کتاب برنامه‌نویسی پایتون برای تحلیل داده‌های تجاری با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره برنامه‌نویسی پایتون برای تحلیل داده‌های تجاری

موضوع کلی: مهارت‌های فنی و کاربردی در حوزه فناوری اطلاعات

موضوع میانی: برنامه‌نویسی کاربردی با رویکرد تجاری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر برنامه‌نویسی پایتون برای تحلیل داده
• 2. نصب و راه‌اندازی پایتون و محیط‌های توسعه یکپارچه
• 3. متغیرها، انواع داده‌ها و عملگرها در پایتون
• 4. ساختارهای کنترلی: شرط‌ها و حلقه‌ها
• 5. توابع در پایتون: تعریف و کاربرد
• 6. مدیریت ورودی و خروجی داده در پایتون
• 7. کار با رشته‌ها در پایتون
• 8. لیست‌ها و تاپل‌ها در پایتون
• 9. دیکشنری‌ها و مجموعه‌ها در پایتون
• 10. فایل‌ها و مدیریت آن‌ها در پایتون
• 11. ماژول‌ها و پکیج‌ها در پایتون
• 12. معرفی کتابخانه NumPy برای محاسبات عددی
• 13. آرایه‌های NumPy و عملیات ریاضی
• 14. کار با داده‌های تصادفی در NumPy
• 15. معرفی کتابخانه Pandas برای تحلیل داده
• 16. ساخت و دستکاری DataFrame در Pandas
• 17. خواندن و نوشتن داده‌ها از/به فایل‌ها در Pandas
• 18. پاکسازی و آماده‌سازی داده‌ها در Pandas
• 19. تحلیل داده‌های گمشده در Pandas
• 20. فیلتر کردن و مرتب‌سازی داده‌ها در Pandas
• 21. گروه‌بندی و تجمیع داده‌ها در Pandas
• 22. ادغام و اتصال DataFrameها در Pandas
• 23. معرفی کتابخانه Matplotlib برای تجسم داده
• 24. ایجاد نمودارهای خطی و نقطه‌ای با Matplotlib
• 25. ایجاد نمودارهای میله‌ای و هیستوگرام با Matplotlib
• 26. ایجاد نمودارهای دایره‌ای و جعبه‌ای با Matplotlib
• 27. سفارشی‌سازی نمودارها در Matplotlib
• 28. معرفی کتابخانه Seaborn برای تجسم داده پیشرفته
• 29. نمودارهای توزیع و روابط در Seaborn
• 30. نمودارهای آماری در Seaborn
• 31. کار با داده‌های سری زمانی در Pandas
• 32. تحلیل روند و فصلی در سری زمانی
• 33. پیش‌بینی سری زمانی با استفاده از مدل‌های ساده
• 34. مقدمه‌ای بر یادگیری ماشین و کتابخانه Scikit-learn
• 35. آماده‌سازی داده‌ها برای یادگیری ماشین
• 36. مدل‌های رگرسیون در Scikit-learn
• 37. مدل‌های طبقه‌بندی در Scikit-learn
• 38. ارزیابی مدل‌های یادگیری ماشین
• 39. انتخاب ویژگی و کاهش ابعاد
• 40. معرفی روش‌های خوشه‌بندی
• 41. تحلیل داده‌های متنی با استفاده از پایتون
• 42. پردازش زبان طبیعی (NLP) با استفاده از NLTK
• 43. تحلیل احساسات در داده‌های متنی
• 44. کار با پایگاه‌های داده با استفاده از پایتون
• 45. اتصال به پایگاه‌های داده SQL از طریق پایتون