سپنتا کتاب اکسپرس
کتاب تحلیل و پردازش داده با پانداس در پایتون

کتاب تحلیل و پردازش داده با پانداس 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 و پردازش داده با پانداس در پایتون

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: تحلیل داده و علم داده با پایتون

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علم داده و پایتون
  • 2. نصب و راه‌اندازی محیط تحلیل داده
  • 3. آشنایی با ساختارهای داده در پایتون
  • 4. مبانی کتابخانه NumPy
  • 5. عملیات پایه‌ای با آرایه‌های NumPy
  • 6. نمایه‌گذاری و برش‌دهی در NumPy
  • 7. توابع ریاضی و آماری در NumPy
  • 8. مقدمه‌ای بر کتابخانه Pandas
  • 9. ساختارهای داده Series و DataFrame
  • 10. عملیات با DataFrame
  • 11. خواندن و نوشتن داده‌ها (CSV, Excel)
  • 12. پاکسازی داده‌ها: شناسایی و حذف مقادیر گمشده
  • 13. پاکسازی داده‌ها: جایگزینی مقادیر گمشده
  • 14. شناسایی و حذف داده‌های پرت
  • 15. تبدیل انواع داده‌ها
  • 16. عملیات ترکیب و ادغام DataFrame ها
  • 17. گروه‌بندی و تجمیع داده‌ها
  • 18. تجزیه و تحلیل داده‌های سری زمانی
  • 19. عملیات متنی بر روی داده‌ها
  • 20. آشنایی با مصورسازی داده‌ها
  • 21. مبانی مصورسازی با Matplotlib
  • 22. مصورسازی با Seaborn
  • 23. نمودارهای پراکندگی و خطی
  • 24. نمودارهای میله‌ای و هیستوگرام
  • 25. نمودارهای جعبه‌ای و ویولن
  • 26. مصورسازی داده‌های جغرافیایی (مقدماتی)
  • 27. مقدمه‌ای بر آمار استنباطی
  • 28. آزمون فرض آماری
  • 29. مفاهیم رگرسیون خطی
  • 30. رگرسیون خطی چندگانه
  • 31. مقدمه‌ای بر طبقه‌بندی
  • 32. الگوریتم K-نزدیک‌ترین همسایه
  • 33. درخت‌های تصمیم
  • 34. مقدمه‌ای بر یادگیری ماشین
  • 35. آماده‌سازی داده‌ها برای مدل‌سازی
  • 36. انتخاب ویژگی (Feature Selection)
  • 37. مهندسی ویژگی (Feature Engineering)
  • 38. ارزیابی مدل‌های یادگیری ماشین
  • 39. معیارهای ارزیابی مدل‌های طبقه‌بندی
  • 40. معیارهای ارزیابی مدل‌های رگرسیون
  • 41. اعتبارسنجی متقابل (Cross-Validation)
  • 42. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 43. آشنایی با شبکه‌های عصبی (مقدماتی)
  • 44. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 45. تحلیل احساسات (Sentiment Analysis)
  • 46. مدل‌سازی موضوعی (Topic Modeling)
  • 47. مقدمه‌ای بر تحلیل شبکه‌های اجتماعی
  • 48. مصورسازی شبکه‌های اجتماعی
  • 49. مقدمه‌ای بر داده‌های بزرگ (Big Data)
  • 50. مفاهیم Hadoop و Spark
  • 51. کار با ابزارهای پردازش توزیع‌شده (مقدماتی)
  • 52. اصول مهندسی نرم‌افزار در پروژه‌های داده
  • 53. روش‌های توسعه چابک (Agile) در پروژه‌های داده
  • 54. مدیریت پیکربندی (Configuration Management)
  • 55. سیستم‌های کنترل نسخه (Git)
  • 56. مبانی پایگاه داده رابطه‌ای
  • 57. طراحی پایگاه داده (مقدماتی)
  • 58. زبان SQL برای تحلیل داده
  • 59. کار با پایگاه داده در پایتون
  • 60. اصول امنیت داده‌ها در پایتون
  • 61. حفظ حریم خصوصی داده‌ها
  • 62. ملاحظات اخلاقی در علم داده
  • 63. پیاده‌سازی الگوریتم‌های یادگیری عمیق (مقدماتی)
  • 64. شبکه‌های عصبی کانولوشنال (CNN)
  • 65. شبکه‌های عصبی بازگشتی (RNN)
  • 66. مقدمه‌ای بر پردازش تصویر با پایتون
  • 67. کار با کتابخانه OpenCV
  • 68. کار با کتابخانه Pillow
  • 69. تحلیل داده‌های صوتی (مقدماتی)
  • 70. پردازش سیگنال‌های دیجیتال (مقدماتی)
  • 71. مقدمه‌ای بر بهینه‌سازی (Optimization)
  • 72. الگوریتم‌های ژنتیک (مقدماتی)
  • 73. کاربرد علم داده در حوزه سلامت (با رعایت پروتکل‌ها)
  • 74. کاربرد علم داده در حوزه مالی (با رعایت مقررات)
  • 75. کاربرد علم داده در حوزه آموزش
  • 76. کاربرد علم داده در صنعت
  • 77. مقدمه‌ای بر هوش تجاری (Business Intelligence)
  • 78. داشبوردهای مدیریتی با پایتون
  • 79. اتوماسیون وظایف تحلیل داده
  • 80. مقدمه‌ای بر یادگیری تقویتی (Reinforcement Learning)
  • 81. مفاهیم پایه یادگیری تقویتی
  • 82. الگوریتم‌های Q-Learning
  • 83. مقدمه‌ای بر سیستم‌های توصیه‌گر (Recommender Systems)
  • 84. فیلترینگ مشارکتی (Collaborative Filtering)
  • 85. محتوای مبتنی بر فیلترینگ (Content-Based Filtering)
  • 86. ترکیب روش‌های توصیه‌گر
  • 87. اصول کار تیمی در پروژه‌های علم داده
  • 88. ارتباط موثر با ذینفعان
  • 89. مستندسازی پروژه‌های علم داده
  • 90. ارائه نتایج تحلیل داده
  • 91. بررسی کیس استادی‌های موفق در علم داده
  • 92. چالش‌های پیاده‌سازی علم داده در سازمان‌ها
  • 93. آینده علم داده و هوش مصنوعی
  • 94. مهارت‌های لازم برای متخصص علم داده
  • 95. مسیر شغلی در علم داده
  • 96. مقدمه‌ای بر قوانین و مقررات داده در ایران
  • 97. حقوق مالکیت داده‌ها در ایران
  • 98. مسئولیت‌های قانونی در حوزه داده
  • 99. استانداردهای داده در ایران
  • 100. تکنیک‌های پیشرفته پاکسازی داده

📚 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.