اپلیکیشن اندرویدی فلش‌کارت آموزشی کار با داده‌ها در پایتون با کتابخانه pandas

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کار با داده‌ها در پایتون با کتابخانه pandas

موضوع کلی: علوم کامپیوتر و فناوری اطلاعات

موضوع میانی: تحلیل و پردازش داده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علم داده و پایتون
• 2. نصب و راه‌اندازی محیط توسعه
• 3. آشنایی با کتابخانه pandas
• 4. انواع ساختارهای داده در pandas: Series
• 5. ایجاد Series از لیست‌ها و آرایه‌ها
• 6. نام‌گذاری ایندکس در Series
• 7. دسترسی به عناصر Series
• 8. عملیات ریاضی روی Series
• 9. فیلتر کردن داده‌ها در Series
• 10. آشنایی با ساختار داده DataFrame
• 11. ایجاد DataFrame از دیکشنری‌ها
• 12. ایجاد DataFrame از لیست لیست‌ها
• 13. ایجاد DataFrame از فایل CSV
• 14. خواندن و نوشتن فایل‌های CSV
• 15. خواندن و نوشتن فایل‌های Excel
• 16. دسترسی به ستون‌ها در DataFrame
• 17. دسترسی به سطرها با .loc
• 18. دسترسی به سطرها با .iloc
• 19. فیلتر کردن سطرها بر اساس شرایط
• 20. انتخاب ستون‌های خاص
• 21. تغییر نام ستون‌ها
• 22. حذف ستون‌ها
• 23. حذف سطرها
• 24. آشنایی با مقادیر گمشده (NaN)
• 25. شناسایی مقادیر گمشده
• 26. حذف ردیف‌های دارای مقادیر گمشده
• 27. جایگزینی مقادیر گمشده
• 28. پر کردن مقادیر گمشده با مقدار میانگین
• 29. پر کردن مقادیر گمشده با مقدار میانه
• 30. پر کردن مقادیر گمشده با مقدار مد
• 31. پر کردن مقادیر گمشده با مقدار قبلی
• 32. پر کردن مقادیر گمشده با مقدار بعدی
• 33. تغییر نوع داده ستون‌ها
• 34. تبدیل رشته به تاریخ
• 35. مرتب‌سازی DataFrame بر اساس ستون‌ها
• 36. مرتب‌سازی DataFrame بر اساس ایندکس
• 37. گروه‌بندی داده‌ها با groupby
• 38. محاسبه مجموع گروه‌بندی شده
• 39. محاسبه میانگین گروه‌بندی شده
• 40. محاسبه شمارش گروه‌بندی شده
• 41. محاسبه حداقل و حداکثر گروه‌بندی شده
• 42. اعمال توابع دلخواه بر گروه‌ها
• 43. ادغام (Merge) دو DataFrame
• 44. الحاق (Join) دو DataFrame
• 45. الحاق سطری (Concatenation)
• 46. تبدیل (Pivot) داده‌ها
• 47. بازسازی (Melt) داده‌ها
• 48. توابع رشته‌ای در pandas
• 49. عملیات بر روی رشته‌ها
• 50. کار با عبارات منظم (Regex)
• 51. شناسایی الگوها در رشته‌ها
• 52. تبدیل رشته‌ها به حروف کوچک و بزرگ
• 53. حذف فضاهای خالی از رشته‌ها
• 54. تقسیم رشته‌ها
• 55. الحاق رشته‌ها
• 56. کار با داده‌های تاریخ و زمان
• 57. استخراج اجزای تاریخ
• 58. محاسبه اختلاف زمانی
• 59. تغییر فرمت تاریخ
• 60. فیلتر کردن بر اساس بازه زمانی
• 61. آشنایی با نقشه‌های حرارتی (Heatmaps)
• 62. ایجاد نقشه‌های حرارتی ساده
• 63. کار با کتابخانه Seaborn برای تجسم
• 64. تجسم داده‌های آماری
• 65. رسم نمودار خطی
• 66. رسم نمودار میله‌ای
• 67. رسم نمودار پراکندگی (Scatter Plot)
• 68. رسم نمودار هیستوگرام
• 69. رسم نمودار جعبه‌ای (Box Plot)
• 70. رسم نمودار چگالی (Density Plot)
• 71. تنظیمات پیشرفته نمودارها
• 72. ذخیره نمودارها در فایل
• 73. کار با داده‌های حجیم
• 74. بهینه‌سازی حافظه در pandas
• 75. استفاده از انواع داده بهینه
• 76. فشرده‌سازی داده‌ها
• 77. خواندن بخش‌هایی از فایل‌های بزرگ
• 78. کار با پایگاه‌های داده رابطه‌ای
• 79. اتصال به پایگاه داده PostgreSQL
• 80. استفاده از SQL در pandas
• 81. خواندن داده از پایگاه داده
• 82. نوشتن داده در پایگاه داده
• 83. آشنایی با NoSQL (به صورت کلی)
• 84. مقدمه‌ای بر داده‌های متنی
• 85. پردازش اولیه متن
• 86. شمارش کلمات
• 87. حذف کلمات توقف (Stop Words)
• 88. لِماتیزاسیون (Lemmatization)
• 89. استمینگ (Stemming)
• 90. نمایش متنی داده‌ها (Bag of Words)
• 91. TF-IDF (Term Frequency-Inverse Document Frequency)
• 92. مقدمه‌ای بر تحلیل سری‌های زمانی
• 93. الگوهای سری‌های زمانی
• 94. شناسایی روند (Trend)
• 95. شناسایی فصلی بودن (Seasonality)
• 96. تحلیل و پیش‌بینی سری‌های زمانی
• 97. ملاحظات اخلاقی در تحلیل داده
• 98. حفظ حریم خصوصی داده‌ها
• 99. پرهیز از سوگیری در تحلیل
• 100. تفسیر صحیح نتایج