اکسپرس 24
کتاب مبانی دستکاری و پاکسازی داده‌ها در پایتون

کتاب مبانی دستکاری و پاکسازی داده‌ها در پایتون

تگ‌ها: پاکسازی داده پایتون پردازش داده پایتون تحلیل داده پایتون دستکاری داده پایتون علم داده پایتون کتابخانه pandas مبانی پایتون مهندسی نرم افزار پایتون

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی دستکاری و پاکسازی داده‌ها در پایتون

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: پردازش و تحلیل داده با پایتون

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر پایتون برای علم داده
  • 2. نصب و پیکربندی محیط پایتون
  • 3. آشنایی با ساختارهای داده در پایتون
  • 4. لیست‌ها و تاپل‌ها در پایتون
  • 5. دیکشنری‌ها و مجموعه‌ها در پایتون
  • 6. مبانی کار با رشته‌ها
  • 7. عملیات پایه‌ای روی داده‌های عددی
  • 8. مقدمه‌ای بر کتابخانه NumPy
  • 9. آرایه‌های NumPy و عملیات برداری
  • 10. شاخص‌گذاری و برش‌دهی در NumPy
  • 11. عملیات ریاضی و آماری با NumPy
  • 12. کار با ابعاد آرایه‌ها در NumPy
  • 13. مقدمه‌ای بر کتابخانه Pandas
  • 14. ساختار داده Series در Pandas
  • 15. ساختار داده DataFrame در Pandas
  • 16. بارگذاری داده‌ها از فایل‌های CSV
  • 17. بارگذاری داده‌ها از فایل‌های Excel
  • 18. بارگذاری داده‌ها از پایگاه‌های داده
  • 19. مشاهده و بررسی اولیه داده‌ها در DataFrame
  • 20. انتخاب ستون‌ها و ردیف‌ها
  • 21. فیلتر کردن داده‌ها بر اساس شرط
  • 22. مرتب‌سازی داده‌ها
  • 23. مدیریت مقادیر گمشده (Missing Values)
  • 24. حذف مقادیر گمشده
  • 25. جایگزینی مقادیر گمشده
  • 26. شناسایی و مدیریت داده‌های پرت (Outliers)
  • 27. تکنیک‌های تشخیص داده‌های پرت
  • 28. روش‌های برخورد با داده‌های پرت
  • 29. گروه‌بندی داده‌ها با groupby
  • 30. عملیات تجمیعی (Aggregation) بر روی گروه‌ها
  • 31. تبدیل داده‌ها (Transformation)
  • 32. فیلتر کردن گروه‌ها
  • 33. ادغام و ترکیب DataFrameها
  • 34. عملگرهای ادغام (Merge)
  • 35. الحاق (Concatenate) DataFrameها
  • 36. عملیات مقایسه‌ای بین DataFrameها
  • 37. عملیات ریاضی بر روی DataFrameها
  • 38. تبدیل انواع داده در ستون‌ها
  • 39. کار با تاریخ و زمان در Pandas
  • 40. استخراج اجزای تاریخ و زمان
  • 41. تغییر فرمت تاریخ و زمان
  • 42. محاسبه فاصله زمانی بین تاریخ‌ها
  • 43. مقدمه‌ای بر پاکسازی داده‌ها
  • 44. اهمیت پاکسازی داده‌ها
  • 45. چالش‌های رایج در پاکسازی داده‌ها
  • 46. استانداردسازی داده‌ها
  • 47. بررسی و رفع ناهماهنگی در داده‌ها
  • 48. کار با داده‌های متنی
  • 49. پاکسازی داده‌های متنی
  • 50. حذف کاراکترهای اضافی
  • 51. تبدیل به حروف کوچک/بزرگ
  • 52. حذف کلمات توقف (Stop Words)
  • 53. ریشه‌یابی کلمات (Stemming & Lemmatization)
  • 54. کار با داده‌های طبقه‌بندی شده
  • 55. کدگذاری متغیرهای طبقه‌بندی شده
  • 56. One-Hot Encoding
  • 57. Label Encoding
  • 58. کار با داده‌های عددی
  • 59. نرمال‌سازی (Normalization)
  • 60. استانداردسازی (Standardization)
  • 61. مقدمه‌ای بر تحلیل اکتشافی داده‌ها (EDA)
  • 62. اهمیت EDA در چرخه علم داده
  • 63. ابزارهای EDA در پایتون
  • 64. تجسم داده‌ها با Matplotlib
  • 65. رسم نمودارهای خطی
  • 66. رسم نمودارهای پراکندگی
  • 67. رسم نمودارهای میله‌ای
  • 68. رسم هیستوگرام
  • 69. تجسم داده‌ها با Seaborn
  • 70. نمودارهای توزیع
  • 71. نمودارهای آماری
  • 72. نمودارهای رابطه‌ای
  • 73. نمودارهای دسته‌بندی شده
  • 74. تحلیل همبستگی بین متغیرها
  • 75. ساخت ماتریس همبستگی
  • 76. نمایش ماتریس همبستگی
  • 77. تفسیر نتایج همبستگی
  • 78. شناسایی الگوهای پنهان در داده‌ها
  • 79. ارزیابی کیفیت داده‌ها
  • 80. مستندسازی فرآیند پاکسازی داده‌ها
  • 81. نکات تکمیلی در پاکسازی داده‌ها
  • 82. مدیریت خطا در عملیات داده‌ای
  • 83. بهینه‌سازی عملکرد در Pandas
  • 84. کار با داده‌های حجیم
  • 85. ذخیره‌سازی داده‌های پاکسازی شده
  • 86. اصول گزارش‌دهی نتایج تحلیل
  • 87. کاربردهای عملی پاکسازی داده‌ها
  • 88. مقدمه‌ای بر آماری توصیفی
  • 89. محاسبه معیارهای مرکزی
  • 90. محاسبه معیارهای پراکندگی
  • 91. توزیع فراوانی
  • 92. مقدمه‌ای بر احتمالات
  • 93. قواعد پایه احتمالات
  • 94. احتمال شرطی
  • 95. قضیه بیز
  • 96. مقدمه‌ای بر توزیع‌های احتمالی
  • 97. توزیع نرمال
  • 98. توزیع دوجمله‌ای
  • 99. توزیع پواسون
  • 100. مقدمه‌ای بر استنباط آماری

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.