دوره آموزشی
دوبله زبان فارسی
تحلیل داده با پایتون، چتجیپیتی، SQL و Tableau - عملی
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- درک MySQL و نقش آن در ذخیرهسازی و تحلیل داده
- کسب تجربه عملی در استفاده از کتابخانههای پایتون مانند Pandas و Matplotlib برای دستکاری، پاکسازی، مصورسازی و تحلیل داده
- یادگیری نحوه استفاده مؤثر از چتجیپیتی به عنوان دستیار در نوشتن کد و تحلیل داده
- مطالعه مباحث Tableau مورد نیاز برای آزمونهای Tableau Certified Data Analyst و Certified Desktop Specialist و آمادگی با آموزشهای عملی
- ساخت داشبورد تعاملی خود در Tableau
- شرکت در پروژههای عملی شامل SQL، پایتون، چتجیپیتی و Tableau و کسب تجربه عملی در هر فناوری
پیشنیازهای دوره
- نیاز به هیچ تجربه برنامهنویسی نیست. ما از صفر شروع خواهیم کرد.
- یک کامپیوتر یا لپتاپ با اتصال اینترنت که قادر به نصب MySQL Workbench باشد.
توضیحات دوره
این دوره طراحی شده تا مهارتهای لازم برای تحلیل و مصورسازی موثر داده را در اختیار شما قرار دهد. این دوره برای مبتدیان مناسب است، زیرا هیچ تجربه قبلی نیاز نیست. چه بخواهید شغل خود را تغییر دهید، مهارتهای فعلی خود را ارتقا دهید یا فقط یک مهارت جدید یاد بگیرید، این دوره برای شما مناسب است.
آنچه خواهید آموخت:
- پایتون برای تحلیل داده - یادگیری دو کتابخانه محبوب پایتون - Pandas و Matplotlib - شروع از مبانی و پیشرفت به سمت تکنیکهای پیشرفته دستکاری داده - در میان سایر مهارتها، شما یاد خواهید گرفت چگونه مجموعه دادهها را مدیریت کنید، محاسبات را انجام دهید و ستونهای پویا ایجاد کنید.
- SQL - درک نیاز به SQL در مدیریت و کوئری پایگاه دادهها - شما با اصول اولیه شروع کرده و به عملیاتهای پیچیده مانند جوینها، کوئریهای فرعی و توابع تجمیع پیشرفت خواهید کرد. پروژههای واقعی دانش شما را تقویت کرده و شما را برای تسکهای صنعتی آماده میکنند.
- چتجیپیتی برای افزایش بهرهوری - شما یاد میگیرید چگونه با چتجیپیتی پرامپتهای بهتری بنویسید و آن را به یک دستیار قدرتمند برای نیازهای کدنویسی و تحلیل خود تبدیل کنید. شما یاد میگیرید نقشها را تخصیص داده، دستورالعملها را اضافه کرده و کانتکس را ارائه دهید تا حداکثر قابلیتهای چتجیپیتی را به دست آورید.
- Tableau برای مصورسازی داده - مطالعه استفاده از Tableau در ایجاد مصورسازیهای شگفتانگیز - از نمودارهای ساده تا داشبوردهای پیچیده، شما به بررسی نحوه ارائه داده به شکلی معنادار و تأثیرگذار خواهید پرداخت. دوره به بررسی مباحث گواهینامه میپردازد و اطمینان حاصل میکند که برای آزمون گواهینامه Tableau Data Analyst Certification آماده هستید.
- پروژههای واقعی - شما مهارتهای خود را در پروژههایی مانند تحلیل داده جرم و جنایت در لس آنجلس و بررسی روندهای فروش اعمال میکنید. این تجربیات عملی یادگیری شما را تقویت کرده و به شما یک پورتفولیو برای نمایش مهارتهایتان میدهد.
چرا این دوره را بگذرانید؟
- برنامه درسی جامع - این دوره پوششدهنده چهار ابزار اصلی (پایتون، SQL، چتجیپیتی و Tableau) است و رویکردی جامع به تحلیل و مصورسازی داده ارائه میدهد.
- نیاز به هیچ تجربهای نیست - از صفر شروع میکنید و به تدریج مهارتهای خود را میسازید. راهنمایی گام به گام ما اطمینان میدهد که هر کسی میتواند با ما همراه شود.
- پروژههای عملی - پروژههای واقعی درک شما را عمیقتر میکند و شما را برای چالشهای واقعی آماده میکند.
- مهارتهای آیندهمحور - تحلیل و مصورسازی داده در صنایع بسیار مورد تقاضا است. این دوره شما را با مهارتهایی تجهیز میکند که در بازار کار امروزی بسیار ارزشمند هستند.
