اپلیکیشن اندرویدی فلش‌کارت آموزشی تحلیلگر داده با IBM: مبانی، ابزارها و کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیلگر داده با IBM: مبانی، ابزارها و کاربردها

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: ابزارها و تکنیک‌های تحلیل داده

📋 سرفصل‌های دوره

• 1. مبانی علوم داده و تحلیل آماری
• 2. مقدمه‌ای بر تحلیلگر داده
• 3. نقش تحلیلگر داده در سازمان‌ها
• 4. چرخه حیات داده
• 5. انواع داده و منابع داده
• 6. مجموعه داده‌های ساختاریافته و غیرساختاریافته
• 7. مقدمه‌ای بر پایگاه‌های داده
• 8. مبانی SQL برای تحلیلگران داده
• 9. کوئری‌های پایه در SQL
• 10. فیلتر کردن و مرتب‌سازی داده‌ها در SQL
• 11. توابع تجمیعی در SQL
• 12. گروه‌بندی داده‌ها در SQL
• 13. پیوند جداول در SQL
• 14. مقدمه‌ای بر زبان برنامه‌نویسی پایتون
• 15. نصب و پیکربندی پایتون
• 16. مبانی سینتکس پایتون
• 17. انواع داده در پایتون
• 18. ساختارهای کنترلی در پایتون
• 19. حلقه‌ها در پایتون
• 20. توابع در پایتون
• 21. مقدمه‌ای بر کتابخانه NumPy
• 22. آرایه‌های NumPy
• 23. عملیات ریاضی بر روی آرایه‌های NumPy
• 24. شاخص‌گذاری و برش آرایه‌های NumPy
• 25. مقدمه‌ای بر کتابخانه Pandas
• 26. ساختار داده Series در Pandas
• 27. ساختار داده DataFrame در Pandas
• 28. بارگذاری و ذخیره داده‌ها در Pandas
• 29. پاکسازی داده‌ها در Pandas
• 30. مدیریت داده‌های گمشده
• 31. مدیریت داده‌های تکراری
• 32. تغییر شکل DataFrame
• 33. ادغام و اتصال DataFrame ها
• 34. مقدمه‌ای بر مصورسازی داده‌ها
• 35. اصول مصورسازی داده‌های مؤثر
• 36. مقدمه‌ای بر کتابخانه Matplotlib
• 37. رسم نمودارهای خطی
• 38. رسم نمودارهای پراکندگی
• 39. رسم نمودارهای میله‌ای
• 40. رسم نمودارهای دایره‌ای
• 41. مقدمه‌ای بر کتابخانه Seaborn
• 42. نمودارهای هیستوگرام
• 43. نمودارهای جعبه‌ای
• 44. نمودارهای ویولن
• 45. نمودارهای حرارتی
• 46. مقدمه‌ای بر تحلیل آماری
• 47. مفاهیم آماری پایه
• 48. میانگین، میانه و نما
• 49. واریانس و انحراف معیار
• 50. توزیع‌های آماری
• 51. توزیع نرمال
• 52. آزمون فرض آماری
• 53. مفاهیم p-value
• 54. آزمون t مستقل
• 55. آزمون t زوجی
• 56. مقدمه‌ای بر رگرسیون خطی
• 57. مدل رگرسیون خطی ساده
• 58. تفسیر ضرایب رگرسیون
• 59. ارزیابی مدل رگرسیون خطی
• 60. مقدمه‌ای بر رگرسیون لجستیک
• 61. مدل رگرسیون لجستیک
• 62. تفسیر ضرایب رگرسیون لجستیک
• 63. ارزیابی مدل رگرسیون لجستیک
• 64. مقدمه‌ای بر یادگیری ماشین
• 65. انواع یادگیری ماشین (نظارت شده، بدون نظارت)
• 66. تقسیم داده‌ها به مجموعه آموزشی و آزمایشی
• 67. ارزیابی مدل‌های یادگیری ماشین
• 68. متریک‌های ارزیابی طبقه‌بندی
• 69. متریک‌های ارزیابی رگرسیون
• 70. مقدمه‌ای بر خوشه‌بندی
• 71. الگوریتم K-Means
• 72. تفسیر نتایج خوشه‌بندی
• 73. مقدمه‌ای بر کاهش ابعاد
• 74. تحلیل مؤلفه‌های اصلی (PCA)
• 75. کاربرد PCA در تحلیل داده
• 76. مقدمه‌ای بر تحلیل سری‌های زمانی
• 77. مفاهیم پایه سری‌های زمانی
• 78. پیش‌بینی سری‌های زمانی
• 79. تحلیل داده‌های مالی با رویکرد اسلامی
• 80. اصول بانکداری بدون ربا
• 81. عقود اسلامی در معاملات
• 82. مدیریت ریسک در چارچوب فقهی
• 83. تحلیل داده‌های اقتصادی با تأکید بر قوانین ایران
• 84. مقررات بانک مرکزی در حوزه رمزارزها
• 85. تحلیل داده‌های کسب‌وکار در ایران
• 86. مصورسازی داده‌های بازار ایران
• 87. مبانی حاکمیت داده در سازمان‌ها
• 88. امنیت داده‌ها و حفظ حریم خصوصی
• 89. اخلاق در تحلیل داده
• 90. کاربرد تحلیلگر داده در بخش دولتی
• 91. کاربرد تحلیلگر داده در بخش خصوصی
• 92. مطالعات موردی تحلیل داده در ایران
• 93. آینده تحلیل داده و هوش مصنوعی
• 94. تکنیک‌های پیشرفته مصورسازی داده
• 95. یادگیری عمیق برای تحلیل داده
• 96. پردازش زبان طبیعی (NLP) برای تحلیل متن
• 97. تحلیل احساسات در داده‌های متنی
• 98. مقدمه‌ای بر داده‌کاوی
• 99. قوانین انجمنی (Association Rules)
• 100. کاربرد قوانین انجمنی در خرده‌فروشی