این دورهٔ همراه با تمرین‌های عملی و پروژه‌های واقعی، شما را از مبتدی تا متخصص
در کاربردهای پایتون برای تحلیل داده‌های تجاری و مالی همراهی می‌کند. با ترکیب مباحث پایه‌ای و پیشرفته،
توانایی خود را در تحلیل سری‌های زمانی، ساخت داشبوردهای پویا، مدل‌سازی ریسک و اتوماسیون گزارش‌ها به سطح
کسب‌وکارهای کوچک و سازمان‌های بزرگ خواهید رساند.

• مبانی زبان Python: متغیرها، انواع داده، ساختارهای کنترلی، توابع، مدیریت فایل.
• تحلیل داده با pandas و NumPy و پاکسازی داده‌ها.
• تصویری‌سازی داده‌ها با Matplotlib و Seaborn.
• استخراج اطلاعات از وب با BeautifulSoup و Requests.
• دریافت داده‌های مالی با yfinance و pandas-datareader.
• تحلیل سری‌های زمانی و پیش‌بینی قیمت با Prophet و مدل‌های رگرسیون.
• محاسبه معیارهای مالی مانند NPV، IRR، بازده و ریسک سبد با PyPortfolioOpt.
• ساخت داشبوردهای تعاملی با Streamlit و اجرای مانیتورینگ خودکار.
• اتوماسیون فرآیندهای گزارش‌گیری و ارسال ایمیل‌های دوره‌ای.
• آشنایی مقدماتی با مفاهیم یادگیری ماشین برای تحلیل‌های مالی.

• ارتقاء مهارت‌های تحلیلی برای تصمیم‌گیری‌های مبتنی بر داده.
• افزایش قابلیت بازار‌پسندی رزومه و جذب فرصت‌های شغلی در حوزهٔ فین‌تک و تحلیل مالی.
• تمرین‌ها و پروژه‌های عملی که توانایی حل مسأله دنیای واقعی را تقویت می‌کنند.
• دسترسی مادام‌العمر به محتوای دوره و بروزرسانی‌های آینده.
• مدرک معتبر یودمی برای ارائه به کارفرمایان و شبکه‌های حرفه‌ای.

• کامپیوتر شخصی با دسترسی به اینترنت و قابلیت نصب نرم‌افزارهای متن‌باز.
• آشنایی اولیه با مفاهیم پایهٔ کامپیوتر؛ نیازی به دانش قبلی پایتون نیست.
• اشتیاق به یادگیری و حل تمرین‌های چالشی.
• آشنایی مختصر با مبانی مالی (توصیه می‌شود ولی ضروری نیست).

• بخش اول: مبانی Python و ابزارهای توسعه
  • نصب Python، Jupyter Notebook و IDE
  • ساختار داده‌ها، حلقه‌ها و توابع
  • مدیریت محیط‌های مجازی با venv و pip
• بخش دوم: تحلیل داده با pandas و NumPy
  • خواندن و نوشتن فایل‌های CSV و Excel
  • فیلتر، مرتب‌سازی و گروه‌بندی داده‌ها
  • محاسبات آماری و عملیات برداری
• بخش سوم: تصویری‌سازی و گزارش‌سازی
  • طراحی نمودارهای خطی، میله‌ای و پراکندگی
  • استفاده از Seaborn برای آنالیز چندمتغیره
• بخش چهارم: استخراج داده از وب و API
  • وب‌اسکریپینگ با BeautifulSoup
  • دریافت داده‌های JSON از API‌های مالی
• بخش پنجم: تحلیل مالی و سری‌های زمانی
  • دریافت قیمت سهام با yfinance
  • محاسبه بازده، ریسک و معیارهای مالی
  • پیش‌بینی قیمت با Prophet و ARIMA
• بخش ششم: مدل‌سازی سبد و بهینه‌سازی
  • محاسبه ماتریس کوواریانس و همبستگی
  • بهینه‌سازی سبد با PyPortfolioOpt
• بخش هفتم: داشبورد و اتوماسیون با Streamlit
  • طراحی رابط کاربری ساده
  • به‌روزرسانی خودکار داده‌ها و انتشار

1. تحلیل قیمت سهام شرکت‌ها: با دریافت داده‌های تاریخی از yfinance،
نمودار بازده تجمعی را رسم می‌کنیم و با استفاده از مدل Prophet،
قیمت آینده را پیش‌بینی می‌کنیم.

2. ساخت داشبورد مالی: با Streamlit یک داشبورد تعاملی می‌سازیم که
معیارهای کلیدی مانند میانگین متحرک، حداکثر افت سرمایه و نسبت شارپ را نمایش می‌دهد.

3. گزارش‌گیری خودکار: اسکریپتی نوشته می‌شود که هر هفته داده‌ها را به‌روز کرده،
فایل اکسل گزارش را تولید و با استفاده از SMTP ایمیل ارسالی برنامه‌ریزی‌شده می‌فرستد.

در پایان این بوت‌کمپ، شما نه‌تنها اصول پایتون را مسلط خواهید شد،
بلکه آمادهٔ اجرای پروژه‌های واقعی تحلیل کسب‌وکار و مالی خواهید بود.
با اتکا بر مهارت‌های جدید خود، می‌توانید داده‌های پیچیده را به بینش‌های سودآور تبدیل کنید.