کتاب جامع کاربردی علم داده در پایتون: از تحلیل آماری تا مصورسازی داده‌ها با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جامع کاربردی علم داده در پایتون: از تحلیل آماری تا مصورسازی داده‌ها

موضوع کلی: علوم داده و تحلیل هوشمند داده‌ها

موضوع میانی: تحلیل و پردازش داده‌ها با استفاده از زبان برنامه‌نویسی پایتون

📋 سرفصل‌های دوره

  • 1. آشنایی با محیط برنامه‌نویسی پایتون برای علم داده
  • 2. نصب و راه‌اندازی توزیع آناکوندا و مدیریت کتابخانه‌ها
  • 3. ساختار داده‌ها در پایتون و کار با لیست‌ها و دیکشنری‌ها
  • 4. مقدمه‌ای بر کتابخانه نامپای و کار با آرایه‌های چندبعدی
  • 5. عملیات ریاضی و آماری بر روی آرایه‌های نامپای
  • 6. آشنایی با ساختار داده سری در کتابخانه پانداز
  • 7. کار با دیتافریم‌ها در پانداز و خواندن داده‌ها از فایل‌های مختلف
  • 8. روش‌های انتخاب و فیلتر کردن داده‌ها در دیتافریم
  • 9. مدیریت مقادیر گمشده و پاک‌سازی داده‌های ناقص
  • 10. تغییر ساختار و ترکیب دیتافریم‌ها با استفاده از متدهای الحاق و ادغام
  • 11. گروه‌بندی داده‌ها و اجرای توابع تجمیعی
  • 12. تحلیل آماری توصیفی و محاسبه شاخص‌های مرکزی و پراکندگی
  • 13. کار با داده‌های زمانی و سری‌های زمانی در پانداز
  • 14. مقدمه‌ای بر مصورسازی داده‌ها با کتابخانه مت‌پلات‌لیب
  • 15. رسم نمودارهای خطی و پراکندگی برای تحلیل روندها
  • 16. استفاده از کتابخانه سی‌بورن برای ترسیم نمودارهای آماری پیشرفته
  • 17. رسم هیستوگرام و نمودارهای جعبه‌ای برای بررسی توزیع داده‌ها
  • 18. مقدمه‌ای بر تحلیل اکتشافی داده‌ها
  • 19. شناسایی روابط بین متغیرها با استفاده از ماتریس همبستگی
  • 20. پیش‌پردازش داده‌ها و نرمال‌سازی ویژگی‌ها
  • 21. آشنایی با مفاهیم اولیه احتمالات در علم داده
  • 22. توزیع‌های آماری و کاربرد آن‌ها در تحلیل داده‌ها
  • 23. آزمون فرضیه و استنباط آماری با پایتون
  • 24. مقدمه‌ای بر یادگیری ماشین و دسته‌بندی مسائل
  • 25. آماده‌سازی داده‌ها برای مدل‌های پیش‌بینی
  • 26. ارزیابی عملکرد مدل‌های آماری و معیارهای خطا
  • 27. پیاده‌سازی رگرسیون خطی ساده با کتابخانه‌های علمی
  • 28. آشنایی با روش‌های خوشه‌بندی برای تحلیل گروه‌های داده
  • 29. استفاده از کتابخانه‌های متنی برای تحلیل داده‌های نوشتاری
  • 30. ذخیره‌سازی نتایج تحلیل و گزارش‌گیری داده‌محور
  • 31. اصول اخلاق در تحلیل داده و رعایت حریم خصوصی کاربران
  • 32. پروژه عملی: تحلیل یک مجموعه داده واقعی در حوزه اقتصاد مقاومتی
  • 33. پروژه عملی: تحلیل الگوهای مصرف انرژی و بهینه‌سازی منابع
  • 34. پروژه عملی: مصورسازی داده‌های آماری ملی و استانی
تگ‌ها: Data Science Python Data Science آموزش پایتون برنامه نویسی پایتون پایتون تحلیل آماری تحلیل داده علم داده علوم داده مصورسازی داده ها

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.