- انعطافپذیری - با دسترسی مادامالعمر به مطالب دوره، با سرعت خود یاد میگیرید.
این دوره برای چه کسانی مناسب است؟
- کسی که به تحلیل داده علاقه دارد.
- دانشجویانی که میخواهند مباحث لازم برای آزمون گواهینامه Tableau Certified Data Analyst را بیاموزند و تمرین کنند.
- دانشجویانی که میخواهند با استفاده از ابزارهای هوش مصنوعی مانند چتجیپیتی به عنوان دستیار در تحلیل داده پیشرفت کنند.
تحلیل داده با پایتون، چتجیپیتی، SQL و Tableau - عملی
-
مقدمه 01:59
-
دانلود آناکوندا 05:08
-
آشنایی با Jupyter Notebook 08:37
-
ایمپورت Pandas و Matplotlib 03:53
-
بارگذاری فایلهای CSV در Jupyter Notebook 09:25
-
علامتگذاری و کامنتگذاری درباره کد 05:47
-
معرفی مجموعه دادههای ما 09:47
-
متدهای اساسی پایتون برای درک مجموعه دادهها 08:14
-
تغییر نام ستونها در Pandas 08:38
-
انتخاب ستونهای خاص 08:03
-
انجام محاسبات اولیه 07:00
-
درک انحراف معیار و شمارش 04:50
-
آمار توصیفی با استفاده از متد Describe 07:07
-
تحلیل فراوانی با استفاده از شمارش مقادیر 06:49
-
آزمون بخش 1 Pandas None
-
کار با ایندکسها در Pandas 09:45
-
مرتبسازی مقادیر در دیتافریمها 06:28
-
دسترسی به داده با Loc و Iloc 06:22
-
ایندکسگذاری پیشرفته - چند ایندکس و اسلایسها 08:19
-
از دیتافریمها به نمودارها 07:02
-
آزمون بخش 2 Pandas None
-
مدیریت مقادیر گمشده - برخورد با NULLs 10:17
-
متدهای Unique و Nunique 04:28
-
فیلترینگ داده با متد Between 02:27
-
اعمال شرطیهای چندگانه فیلتر 04:50
-
فیلترینگ پیشرفته با از Isin و Or 09:17
-
درک عملگر (~) Tilde برای انکار بیتی 02:37
-
ایجاد و دراپ کردن ستونها در دیتافریمها 04:02
-
ایجاد ستونهای پویا 04:58
-
آزمون بخش 3 Pandas None
-
کار با تاریخها - تبدیل به تاریخ زمان 06:14
-
جایگزینی مقادیر در یک دیتافریم 06:49
-
تبدیل تایپ با استفاده از astype 04:08
-
استخراج کامپوننتهای تاریخ با dt. 07:27
-
گروهبندی داده با استفاده از Groupby 07:04
-
تجمیع با استفاده از متد agg. 07:48
-
تغییر شکل دیتافریمها با استک و Unstack 10:16
-
آزمون بخش 4 Pandas None
-
آشنایی با Matplotlib 05:16
-
ایجاد نمودارهای میلهای و افزودن حاشیهنویسیها 05:32
-
مصورسازی توزیع داده با استفاده از هیستوگرامها 08:00
-
نمایش داده با نمودارهای دایرهای 06:28
-
بررسی روابط با نمودارهای پراکندگی 07:29
-
مصورسازی روندها با نمودارهای خطی 06:00
-
ساختاردهی مصورسازیها با شکلها 06:00
-
سازماندهی نمودارها با استفاده از نمودار فرعی 05:54
-
مصورسازی داده فروش - بخش 1 08:59
-
مصورسازی داده فروش - بخش 2 10:37
-
فرمتبندی نمودارهای فروش - بخش 1 11:47
-
فرمتبندی نمودارهای فروش - بخش 2 05:49
-
دریافت مجموعه داده و ایمپورت به Jupyter Notebook 05:37
-
درک و آمادهسازی داده - بخش 1 06:12
-
درک و آمادهسازی داده - بخش 2 07:23
-
درک و تحلیل ویژگی - بخش 1 09:07
-
درک و تحلیل ویژگی - بخش 2 09:29
-
درک و تحلیل ویژگی - بخش 3 10:09
-
زمان صرف شده برای گزارشدهی جرم 04:41
-
میانگین سن قربانیان به ازای هر جرم 02:07
-
مناطق با بیشترین جرم 03:33
-
تعداد جرم بر حسب زمان روز 08:53
-
دانلود MySQL Workbench برای ویندوز 05:06
-
دانلود MySQL Workbench برای مک 05:30
-
آشنایی با MySQL Workbench 04:11
-
SQL و زبان تعریف داده (DDL) چیست؟ 10:26
-
آشنایی با SQL - دستورات Insert Into 06:32
