستکاری متن
- مصورسازی داده
- فرمتهای داده و ورودی و خروجی
پانداس و پایتون دستبهدست هم میدهند، به همین دلیل این بوتکمپ شامل آموزش کامل کدنویسی با پانداس است تا خیلی سریع شما را آماده کند و بتوانید در مدت کوتاهی کدهای pythonic بنویسید.
این آموزش نهاییترین دوره درباره یکی از ارزشمندترین مهارتهای امروز است. امیدواریم متعهد شوید که به تحلیل داده با پانداس مسلط شوید.
این دوره برای چه کسانی مناسب است؟
- توسعهدهندگان مبتدی پایتون - علاقهمند به یادگیری علم داده یا تحلیل داده
- مبتدیان تحلیل داده
- افرادی که میخواهند بهعنوان دانشمند داده وارد این حوزه شوند و پایتون را به ابزارهای خود اضافه کنند.
- دانشجویان و متخصصان دیگر
- علاقهمندان به هوش مصنوعی و یادگیری ماشین که میخواهند دانش خود را در پردازش داده پیش از بهکارگیری الگوریتمهای یادگیری ماشین در پروژههایشان ارتقا دهند.
- جویندگان شغل تحلیلگر داده که میخواهند رزومه خود را با ابزار تحلیل داده پایتون بروز کنند.
تسلط به پانداس - از مبانی تا پیشرفته - به یک تحلیلگر داده تبدیل شوید
-
مقدمه دوره 03:35
-
چگونه بیشترین بهره را از این دوره ببریم؟ 02:05
-
بهتر است این موارد را بدانید 02:57
-
چگونه پایتون، IPython و Jupyter Notebook را نصب کنیم؟ 08:26
-
چگونه Anaconda را برای کاربران مک و لینوکس نصب کنیم؟ 06:37
-
چگونه با Jupyter Notebook کار کنیم؟ - بخش 1 16:12
-
چگونه با Jupyter Notebook کار کنیم؟ - بخش 2 10:59
-
چگونه با داده جدولی کار کنیم؟ 05:22
-
چگونه مستندات پانداس را بخوانیم؟ 13:48
-
مبانی نظری ساختارهای داده پانداس 05:43
-
چگونه سریها در پانداس را بسازیم؟ 12:18
-
چگونه اشیای دیتافریم را بسازیم؟ 13:01
-
چگونه اشیای ایندکس در پانداس را بسازیم؟ 12:16
-
تمرین - بخش 1 04:10
-
راهحل تمرین - بخش 1 21:58
-
مبانی نظری ایندکسگذاری و انتخاب داده 05:49
-
انتخاب داده در سریها - بخش 1 05:43
-
انتخاب داده در سریها - بخش 2 02:15
-
ایندکسرهای Loc و Iloc در سریها 12:12
-
انتخاب داده در دیتافریم - بخش 1 04:33
-
انتخاب داده در دیتافریم - بخش 2 03:27
-
دسترسی به مقادیر با Loc ،Iloc و Ix در اشیای دیتافریم 09:01
-
تمرین - بخش 2 02:38
-
راهحل تمرین - بخش 2 12:49
-
مبانی نظری قابلیتهای ضروری 10:02
-
چگونه برای اشیای پانداس ایندکسگذاری مجدد کنیم؟ 11:44
-
چگونه ورودیها را از یک محور دراپ کنیم؟ 08:11
-
حساب و ترازبندی داده 07:20
-
متدهای حسابی با Fill Values 15:25
-
Broadcasting در پانداس 06:56
-
Apply و Applymap در پانداس 07:52
-
چگونه در پانداس مرتبسازی و رتبهبندی کنیم؟ 13:22
-
چگونه با ایندکسهای تکراری کار کنیم؟ 04:06
-
خلاصهسازی و محاسبه آمار توصیفی 07:02
-
مقادیر منحصر به فرد، شمارش مقادیر و عضویت 12:00
-
تمرین - بخش 3 02:16
-
راهحل تمرین - بخش 3 16:57
-
مبانی نظری مدیریت داده 04:32
-
چگونه فایلهای CSV را بخوانیم؟ - بخش 1 19:27
-
چگونه فایلهای CSV را بخوانیم؟ - بخش 2 14:38
-
چگونه فایلهای متنی را بهصورت بخشبخش بخوانیم؟ 07:24
-
چگونه داده را در فرمت متن اکسپورت کنیم؟ 09:47
-
چگونه از ماژول CSV در پایتون استفاده کنیم؟ 10:40
-
تمرین - بخش 4 02:41
-
راهحل تمرین - بخش 4 15:30
-
مبانی نظری پیشپردازش داده 10:53
-
چگونه با مقادیر گمشده برخورد کنیم؟ 09:34
-
چگونه مقادیر گمشده را فیلتر کنیم؟ 09:01
-
چگونه مقادیر گمشده را فیلتر کنیم؟ - بخش 2 09:08
-
چگونه ردیفها و مقادیر تکراری را حذف کنیم؟ 12:25
-
چگونه مقادیر غیرتهی را جایگزین کنیم؟ 09:04
-
چگونه برچسبهای محور را تغییر نام دهیم؟ 06:41
-
چگونه داده را گسسته و دستهبندی کنیم؟ - بخش 1 22:03
-
چگونه داده پرت را فیلتر و شناسایی کنیم؟ 03:46
-
چگونه مجددا ترتیببندی کنیم و بهصورت تصادفی انتخاب کنیم؟ 07:07
-
تبدیل متغیرهای دستهای به متغیرهای ساختگی 09:49
-
چگونه از متد 'map' استفاده کنیم؟ 06:52
-
چگونه با رشتهها کار کنیم و آنها را دستکاری کنیم؟ 12:24
-
استفاده از عبارتهای منظم 20:09
-
کار با توابع رشتهای برداری 08:07
-
تمرین - بخش 5 02:33
-
راهحل تمرین - بخش 5 14:37
-
مبانی نظری Data Wrangling 07:42
-
ایندکسگذاری سلسلهمراتبی 08:12
-
ایندکسگذاری سلسلهمراتبی، ترتیببندی مجدد و مرتبسازی 06:47
-
آمارهای خلاصه بر اساس سطح 02:47
-
ایندکسگذاری سلسلهمراتبی با ستونهای دیتافریم 05:03
-
چگونه اشیای پانداس را ادغام کنیم؟ 19:40
-
ادغام بر اساس ایندکس سطر 13:10
-
چگونه در امتداد یک محور Concatenate کنیم؟ 18:37
-
چگونه با همپوشانی ترکیب کنیم؟ 06:46
-
چگونه داده را در پانداس مجددا شکلدهی و Pivot کنیم؟ 08:51
-
تمرین - بخش 6 01:22
-
راهحل تمرین - بخش 6 06:11
-
مبانی نظری Groupby و تجمیع داده 03:59
-
عملیات Groupby 15:37
-
چگونه روی شیء Groupby تکرار کنیم؟ 05:45
-
چگونه ستونها را در متد Groupby انتخاب کنیم؟ 02:59
-
گروهبندی با دیکشنریها و سریها 02:57
-
گروهبندی با توابع و سطح ایندکس 05:28
-
تجمیع داده 10:19
-
تمرین - بخش 7 02:54
-
راهحل تمرین - بخش 7 13:10
-
مبانی نظری تحلیل سریهای زمانی 06:28
-
آشنایی با انواع داده سری زمانی 10:12
-
چگونه بین رشته و datetime تبدیل کنیم؟ 14:40
-
مبانی سریهای زمانی با اشیای پانداس 12:53
-
بازههای زمانی، فرکانسها و جابجایی 11:21
-
بازههای زمانی، فرکانسها و جابجایی - بخش 2 10:41
-
مدیریت منطقه زمانی 08:50
-
دورهها و محاسبات دورهای 10:46
-
تمرین - بخش 8 02:41
-
راهحل تمرین - بخش 8 12:12
-
مقدمه کوتاهی درباره پروژههای پانداس 10:30
-
توضیحات پروژه 1 04:41
-
پاسخ پروژه 1 - بخش 1 17:29
-
پاسخ پروژه 1 - بخش 2 13:47
-
توضیحات پروژه 2 02:19
-
پاسخ پروژه 2 19:29
-
توضیحات پروژه 3 02:37
-
پاسخ پروژه 3 - بخش 1 12:07
-
پاسخ پروژه 3 - بخش 2 12:25
مشخصات آموزش
تسلط به پانداس - از مبانی تا پیشرفته - به یک تحلیلگر داده تبدیل شوید
- تاریخ به روز رسانی: 1405/04/12
- سطح دوره:Alls
- تعداد درس:102
- مدت زمان :15:45:13
- حجم :9.49GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy