فلش‌کارت‌های آموزشی پایتون، numpy و pandas برای تحلیل داده: از صفر تا مسلط

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پایتون، numpy و pandas برای تحلیل داده: از صفر تا مسلط

موضوع کلی: علم داده

موضوع میانی: برنامه‌نویسی پایتون برای علم داده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علم داده و پایتون
• 2. نصب و راه‌اندازی پایتون و محیط‌های توسعه
• 3. آشنایی با Jupyter Notebook و Google Colab
• 4. متغیرها و انواع داده در پایتون
• 5. عملگرهای ریاضی و منطقی در پایتون
• 6. ساختارهای کنترلی: شرطی‌ها (if, elif, else)
• 7. حلقه‌ها: for و while
• 8. توابع در پایتون: تعریف و استفاده
• 9. ماژول‌ها و پکیج‌ها در پایتون
• 10. کار با لیست‌ها در پایتون
• 11. کار با تاپل‌ها در پایتون
• 12. کار با دیکشنری‌ها در پایتون
• 13. کار با مجموعه‌ها (Sets) در پایتون
• 14. مدیریت خطاها و استثناها (Try-Except)
• 15. مقدمه‌ای بر کتابخانه NumPy
• 16. آرایه‌های NumPy: ایجاد، دسترسی و تغییر
• 17. عملیات ریاضی روی آرایه‌های NumPy
• 18. ایندکس‌گذاری و برش (Slicing) در آرایه‌های NumPy
• 19. توابع آماری NumPy: میانگین، میانه، انحراف معیار
• 20. مقدمه‌ای بر کتابخانه Pandas
• 21. Series در Pandas: ایجاد و دستکاری
• 22. DataFrames در Pandas: ایجاد، خواندن و نوشتن
• 23. انتخاب و فیلتر کردن داده‌ها در DataFrames
• 24. اضافه کردن، حذف و تغییر ستون‌ها در DataFrames
• 25. مرتب‌سازی داده‌ها در DataFrames
• 26. گروه‌بندی و تجمیع داده‌ها (GroupBy)
• 27. ادغام و اتصال DataFrames (Merge & Join)
• 28. کار با داده‌های گمشده (Missing Data)
• 29. پاکسازی و آماده‌سازی داده‌ها
• 30. تحلیل داده‌های سری زمانی با Pandas
• 31. مصورسازی داده‌ها با Matplotlib و Seaborn (مقدماتی)
• 32. آشنایی با توابع کاربردی Pandas برای تحلیل داده
• 33. کار با فایل‌های CSV، Excel و JSON
• 34. خواندن و نوشتن داده‌ها از پایگاه داده (SQL) با Pandas
• 35. مقدمه‌ای بر تحلیل اکتشافی داده‌ها (EDA) با Pandas
• 36. کاربرد Pandas در تحلیل داده‌های بزرگ (Big Data)
• 37. بهینه‌سازی کد Pandas برای سرعت و کارایی
• 38. معرفی کتابخانه‌های تکمیلی Pandas (مانند Scikit-learn)
• 39. مفاهیم کلیدی در Data Cleaning
• 40. Data Transformation با Pandas
• 41. Feature Engineering با Pandas
• 42. Data Aggregation و Summarization
• 43. Data Visualization با Pandas (Histograms, Scatter Plots, Bar Charts)
• 44. Data Filtering و Querying با Pandas
• 45. Data Grouping و Pivoting با Pandas
• 46. Case Study: تحلیل داده‌های فروش
• 47. Case Study: تحلیل داده‌های شبکه‌های اجتماعی
• 48. Case Study: تحلیل داده‌های آب و هوا