-
ایمپورت پایگاه دادههای ما 08:53
-
درک داده در پایگاه داده 10:56
-
انتخاب داده از پایگاه داده 06:01
-
فیلترینگ خروجی با Where 07:57
-
اعمال فیلترهای چندگانه با In و Not In 06:41
-
انتخاب از Where None
-
یافتن مقادیر منحصربهفرد با استفاده از Distinct 08:24
-
جستجوی الگوهای متنی در رشتهها با استفاده از عملگر Like 07:37
-
Distinct و Like None
-
آشنایی با جوینها 04:01
-
ترکیب جدولها با استفاده از Inner Join 07:57
-
ترکیب جدولها با استفاده از Left Join 09:22
-
ترکیب جدولها با استفاده از Right Join 04:17
-
جوین کردن جدول به خودش 06:23
-
مثالها و یوزکیسها از جوینها 07:11
-
Inner Join None
-
Left Join None
-
ترکیب داده با Union و Union All 07:30
-
آشنایی با توابع تجمیع 06:18
-
گروهبندی داده تجمیع شده با استفاده از Group By 09:00
-
توابع تجمیع None
-
استفاده از کوئریهای فرعی در SQL 10:04
-
تمرین و یوزکیسها از کوئریهای فرعی 05:05
-
گروهبندی داده با استفاده از دستور Case 08:45
-
تبدیل داده با استفاده از دستور Case 05:50
-
دستور Case None
-
میانگین مبلغ سفارش برای هر کشور 05:48
-
مقدار فروش به ازای هر خط محصول 05:02
-
10 محصول برتر بر اساس فروش 03:40
-
عملکرد نمایندگان فروش 08:33
-
میانگین تعداد سفارشات به ازای هر مشتری 02:57
-
درصد سفارشات ارسال شده به موقع 04:29
-
سود خالص به ازای هر محصول 05:27
-
تقسیمبندی مشتریان بر اساس ارزش 09:15
-
شناسایی فرصتهای فروش مکمل 09:03
-
ثبتنام در Open AI و چتجیپیتی 04:00
-
تخصیص نقش در چتجیپیتی 04:11
-
افزودن دستورالعملها برای وضوح و تأثیر 04:17
-
کانتکس، امری کلید است - ارتقای وضوح پرامپت 06:05
-
اهمیت افزودن مثالها - پرامپتنویسی چندشات 07:21
-
محدودیتها و ملاحظاتی که هنگام استفاده از چتجیپیتی باید در نظر گرفت 02:21
-
بررسی مجموعه داده 02:59
-
ایمپورت داده و آغاز پیشپردازش 09:32
-
آغاز تحلیل مجموعه داده 09:14
-
ادامه تحلیل و ترسیم نمودار 09:49
-
ترکیب نمودارها با هم و خلاصهسازی خروجی با استفاده از چتجیپیتی 08:26
-
پرسش سوالات خود از داده با استفاده از چتجیپیتی 10:38
-
ارائه چتجیپیتی با جداول و ستونها - اولین پرامپت 07:51
-
ادامه تحلیل با استفاده از SQL و چتجیپیتی 09:52
-
خلاصهسازی خروجی SQL با استفاده از چتجیپیتی 04:55
-
افزودن ستون احساسات پشت نظرات با استفاده از GPT-4 07:13
-
تحلیل احساسات پشت نظرات شرکتهای هواپیمایی 05:47
-
تحلیل فروش با استفاده از GPT-4 10:02
-
دانلود و نصب Tableau 03:35
-
ایجاد ارتباطات داده با اتصال به منبع داده 07:27
-
بررسی Attributes و اندازهها 07:36
-
درک دانهبندی داده 04:50
-
استفاده از توابع تجمیع در Tableau 04:17
-
سازماندهی فیلدها در Tableau 04:58
-
ایجاد نمودار خطی 02:46
-
ایجاد نمودار میلهای 04:16
-
ایجاد جدول هایلایت 06:46
-
افزودن فیلترها به شیتها 07:27
-
ایجاد فیلترهای کانتکس 04:11
-
افزودن فیلترهای تاریخ 03:53
-
نمودارهای دایرهای و مساحث 03:33
-
نمودارهای پراکندگی - بخش 1 05:43
-
نمودارهای پراکندگی - بخش 2 02:23
-
شکل ها و رنگهای سفارشی 09:53
-
ایجاد نمودارهای حبابی و نمودارهای حبابی انباشته 06:04
-
مصورسازی روندها با استفاده از قفسه صفحات 02:36
-
بهبود مصورسازی داده با استفاده از انیمیشنها 05:15
-
افزودن یادداشتها یا هایلایتها به مصورسازی خود با استفاده از حاشیهنویسیها 04:15
