سپنتا کتاب اکسپرس
کتاب پاکسازی و آماده‌سازی داده‌ها با پایتون برای تحلیل‌های علمی

کتاب پاکسازی و آماده‌سازی داده‌ها با پایتون برای تحلیل‌های علمی

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 پاکسازی و آماده‌سازی داده‌ها با پایتون برای تحلیل‌های علمی

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: پردازش و تحلیل داده با پایتون

📋 سرفصل‌های دوره

  • 1. مقدمه: اهمیت آماده‌سازی داده‌ها در علوم کامپیوتر
  • 2. مبانی داده‌ها و انواع آن‌ها
  • 3. ساختار داده‌های رایج در پایتون
  • 4. معرفی کتابخانه Pandas
  • 5. ساختار داده DataFrame
  • 6. ایجاد DataFrame از منابع مختلف
  • 7. خواندن و نوشتن داده‌ها از فایل‌های CSV
  • 8. خواندن و نوشتن داده‌ها از فایل‌های Excel
  • 9. خواندن و نوشتن داده‌ها از پایگاه‌های داده
  • 10. کار با داده‌های متنی و رشته‌ای
  • 11. پاکسازی داده‌های متنی
  • 12. تبدیل داده‌های متنی به عددی
  • 13. مدیریت مقادیر گمشده (Missing Values)
  • 14. شناسایی مقادیر گمشده
  • 15. حذف مقادیر گمشده
  • 16. جایگزینی مقادیر گمشده با میانگین
  • 17. جایگزینی مقادیر گمشده با میانه
  • 18. جایگزینی مقادیر گمشده با مد
  • 19. جایگزینی مقادیر گمشده با مقدار ثابت
  • 20. برون‌یابی (Interpolation) مقادیر گمشده
  • 21. کار با داده‌های تکراری (Duplicates)
  • 22. شناسایی داده‌های تکراری
  • 23. حذف داده‌های تکراری
  • 24. مدیریت داده‌های پرت (Outliers)
  • 25. شناسایی داده‌های پرت با استفاده از نمودار جعبه‌ای
  • 26. شناسایی داده‌های پرت با استفاده از فاصله بین چارکی
  • 27. شناسایی داده‌های پرت با استفاده از انحراف معیار
  • 28. حذف داده‌های پرت
  • 29. تبدیل داده‌ها (Data Transformation)
  • 30. نرمال‌سازی (Normalization) داده‌ها
  • 31. استانداردسازی (Standardization) داده‌ها
  • 32. تبدیل لگاریتمی داده‌ها
  • 33. تبدیل توانی داده‌ها
  • 34. کدگذاری متغیرهای دسته‌ای (Categorical Encoding)
  • 35. One-Hot Encoding
  • 36. Label Encoding
  • 37. Binary Encoding
  • 38. Target Encoding
  • 39. استخراج ویژگی (Feature Extraction)
  • 40. استخراج ویژگی از تاریخ و زمان
  • 41. استخراج ویژگی از متن
  • 42. استخراج ویژگی از تصاویر (مقدماتی)
  • 43. ترکیب داده‌ها (Data Merging)
  • 44. ادغام (Merge) DataFrame ها بر اساس کلید
  • 45. الحاق (Concatenate) DataFrame ها
  • 46. پیوند (Join) DataFrame ها
  • 47. گروه‌بندی و تجمیع داده‌ها (Grouping and Aggregation)
  • 48. عملیات GroupBy در Pandas
  • 49. توابع تجمیعی (Aggregation Functions)
  • 50. فیلتر کردن بر اساس گروه‌ها
  • 51. توزیع فراوانی (Frequency Distribution)
  • 52. توزیع فراوانی مطلق
  • 53. توزیع فراوانی نسبی
  • 54. توزیع فراوانی تجمعی
  • 55. کار با داده‌های سری زمانی (Time Series Data)
  • 56. شاخص‌گذاری مبتنی بر زمان
  • 57. تغییر فرکانس داده‌های سری زمانی
  • 58. حرکت میانگین (Moving Average)
  • 59. لگ (Lag) در سری‌های زمانی
  • 60. فصل‌بندی (Seasonality) در سری‌های زمانی
  • 61. نمودارها و بصری‌سازی داده‌ها (Data Visualization)
  • 62. مقدمه بصری‌سازی داده‌ها
  • 63. استفاده از Matplotlib
  • 64. استفاده از Seaborn
  • 65. رسم نمودار هیستوگرام
  • 66. رسم نمودار پراکندگی (Scatter Plot)
  • 67. رسم نمودار خطی (Line Plot)
  • 68. رسم نمودار میله‌ای (Bar Plot)
  • 69. رسم نمودار جعبه‌ای (Box Plot)
  • 70. رسم نمودار دایره‌ای (Pie Chart)
  • 71. بررسی روابط بین متغیرها
  • 72. ماتریس همبستگی (Correlation Matrix)
  • 73. بصری‌سازی ماتریس همبستگی
  • 74. اعتبارسنجی داده‌ها (Data Validation)
  • 75. قوانین اعتبارسنجی داده‌ها
  • 76. پیاده‌سازی قوانین اعتبارسنجی
  • 77. مدیریت خطا در پردازش داده
  • 78. کار با استثنائات (Exceptions) در پایتون
  • 79. مدیریت خطاهای رایج در Pandas
  • 80. روش‌های پاکسازی داده‌های پیچیده
  • 81. پاکسازی داده‌های ساختاریافته
  • 82. پاکسازی داده‌های نیمه‌ساختاریافته
  • 83. پاکسازی داده‌های بدون ساختار (مقدماتی)
  • 84. کار با داده‌های مکانی (Spatial Data) (مقدماتی)
  • 85. مفاهیم اولیه داده‌های مکانی
  • 86. خواندن و نمایش داده‌های مکانی ساده
  • 87. آماده‌سازی داده‌ها برای یادگیری ماشین
  • 88. ویژگی‌های ورودی (Features)
  • 89. متغیر هدف (Target Variable)
  • 90. تقسیم داده‌ها به مجموعه آموزشی و آزمایشی
  • 91. تنظیمات پیشرفته Pandas
  • 92. استفاده از Index های چندگانه (MultiIndex)
  • 93. کار با Pivot Tables
  • 94. کار با Stack و Unstack
  • 95. بهینه‌سازی عملکرد در Pandas
  • 96. استفاده از Cython و Numba (اشاره)
  • 97. نکات و ترفندهای کاربردی در Data Wrangling
  • 98. جمع‌بندی و مراحل بعدی در تحلیل داده
  • 99. اصول اخلاقی در کار با داده‌ها
  • 100. حفظ حریم خصوصی داده‌ها

📚 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.