کتاب تحلیل داده‌های مقدماتی با کتابخانه Pandas در 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 تحلیل داده‌های مقدماتی با کتابخانه Pandas در پایتون

موضوع کلی: علوم داده و تحلیل آماری با پایتون

موضوع میانی: پردازش و تحلیل داده‌های حجیم

📋 سرفصل‌های دوره

  • 1. آشنایی با پایتون برای تحلیل داده
  • 2. مقدمه‌ای بر تحلیل داده با پایتون
  • 3. نصب و راه‌اندازی محیط تحلیل داده
  • 4. مفاهیم پایه کتابخانه Pandas
  • 5. ساختار داده‌ای Series در Pandas
  • 6. ساختار داده‌ای DataFrame در Pandas
  • 7. عملیات اولیه با DataFrame
  • 8. بارگذاری داده‌ها از فایل‌های مختلف
  • 9. ذخیره‌سازی داده‌ها در فایل‌های مختلف
  • 10. انتخاب و فیلتر کردن داده‌ها در DataFrame
  • 11. دسترسی به داده‌ها با loc و iloc
  • 12. مدیریت داده‌های گمشده (Missing Data)
  • 13. پر کردن داده‌های گمشده
  • 14. حذف داده‌های گمشده
  • 15. عملیات آماری پایه روی داده‌ها
  • 16. محاسبه میانگین، میانه و مد
  • 17. محاسبه واریانس و انحراف معیار
  • 18. محاسبه همبستگی و کوواریانس
  • 19. تجدید شکل (Reshaping) داده‌ها
  • 20. تغییر ابعاد DataFrame
  • 21. دسته‌بندی داده‌ها
  • 22. فشرده‌سازی داده‌ها
  • 23. ترکیب و ادغام DataFrame ها
  • 24. الحاق (Concatenation) DataFrame ها
  • 25. ادغام (Merge) DataFrame ها
  • 26. عملیات گروه بندی (Grouping)
  • 27. تابع apply در Pandas
  • 28. عملیات روی رشته‌ها در Pandas
  • 29. فرمت‌بندی رشته‌ها
  • 30. کار با تاریخ و زمان در Pandas
  • 31. استخراج اطلاعات از تاریخ و زمان
  • 32. فیلتر کردن داده‌های زمانی
  • 33. عملیات روی داده‌های دسته‌ای (Categorical Data)
  • 34. ساخت نمودارهای پایه با Matplotlib
  • 35. رسم نمودار خطی
  • 36. رسم نمودار میله‌ای
  • 37. رسم نمودار پراکندگی
  • 38. رسم نمودار هیستوگرام
  • 39. رسم نمودار جعبه‌ای
  • 40. تنظیمات ظاهری نمودارها
  • 41. مقدمه‌ای بر تحلیل سری‌های زمانی
  • 42. ساخت سری‌های زمانی در Pandas
  • 43. نمایش روند در سری‌های زمانی
  • 44. پیش‌بینی سری‌های زمانی (مقدماتی)
  • 45. تحلیل داده‌های حجیم (مقدماتی)
  • 46. مفاهیم Big Data در تحلیل داده
  • 47. کار با کتابخانه‌های مرتبط با داده‌های حجیم
  • 48. مقدمه‌ای بر Spark برای تحلیل داده
  • 49. نصب و راه‌اندازی PySpark
  • 50. ساختار داده‌ای RDD در PySpark
  • 51. ساختار داده‌ای DataFrame در PySpark
  • 52. عملیات پایه با PySpark DataFrame
  • 53. بارگذاری داده‌ها در PySpark
  • 54. فیلتر کردن داده‌ها در PySpark
  • 55. عملیات آماری در PySpark
  • 56. مدیریت داده‌های گمشده در PySpark
  • 57. گروه بندی در PySpark
  • 58. استفاده از UDF در PySpark
  • 59. کار با داده‌های متنی در PySpark
  • 60. مقدمه‌ای بر یادگیری ماشین در پایتون
  • 61. نصب و راه‌اندازی Scikit-learn
  • 62. آماده‌سازی داده‌ها برای یادگیری ماشین
  • 63. تقسیم داده به مجموعه آموزشی و آزمایشی
  • 64. مدل‌های طبقه‌بندی (مقدماتی)
  • 65. رگرسیون خطی (مقدماتی)
  • 66. ارزیابی مدل‌های یادگیری ماشین
  • 67. معرفی تحلیل اکتشافی داده (EDA)
  • 68. مراحل کلیدی در EDA
  • 69. مصورسازی پیشرفته داده‌ها
  • 70. استفاده از Seaborn برای مصورسازی
  • 71. نمودارهای توزیع آماری
  • 72. نمودارهای رابطه‌ای
  • 73. نمودارهای طبقه‌بندی
  • 74. تحلیل داده‌های متنی (مقدماتی)
  • 75. پیش‌پردازش متن
  • 76. تکنیک‌های Bag of Words
  • 77. مدل TF-IDF
  • 78. مقدمه‌ای بر تحلیل احساسات
  • 79. کار با کتابخانه NLTK
  • 80. کار با کتابخانه SpaCy
  • 81. کار با داده‌های مکانی (مقدماتی)
  • 82. مقدمه‌ای بر کتابخانه GeoPandas
  • 83. مصورسازی داده‌های مکانی
  • 84. کار با داده‌های شبکه‌ای (مقدماتی)
  • 85. مقدمه‌ای بر کتابخانه NetworkX
  • 86. تحلیل گراف‌ها
  • 87. مصورسازی گراف‌ها
  • 88. کار با داده‌های صوتی (مقدماتی)
  • 89. مقدمه‌ای بر کتابخانه‌های صوتی
  • 90. استخراج ویژگی از صدا
  • 91. کار با داده‌های تصویری (مقدماتی)
  • 92. مقدمه‌ای بر کتابخانه‌های پردازش تصویر
  • 93. بارگذاری و نمایش تصاویر
  • 94. تغییر اندازه و برش تصاویر
  • 95. استخراج ویژگی از تصاویر
  • 96. مقدمه‌ای بر پایگاه‌های داده رابطه‌ای
  • 97. اتصال پایتون به پایگاه داده
  • 98. اجرای کوئری SQL از پایتون
  • 99. کار با داده‌های NoSQL (مقدماتی)
  • 100. مقدمه‌ای بر MongoDB

📚 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.