کتاب صوتی الگوهای پنهان: تحلیل داده با پایتون

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره الگوهای پنهان: تحلیل داده با پایتون

موضوع کلی: علم و اکتشافات

موضوع میانی: داده‌کاوی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل داده با پایتون
• 2. آشنایی با کتابخانه‌های اصلی پایتون برای تحلیل داده
• 3. نصب و راه‌اندازی محیط توسعه پایتون
• 4. کار با داده‌های ساخت‌یافته و ساختارنیافته
• 5. وارد کردن و خروجی گرفتن از فایل‌های مختلف (CSV، Excel، JSON)
• 6. پاکسازی و آماده‌سازی داده‌ها
• 7. مدیریت داده‌های گمشده
• 8. تبدیل و تغییر فرمت داده‌ها
• 9. مقدمه‌ای بر داده‌کاوی و الگوهای پنهان
• 10. آمار توصیفی: میانگین، میانه، انحراف معیار
• 11. تصویرسازی داده‌ها با Matplotlib
• 12. تصویرسازی داده‌ها با Seaborn
• 13. نمودارهای میله‌ای و خطی
• 14. نمودارهای پراکندگی و هیستوگرام
• 15. نمودارهای جعبه‌ای و ویولن
• 16. مقدمه‌ای بر Pandas DataFrame
• 17. انتخاب و فیلتر کردن داده‌ها در DataFrame
• 18. مرتب‌سازی و گروه‌بندی داده‌ها
• 19. ادغام و پیوست کردن DataFrameها
• 20. محاسبه مقادیر جدید از ستون‌ها
• 21. تحلیل سری زمانی با پایتون
• 22. مقدمه‌ای بر رگرسیون خطی
• 23. رگرسیون خطی ساده
• 24. رگرسیون خطی چندگانه
• 25. ارزیابی مدل‌های رگرسیون
• 26. مقدمه‌ای بر طبقه‌بندی
• 27. درخت تصمیم
• 28. جنگل تصادفی
• 29. ماشین بردار پشتیبان (SVM)
• 30. خوشه‌بندی با K-means
• 31. تحلیل مولفه‌های اصلی (PCA)
• 32. کاهش ابعاد داده‌ها
• 33. انتخاب ویژگی‌های مهم
• 34. مقدمه‌ای بر شبکه‌های عصبی
• 35. شبکه‌های عصبی پیش‌خور
• 36. شبکه‌های عصبی بازگشتی (RNN)
• 37. پیاده‌سازی شبکه‌های عصبی با TensorFlow
• 38. بهینه‌سازی مدل با گرادیان کاهشی
• 39. ارزیابی مدل‌های طبقه‌بندی
• 40. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 41. تحلیل احساسات
• 42. مدل‌سازی موضوعی
• 43. خلاصه‌سازی متن
• 44. تشخیص موجودیت نام‌دار
• 45. استفاده از داده‌های بزرگ با PySpark