فلش‌کارت‌های آموزشی تسلط بر کتابخانه پانداز: تحلیل و پیش‌پردازش داده‌های کاربردی در کسب‌وکار

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تسلط بر کتابخانه پانداز: تحلیل و پیش‌پردازش داده‌های کاربردی در کسب‌وکار

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: تحلیل داده‌های ساختاریافته با پایتون

📋 سرفصل‌های دوره (100 موضوع)

• 1. مبانی محیط برنامه‌نویسی پایتون برای تحلیل داده
• 2. آشنایی با ساختار کتابخانه پانداز و نصب کتابخانه‌های وابسته
• 3. مفهوم سری‌ها در پانداز و نحوه ایجاد آن‌ها
• 4. کار با دیتافریم‌ها به عنوان ساختار اصلی داده
• 5. روش‌های بارگذاری داده از فایل‌های CSV و اکسل
• 6. بررسی اولیه ساختار داده‌ها با متدهای توصیفی
• 7. انتخاب و فیلتر کردن ستون‌ها در دیتافریم
• 8. فیلتر کردن سطرها بر اساس شرط‌های منطقی
• 9. مدیریت و اصلاح نام ستون‌ها و ایندکس‌ها
• 10. تغییر نوع داده ستون‌ها برای بهینه‌سازی حافظه
• 11. شناسایی و مدیریت مقادیر مفقود در مجموعه داده
• 12. روش‌های جایگزینی مقادیر خالی با میانگین یا مد
• 13. کار با متدهای آماری پایه برای تحلیل سریع داده‌ها
• 14. استفاده از توابع تجمعی و گروه‌بندی داده‌ها
• 15. اعمال توابع سفارشی بر روی سطرها و ستون‌ها
• 16. ادغام و ترکیب چندین دیتافریم با استفاده از متد مرج
• 17. الحاق دیتافریم‌ها به صورت افقی و عمودی
• 18. کار با داده‌های زمانی و تقویمی در پانداز
• 19. استخراج ویژگی‌های زمانی مانند روز، ماه و سال
• 20. تغییر شکل ساختار داده‌ها با استفاده از متد پیوت
• 21. مرتب‌سازی داده‌ها بر اساس مقادیر ستون‌های مختلف
• 22. حذف داده‌های تکراری و پاک‌سازی نهایی
• 23. نحوه خروجی گرفتن از نتایج تحلیل در قالب فایل‌های استاندارد
• 24. مبانی مصورسازی داده‌ها با استفاده از متدهای داخلی پانداز
• 25. تحلیل همبستگی میان متغیرهای عددی در کسب‌وکار
• 26. کار با داده‌های متنی و استخراج الگوها در ستون‌ها
• 27. مدیریت حافظه در کار با دیتاست‌های حجیم
• 28. بهینه‌سازی عملیات تکرار روی دیتافریم‌ها
• 29. استفاده از متدهای پیشرفته برای فیلترهای چندگانه
• 30. بررسی توزیع آماری داده‌ها با نمودارهای پایه
• 31. تحلیل داده‌های فروش و موجودی در محیط پانداز
• 32. ایجاد گزارش‌های خلاصه‌ساز از عملکرد سازمان
• 33. تکنیک‌های اعتبارسنجی داده‌های ورودی
• 34. مدیریت خطاهای رایج در پردازش داده‌ها
• 35. یکپارچه‌سازی تحلیل‌های آماری در پروژه‌های کسب‌وکار