دوره تسلط بر مهندسی و تغییر شکل داده‌ها در پایتون (Data Reshaping) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تسلط بر مهندسی و تغییر شکل داده‌ها در پایتون (Data Reshaping)

موضوع کلی: علوم داده و تحلیل هوشمند اطلاعات

موضوع میانی: پیش‌پردازش و آماده‌سازی داده‌ها با کتابخانه پانداس

📋 سرفصل‌های دوره

• 1. مبانی ساختار داده‌ها در کتابخانه پانداس
• 2. آشنایی با سری‌ها و دیتافریم‌ها برای تغییر شکل داده‌ها
• 3. بارگذاری داده‌های خام و بررسی اولیه ساختار
• 4. شناسایی مقادیر مفقود و استراتژی‌های پاک‌سازی داده‌ها
• 5. کار با ایندکس‌های سلسله‌مراتبی و چندسطحی
• 6. تغییر ساختار داده‌ها با متد پاولت (Pivot)
• 7. تفاوت متد پاولت با پاولت‌تیبل (Pivot Table)
• 8. استفاده از متد مِلت (Melt) برای تبدیل داده‌های پهن به بلند
• 9. تغییر شکل داده‌ها با استفاده از استک (Stack) و آن‌استک (Unstack)
• 10. مدیریت ایندکس‌ها و تنظیم مجدد آن‌ها (Reset Index)
• 11. تغییر نام ستون‌ها و ایندکس‌ها برای یکپارچه‌سازی داده‌ها
• 12. ادغام جداول با استفاده از متد مِرج (Merge)
• 13. الحاق دیتافریم‌ها با استفاده از متد کانکت (Concat)
• 14. اتصال داده‌ها بر اساس کلیدهای مشترک
• 15. کار با متد جوین (Join) و انواع آن
• 16. مدیریت داده‌های تکراری در فرآیند تغییر شکل
• 17. تغییر نوع داده‌ها (Data Type Conversion) برای بهینه‌سازی حافظه
• 18. کار با داده‌های زمانی و تغییر فرکانس (Resampling)
• 19. گروه‌بندی داده‌ها با استفاده از متد گروپ‌بای (Groupby)
• 20. اعمال توابع تجمعی (Aggregation) روی داده‌های گروه‌بندی شده
• 21. استفاده از متد ترنسفورم (Transform) برای محاسبات درون‌گروهی
• 22. فیلتر کردن داده‌ها پس از عملیات گروه‌بندی
• 23. کار با متد اکسپلوت (Explode) برای باز کردن لیست‌های درون سلولی
• 24. تبدیل داده‌های دسته‌ای به متغیرهای مجازی (Dummy Variables)
• 25. کار با متد کراس‌تب (Crosstab) برای تحلیل فراوانی
• 26. ایجاد جداول خلاصه گزارش‌گیری از داده‌های خام
• 27. تکنیک‌های مدیریت داده‌های چندبعدی در پانداس
• 28. محاسبات روی سطرها و ستون‌های تغییر شکل یافته
• 29. بهینه‌سازی عملکرد کدها در تغییر شکل داده‌های حجیم
• 30. کار با متد اَپلای (Apply) برای شخصی‌سازی تغییرات داده
• 31. استفاده از متد پایپ (Pipe) برای زنجیره‌سازی عملیات داده‌ای
• 32. مدیریت حافظه در هنگام کار با دیتافریم‌های بزرگ
• 33. ذخیره‌سازی داده‌های تغییر شکل یافته در فرمت‌های استاندارد
• 34. نکات ایمنی و اعتبارسنجی داده‌ها پس از تغییر شکل
• 35. بررسی سازگاری داده‌های خروجی با استانداردهای تحلیل آماری
• 36. ترسیم نمودارهای تحلیلی از داده‌های تغییر شکل یافته
• 37. پیاده‌سازی یک پروژه جامع مهندسی داده با پانداس