کتاب صوتی تسلط بر تحلیل داده‌های کاربردی با کتابخانه Pandas (پروژه‌محور ۲۰۲۵)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تسلط بر تحلیل داده‌های کاربردی با کتابخانه Pandas (پروژه‌محور ۲۰۲۵)

موضوع کلی: علوم داده و تحلیل هوشمند اطلاعات

موضوع میانی: ابزارهای پردازش و تحلیل آماری با پایتون

📋 سرفصل‌های دوره

• 1. مبانی و فلسفه تحلیل داده‌های مدرن
• 2. نصب و راه‌اندازی محیط توسعه استاندارد پایتون
• 3. آشنایی با ساختار داده‌ای سری در پانداز
• 4. کار با دیتافریم‌ها و ساختار جدولی داده‌ها
• 5. فراخوانی داده‌ها از فایل‌های CSV و اکسل
• 6. بررسی اولیه و مشاهده سریع داده‌ها
• 7. انتخاب و فیلتر کردن ستون‌ها و ردیف‌ها
• 8. مدیریت مقادیر مفقود و پاک‌سازی داده‌های ناقص
• 9. تغییر نام ستون‌ها و مدیریت شناسه‌های ردیف
• 10. فیلتر کردن پیشرفته داده‌ها بر اساس شرط‌های منطقی
• 11. مرتب‌سازی داده‌ها بر اساس مقادیر ستونی
• 12. کار با توابع ریاضی و آماری پایه در پانداز
• 13. اعمال توابع سفارشی بر روی داده‌ها با Apply
• 14. دسته‌بندی داده‌ها و گروه‌بندی با GroupBy
• 15. تجمیع داده‌ها و محاسبات آماری گروهی
• 16. ادغام دیتافریم‌ها با استفاده از Merge و Join
• 17. ترکیب و چسباندن جداول با Concat
• 18. کار با داده‌های زمانی و تقویمی
• 19. استخراج ویژگی‌های زمانی از ستون‌های تاریخ
• 20. تغییر ساختار داده‌ها با Pivot Table
• 21. کار با رشته‌های متنی در ستون‌ها
• 22. مدیریت داده‌های تکراری و حذف آن‌ها
• 23. تغییر نوع داده‌ها در ستون‌ها برای بهینه‌سازی
• 24. ذخیره‌سازی نتایج تحلیل در فرمت‌های استاندارد
• 25. مقدمه‌ای بر مصورسازی داده‌ها با کتابخانه Matplotlib
• 26. ترسیم نمودارهای میله‌ای و خطی با پانداز
• 27. تحلیل داده‌های بزرگ با استفاده از متد Chunking
• 28. بهینه‌سازی عملکرد در پردازش دیتافریم‌های حجیم
• 29. کار با فرمت‌های داده‌ای منعطف و JSON
• 30. استخراج اطلاعات از جداول وب با متد Read HTML
• 31. تجزیه و تحلیل همبستگی بین متغیرها
• 32. شناسایی داده‌های پرت و غیرمتعارف
• 33. استفاده از کتابخانه NumPy برای محاسبات عددی سریع
• 34. ایجاد ستون‌های جدید بر اساس محاسبات شرطی
• 35. مدیریت داده‌های دسته‌ای و متغیرهای اسمی
• 36. کار با توابع پنجره‌ای و میانگین متحرک
• 37. تحلیل داده‌های مالی در چارچوب ضوابط بانکی
• 38. بررسی توزیع آماری داده‌ها
• 39. کار با نمودارهای پراکندگی برای تحلیل رابطه
• 40. نکات پیشرفته در مدیریت حافظه هنگام کار با داده‌ها
• 41. پروژه نهایی: تحلیل داده‌های آماری یک کسب‌وکار بومی
• 42. ارائه گزارش نهایی از تحلیل‌های انجام شده