-
افزودن عناوین و کپشنها 05:38
-
ایجاد نقشه در Tableau 06:25
-
انتخاب نوع نقشه و گروهبندی داده نقشه 06:02
-
برخورد با لوکیشنهای ناشناخته در نقشهها 04:11
-
نقشههای حرارتی و لایههای نقشه 04:15
-
ایجاد یک داشبورد 06:44
-
افزودن آبجکتهای داشبورد 10:05
-
گزینههای طرحبندی داشبورد 06:37
-
افزودن فیلترها به داشبوردها 09:24
-
تعاملی کردن داشبورد با استفاده از اکشنها 11:46
-
تنظیم طراحی داشبورد برای دستگاههای خاص 06:00
-
ایجاد یک داستان 03:18
-
اتصال به یک منبع داده جدید 05:29
-
سازماندهی داده با ایجاد سلسله مراتب 05:40
-
سازماندهی داده به گروهها 06:26
-
بخشبندی داده به Bins 05:02
-
استفاده از مجموعهها برای تحلیل 06:38
-
مرتبسازی داده برای بینشها 05:40
-
مصورسازی توزیعها با هیستوگرامها 02:40
-
بررسی داده با نقشههای درحتی 03:33
-
مقایسه متریکها با نمودارهای دو محوره 07:23
-
فرمتبندی ویژوالها برای تأثیرگذاری 11:50
-
بهبود Tooltips با ویژوالها 05:01
-
ایجاد فیلدهای محاسباتی 11:11
-
تصمیمگیری با دستورات IF و CASE 12:18
-
دستکاری تاریخها برای بینشها 06:46
-
تبدیل تایپهای داده 04:31
-
کار با توابع رشته 13:31
-
اعمال عملگرهای ریاضی 02:51
-
خلاصهسازی داده با توتالها و ساب توتالها 04:25
-
نشانگذاری نقاط کلیدی با خطوط ثابت 04:57
-
میانه، میانگین و فواصل اطمینان 03:37
-
افزودن خطوط مرجع برای کانتکس 04:45
-
مصورسازی داده با نوارهای مرجع و توزیع 08:18
-
خوشهبندی داده برای الگوها و نمودارهای جعبهای 04:07
-
نمایش روندها با خطوط روند 04:10
-
پیشبینی داده آینده با پیشبینی 04:42
-
سادهسازی تحلیل با محاسبات جدول سریع 10:42
-
سفارشیسازی محاسبات برای تحلیل پیشرفته 09:13
-
ساخت مدلهای پیشبینانه در Tableau 09:18
-
استفاده از پارامترها برای تحلیل پویا 10:19
-
مصورسازی با استفاده از پارامترها و خطوط مرجع 02:30
-
تعویض شیت ها بهصورت پویا با پارامترها 05:27
-
درک عبارات سطح جزئیات ثابت 06:50
-
بررسی بیشتر با استفاده از LODs ثابت 05:58
-
مصورسازی تایملاینهای پروژه با نمودارهای میلهای گانت 03:45
-
تعریف روابط بین منابع داده 04:25
-
ترکیب داده با جوینها 04:39
-
مدیریت منابع داده پیچیده و ترکیب داده 06:45
-
ایجاد محاسبات برای جوینها 04:54
-
ترکیب داده با Union 04:03
-
آمادهسازی داده با مفسر داده و محور 06:13
-
تقسیم داده برای تحلیل دانهای 04:53
-
شروع کار با Tableau Desktop 05:49
-
ایجاد و فیلترینگ داده استخراج شده 07:22
-
انتشار ورکبوکها در سرور Tableau 06:23
-
مدیریت سابسکریپشنها، هشدارها و منابع داده 08:54
-
اجرا و مدیریت جریانهای داده در Tableau 11:38
-
اتصال به منبع داده ما 02:03
-
ایجاد مصورسازی 10 محصول برتر 04:38
-
طراحی نمودار میلهای انباشته 04:02
-
افزودن نمودار حبابی 03:48
-
نگاشت داده فروش به طور جغرافیایی 02:49
-
تحلیل سود، افزودن محاسبات سال به سال و یک پارامتر 11:35
-
مصورسازی روند درآمد با استفاده از نمودار خطی 04:03
-
افزودن هزینههای محصول 03:19
-
کنار هم قرار دادن داشبورد - بخش 1 13:25
-
کنار هم قرار دادن داشبورد - بخش 2 12:38
مشخصات آموزش
تحلیل داده با پایتون، چتجیپیتی، SQL و Tableau - عملی
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:همه سطوح
- تعداد درس:206
- مدت زمان :21:31:21
- حجم :18.09GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy