اصول پایتون و آمار
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- نوشتن برنامههای پایتون با استفاده از مفاهیم اصلی مانند متغیرها، انواع داده و جریان کنترل
- استفاده از NumPy و Pandas برای دستکاری و تحلیل مؤثر داده
- ایجاد مصورسازی های بصری داده با استفاده از Matplotlib ،Seaborn و Plotly برای گزارشدهی مؤثر
- انجام تحلیلهای آماری و تست های احتمالی برای حل مسائل مبتنی بر داده و تأیید فرضیهها
توضیحات دوره
این دوره برنامهنویسی پایتون و مفاهیم پایه آمار معرفی میکند و مهارتهای اساسی برای نقشهای مبتنی بر داده در فناوری و هوش مصنوعی را به یادگیرندگان ارائه میدهد. از طریق تجربه عملی، شما یاد خواهید گرفت که چگونه دادهها را دستکاری کنید، بینشها را مصورسازی کنید و تکنیکهای آماری را برای تحلیل دادهها به کار ببرید.
در پایان این دوره، شما قادر خواهید بود:
- مفاهیم برنامهنویسی پایتون از جمله انواع داده، عملگرها و ساختارهای کنترلی را درک و به کار ببرید.
- دادهها را با استفاده از کتابخانههای محبوبی مانند NumPy و Pandas دستکاری کنید.
- دادهها را با استفاده از کتابخانههای Python مانند Matplotlib، Seaborn و Plotly مصورسازی کنید.
- دادهها را با استفاده از تکنیکهای آماری تحلیل کنید، از جمله معیارهای تمایل مرکزی، پراکندگی و احتمال
- تست فرضیه را انجام داده و از دادهها بینش کسب کنید.
این دوره برای مبتدیان، علاقهمندان به داده و دانشمندان دادهای که به دنبال ساخت یک پایه قوی در برنامهنویسی Python و تحلیل آماری هستند طراحی شده است.
هیچ تجربه قبلی در برنامهنویسی لازم نیست، اگرچه آشنایی با آمار پایه مفید خواهد بود.
به ما بپیوندید تا سفر خود را به تحلیل داده و برنامهنویسی با Python آغاز کنید!
اصول پایتون و آمار
-
مقدمهای بر تخصص 4:34
-
مقدمهای بر دوره 3:30
-
زبانهای برنامهنویسی و افسانهها 6:49
-
Python برای AI/ML - سادگی کد 4:02
-
Python برای AI/ML - سهولت یادگیری 4:32
-
انواع توکن در Python 3:38
-
لیترالها 5:52
-
عملگرها - عملگرهای پایه 7:33
-
عملگرها - عملگرهای عضویت و هویت 4:12
-
توضیح انواع داده در Python 2:21
-
نمایش نوع داده: عددی، دنباله و نگاشت 5:19
-
اجرا کردن دستور شرطی 5:22
-
نمایش دستور if - else 2:52
-
اجرا کردن حلقه while 4:28
-
نمایش حلقه for 5:18
-
لوپینگ در شرایط متعدد 2:49
-
مدیریت فایل 5:00
-
دستکاری فایلها 5:12
-
توابع تعریف شده توسط کاربر 5:33
-
آرگومان متغیر و آرگومان کیدواژه متغیر 3:09
-
توابع لامبدا 4:20
-
بیشتر در مورد توابع و آرگومانها 4:01
-
ماژولها در Python 3:46
-
نمایش ماژولها 4:56
-
خلاصهای از الزامات Python 2:14
-
خوش آمدید به دوره اصول Python و آمار None
-
آزادسازی Python: زبانی برای هر توسعهدهنده None
-
نصب Python None
-
متغیرهای Python None
-
انواع داده در Python: عددی و رشتهها None
-
انواع داده در Python: تاپلها، مجموعهها و دیکشنریها None
-
اصول مدیریت فایل None
-
کاوش در NumPy 5:42
-
عملیات NumPy 6:31
-
کار با NumPy 7:25
-
فریمورک Pandas 5:58
-
عملیات DataFrame در Pandas 6:29
-
کار با DataFrame ها در Pandas 6:24
-
DataFrames با Pandas: عملیات و بینشها 7:39
-
ایجاد یک سری های در Pandas 6:20
-
کار با سریهای Pandas 5:46
-
DataFrame: دستکاری داده 5:57
-
DataFrame: جوین 7:06
-
DataFrame: گروهبندی دادهها 5:38
-
DataFrame: پاکسازی دادهها 5:39
-
DataFrame: تنظیم دادهها 4:59
-
کتابخانه Matplotlib 5:11
-
نمودارها را با Matplotlib رسم کنید 4:53
-
نمودار هیستوگرام و نمودار جعبهای 3:11
-
نمودار چندگانه 5:59
-
مقدمهای بر Seaborn - نمودار پراکندگی 6:05
-
نمودارهای پایه در Seaborn 6:09
-
Seaborn - دستکاری نقشه حرارتی 2:15
-
Seaborn: مجموعه داده پروازها 4:46
-
Seaborn: کسب بینش در دادههای پرواز 5:18
-
مصورسازی نمودارها با Plotly 4:46
-
شخصیسازی نمودارهای مختلف در Plotly 5:49
-
خلاصه: کاوش در NumPy و Pandas در Python 1:55
-
مقایسه حافظه و عملکرد بین لیستهای Python و آرایههای NumPy None
-
دستکاری و تحلیل دادهها با Pandas Python None
-
اصول مصورسازی دادهها None
-
مقدمهای بر Matplotlib None
-
آمار چیست؟ 6:03
-
معیارهای گرایش مرکزی 5:46
-
مدیریت دادههای آماری 5:06
-
کاوش و تحلیل داده 3:25
-
معیارهای پراکندگی 5:53
-
پراکندگی: نمایش 5:52
-
کاربرد پراکندگی در دادههای بزرگ 2:03
-
احتمال - فضای نمونه و رویدادها 5:12
-
نیاز به احتمال 3:56
-
انواع احتمال 5:11
-
احتمال مرزی و مشترک: نمایش 4:02
-
احتمال شرطی: نمایش 4:18
-
آزمون فرضیه چیست؟ 6:38
-
مراحل آزمون فرضیه 3:05
-
فرضیه صفر و فرضیه جایگزین 4:08
-
تفسیر آزمون آماری 7:28
-
تست یک طرفه و دو طرفه 6:18
-
تست فرضیه: نمایش 4:40
-
میزان خطا و بازه اطمینان: نمایش 5:52
-
خلاصه: تحلیل آماری با Python 2:18
-
اهمیت آمار در تفسیر دادهها None
-
مقدمهای بر احتمال None
-
مقدمهای بر تست فرضیه None
-
خلاصه دوره: پایهریزی Python و آمار 3:04
-
پروژه عملی: تحلیلAggregator سفر None
مشخصات آموزش
اصول پایتون و آمار
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:مقدماتی
- تعداد درس:87
- مدت زمان :05:55:30
- حجم :2.05GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy