اپلیکیشن اندرویدی فلش‌کارت آموزشی تحلیل داده با پایتون برای کسب‌وکار

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل داده با پایتون برای کسب‌وکار

موضوع کلی: هوش تجاری و تحلیل داده

موضوع میانی: طراحی و پیاده‌سازی راهکارهای هوش تجاری

📋 سرفصل‌های دوره

• 1. مبانی برنامه‌نویسی پایتون برای تحلیل داده
• 2. انواع داده‌ها و ساختارهای داده در پایتون
• 3. کار با کتابخانه NumPy: آرایه‌ها و عملیات ریاضی
• 4. مقدمه‌ای بر کتابخانه Pandas: DataFrames و Series
• 5. خواندن و نوشتن داده‌ها از/به فایل‌های متنی
• 6. خواندن و نوشتن داده‌ها از/به فایل‌های اکسل
• 7. پاکسازی و آماده‌سازی داده‌ها با Pandas
• 8. مدیریت داده‌های گمشده
• 9. تبدیل و دستکاری داده‌ها در Pandas
• 10. گروه‌بندی و تجمیع داده‌ها با Pandas
• 11. ادغام و اتصال DataFrames
• 12. مصورسازی داده‌ها با Matplotlib
• 13. نمودارهای خطی و پراکندگی با Matplotlib
• 14. نمودارهای میله‌ای و هیستوگرام با Matplotlib
• 15. نمودارهای دایره‌ای و جعبه‌ای با Matplotlib
• 16. مقدمه‌ای بر کتابخانه Seaborn
• 17. مصورسازی داده‌های آماری با Seaborn
• 18. تحلیل داده‌های سری زمانی
• 19. مقدمه‌ای بر تحلیل توصیفی
• 20. محاسبه شاخص‌های آماری توصیفی
• 21. آشنایی با توزیع‌های احتمال
• 22. آزمون فرضیه آماری
• 23. تحلیل واریانس (ANOVA)
• 24. رگرسیون خطی ساده
• 25. رگرسیون خطی چندگانه
• 26. ارزیابی مدل‌های رگرسیونی
• 27. مقدمه‌ای بر رگرسیون لجستیک
• 28. طبقه‌بندی داده‌ها با استفاده از رگرسیون لجستیک
• 29. خوشه‌بندی داده‌ها با استفاده از الگوریتم K-Means
• 30. کاهش ابعاد با استفاده از PCA
• 31. مقدمه‌ای بر یادگیری ماشین نظارت‌شده
• 32. مقدمه‌ای بر یادگیری ماشین بدون نظارت
• 33. اعتبارسنجی مدل‌های یادگیری ماشین
• 34. انتخاب ویژگی و مهندسی ویژگی
• 35. ارزیابی عملکرد مدل‌های یادگیری ماشین
• 36. مقدمه‌ای بر شبکه‌های عصبی
• 37. پیاده‌سازی یک شبکه عصبی ساده با پایتون
• 38. بهینه‌سازی مدل‌های یادگیری ماشین
• 39. استفاده از کتابخانه Scikit-learn برای تحلیل داده
• 40. کار با داده‌های بزرگ با استفاده از Dask
• 41. استقرار مدل‌های تحلیل داده
• 42. تحلیل سبد خرید
• 43. تحلیل احساسات متون
• 44. پیش‌بینی تقاضا با استفاده از تحلیل سری زمانی
• 45. تحلیل ریسک اعتباری