کتاب تحلیل داده‌های حجیم و بصری‌سازی با پایتون (Pandas و Matplotlib)

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 حجیم و بصری‌سازی با پایتون (Pandas و Matplotlib)

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: تحلیل داده و هوش تجاری

📋 سرفصل‌های دوره

  • 1. مبانی علوم داده در پایتون
  • 2. نصب و پیکربندی محیط توسعه پایتون
  • 3. آشنایی با ساختارهای داده پایه در پایتون
  • 4. کار با لیست‌ها، تاپل‌ها و دیکشنری‌ها
  • 5. مقدمات زبان برنامه‌نویسی پایتون
  • 6. کنترل جریان و دستورات شرطی
  • 7. حلقه‌ها و تکرار در پایتون
  • 8. توابع و ماژول‌ها در پایتون
  • 9. مدیریت خطا و استثنا در پایتون
  • 10. مقدمه‌ای بر کتابخانه NumPy
  • 11. آرایه‌های NumPy و عملیات بر روی آن‌ها
  • 12. توابع ریاضی و آماری در NumPy
  • 13. نمایه‌گذاری و برش در آرایه‌های NumPy
  • 14. مقدمه‌ای بر کتابخانه Pandas
  • 15. ساختارهای داده Pandas: Series
  • 16. ساختارهای داده Pandas: DataFrame
  • 17. بارگذاری و ذخیره‌سازی داده‌ها در Pandas
  • 18. پاکسازی و پیش‌پردازش داده‌ها
  • 19. مدیریت مقادیر گمشده
  • 20. تکنیک‌های مختلف حذف و جایگزینی داده‌های گمشده
  • 21. استانداردسازی و نرمال‌سازی داده‌ها
  • 22. تبدیل انواع داده‌ها در Pandas
  • 23. فیلتر کردن و انتخاب داده‌ها
  • 24. مرتب‌سازی و گروه‌بندی داده‌ها
  • 25. ادغام و پیوستن DataFrames
  • 26. عملیات تجمعی بر روی داده‌ها
  • 27. کار با داده‌های متنی در Pandas
  • 28. کار با داده‌های تاریخ و زمان
  • 29. مقدمه‌ای بر بصری‌سازی داده‌ها
  • 30. اهمیت بصری‌سازی در تحلیل داده
  • 31. مقدمه‌ای بر کتابخانه Matplotlib
  • 32. اجزای اصلی نمودار در Matplotlib
  • 33. رسم نمودارهای خطی ساده
  • 34. رسم نمودارهای پراکندگی (Scatter Plots)
  • 35. رسم نمودارهای میله‌ای (Bar Charts)
  • 36. رسم نمودارهای هیستوگرام
  • 37. رسم نمودارهای دایره‌ای (Pie Charts)
  • 38. سفارشی‌سازی نمودارها
  • 39. تنظیم عناوین، برچسب‌ها و راهنماها
  • 40. تغییر رنگ، سبک خط و نشانگرها
  • 41. رسم چندین نمودار در یک شکل
  • 42. کار با زیرنمودارها (Subplots)
  • 43. استفاده از Matplotlib برای داده‌های آماری
  • 44. رسم نمودارهای جعبه‌ای (Box Plots)
  • 45. رسم نمودارهای ویولن (Violin Plots)
  • 46. رسم نمودارهای آماری پیچیده‌تر
  • 47. مقدمه‌ای بر کتابخانه Seaborn
  • 48. مزایای Seaborn نسبت به Matplotlib
  • 49. رسم نمودارهای آماری با Seaborn
  • 50. نمودارهای توزیع (Distribution Plots)
  • 51. نمودارهای دسته‌بندی (Categorical Plots)
  • 52. نمودارهای ماتریسی (Matrix Plots)
  • 53. نمودارهای رگرسیون (Regression Plots)
  • 54. سفارشی‌سازی نمودارهای Seaborn
  • 55. مقدمه‌ای بر تحلیل داده‌های حجیم
  • 56. مفاهیم کلیدی در داده‌های حجیم
  • 57. چالش‌های تحلیل داده‌های حجیم
  • 58. کاربرد پایتون در تحلیل داده‌های حجیم
  • 59. مقدمه‌ای بر مفاهیم هوش تجاری
  • 60. اجزای سیستم‌های هوش تجاری
  • 61. نقش تحلیل داده در هوش تجاری
  • 62. مبانی گزارش‌دهی و داشبوردسازی
  • 63. ابزارهای تحلیل و بصری‌سازی داده
  • 64. فرایند تحلیل کسب‌وکار
  • 65. مفهوم انبار داده (Data Warehouse)
  • 66. مدل‌سازی داده برای انبار داده
  • 67. مقدمه‌ای بر مفاهیم OLAP
  • 68. مقدمه‌ای بر مفاهیم OLTP
  • 69. استخراج، تبدیل و بارگذاری (ETL)
  • 70. اصول طراحی پایگاه داده تحلیلی
  • 71. مفهوم Data Lake
  • 72. مقایسه Data Warehouse و Data Lake
  • 73. کاربرد داده‌کاوی در هوش تجاری
  • 74. مقدمه‌ای بر یادگیری ماشین در تحلیل داده
  • 75. انتخاب الگوریتم مناسب برای تحلیل
  • 76. ارزیابی مدل‌های تحلیلی
  • 77. مبانی تحلیل پیش‌بینانه
  • 78. مبانی تحلیل تشخیصی
  • 79. مبانی تحلیل تجویزی
  • 80. اصول امنیت داده در پایتون
  • 81. مدیریت دسترسی به داده‌ها
  • 82. حفظ حریم خصوصی در تحلیل داده
  • 83. مقدمه‌ای بر استانداردهای داده در ایران
  • 84. مقررات مربوط به داده و اطلاعات
  • 85. قوانین حاکم بر محتوای دیجیتال
  • 86. اصول اخلاقی در تحلیل داده
  • 87. کاربرد تحلیل داده در صنایع مختلف
  • 88. تحلیل داده در بازاریابی
  • 89. تحلیل داده در مالی
  • 90. تحلیل داده در سلامت
  • 91. تحلیل داده در صنعت
  • 92. مقدمه‌ای بر ابزارهای BI متن‌باز
  • 93. پروژه‌های متن‌باز در حوزه BI
  • 94. مروری بر کتابخانه‌های تحلیل داده پیشرفته
  • 95. آینده تحلیل داده و هوش تجاری

📚 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.