اپلیکیشن اندرویدی فلش‌کارت آموزشی کاوش داده با پایتون

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاوش داده با پایتون

موضوع کلی: بازآفرینی و برنامه‌نویسی کامپیوترهای کلاسیک

موضوع میانی: مفاهیم داده‌کاوی (Data Mining)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل داده با پایتون
• 2. نصب و راه‌اندازی پایتون و محیط‌های توسعه
• 3. آشنایی با کتابخانه‌های اصلی تحلیل داده: Pandas و NumPy
• 4. ساختارهای داده‌ای در پایتون: لیست‌ها، دیکشنری‌ها، مجموعه‌ها
• 5. خواندن و نوشتن داده‌ها از فایل‌های متنی و CSV
• 6. پاکسازی و آماده‌سازی داده‌ها: مدیریت مقادیر گمشده
• 7. تبدیل و دسته‌بندی داده‌ها در Pandas
• 8. انتخاب و فیلتر کردن داده‌ها با استفاده از Pandas
• 9. گروه‌بندی و تجمیع داده‌ها در Pandas
• 10. ادغام و اتصال داده‌ها از منابع مختلف
• 11. تحلیل داده‌های سری زمانی با Pandas
• 12. مقدمه‌ای بر آمار توصیفی
• 13. محاسبه شاخص‌های آماری: میانگین، میانه، انحراف معیار
• 14. نمایش داده‌ها با استفاده از نمودارهای میله‌ای و خطی
• 15. نمایش داده‌ها با استفاده از نمودارهای پراکندگی و هیستوگرام
• 16. نمایش داده‌ها با استفاده از جعبه‌ای و ویولن
• 17. مقدمه‌ای بر تجسم داده با Matplotlib
• 18. سفارشی‌سازی نمودارها در Matplotlib
• 19. مقدمه‌ای بر Seaborn برای تجسم داده‌های آماری
• 20. ایجاد نقشه‌های حرارتی و نمودارهای همبستگی
• 21. آشنایی با کتابخانه Plotly برای نمودارهای تعاملی
• 22. مقدمه‌ای بر یادگیری ماشین
• 23. رگرسیون خطی ساده با استفاده از Scikit-learn
• 24. رگرسیون چندگانه
• 25. دسته‌بندی داده‌ها با استفاده از الگوریتم‌های مختلف
• 26. ارزیابی مدل‌های یادگیری ماشین
• 27. انتخاب ویژگی و کاهش ابعاد
• 28. مقدمه‌ای بر خوشه‌بندی داده‌ها
• 29. خوشه‌بندی K-means
• 30. تحلیل مولفه اصلی (PCA)
• 31. اعتبارسنجی متقابل (Cross-Validation)
• 32. تنظیم هایپرپارامترها
• 33. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 34. تحلیل احساسات با استفاده از NLTK
• 35. مدل‌سازی موضوعی با استفاده از LDA
• 36. استخراج ویژگی از متن
• 37. کار با داده‌های JSON
• 38. کار با داده‌های XML
• 39. کار با پایگاه داده‌ها با استفاده از پایتون
• 40. اتصال به پایگاه داده‌های SQL
• 41. استخراج داده‌ها از پایگاه داده‌ها
• 42. مقدمه‌ای بر داده‌های بزرگ و Spark
• 43. پردازش داده‌های بزرگ با استفاده از Dask
• 44. استقرار مدل‌های یادگیری ماشین
• 45. بهینه‌سازی کد پایتون برای تحلیل داده