سپنتا کتاب اکسپرس
کتاب تمرین‌های کاربردی NumPy و Pandas برای علم داده در پایتون

کتاب تمرین‌های کاربردی NumPy و Pandas برای علم داده 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 تمرین‌های کاربردی NumPy و Pandas برای علم داده در پایتون

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: پردازش و تحلیل داده‌ها با پایتون

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علم داده و پایتون
  • 2. نصب و راه‌اندازی محیط توسعه پایتون
  • 3. آشنایی با کتابخانه NumPy
  • 4. ساخت آرایه‌های NumPy
  • 5. عملیات پایه‌ای با آرایه‌های NumPy
  • 6. ایندکس‌گذاری و برش آرایه‌های NumPy
  • 7. تغییر شکل و ابعاد آرایه‌های NumPy
  • 8. عملیات ریاضی و منطقی با آرایه‌های NumPy
  • 9. خلاصه‌سازی داده‌ها با NumPy
  • 10. آشنایی با کتابخانه Pandas
  • 11. ساختار داده Series در Pandas
  • 12. ساختار داده DataFrame در Pandas
  • 13. ایجاد DataFrame از دیکشنری‌ها
  • 14. ایجاد DataFrame از لیست‌ها
  • 15. ایندکس‌گذاری و برش DataFrame
  • 16. انتخاب ستون‌ها و ردیف‌ها در DataFrame
  • 17. فیلتر کردن داده‌ها در DataFrame
  • 18. عملیات پایه‌ای با DataFrame
  • 19. بارگذاری داده‌ها از فایل‌های CSV
  • 20. ذخیره‌سازی داده‌ها در فایل‌های CSV
  • 21. مدیریت داده‌های گمشده (NaN)
  • 22. حذف داده‌های گمشده
  • 23. جایگزینی داده‌های گمشده
  • 24. داده‌های تکراری در DataFrame
  • 25. شناسایی و حذف داده‌های تکراری
  • 26. عملیات آماری روی DataFrame
  • 27. میانگین، میانه و مد در DataFrame
  • 28. انحراف معیار و واریانس در DataFrame
  • 29. همبستگی و کوواریانس در DataFrame
  • 30. گروه‌بندی داده‌ها با groupby()
  • 31. تجمیع داده‌ها پس از گروه‌بندی
  • 32. توابع سفارشی در groupby
  • 33. مرتب‌سازی داده‌ها در DataFrame
  • 34. ترکیب DataFrame ها (Merge)
  • 35. الحاق DataFrame ها (Concatenate)
  • 36. تغییر نام ستون‌ها در DataFrame
  • 37. تغییر نوع داده ستون‌ها
  • 38. کار با رشته‌ها در Pandas
  • 39. عملیات روی ستون‌های متنی
  • 40. استفاده از عبارات باقاعده (Regex)
  • 41. کار با تاریخ و زمان در Pandas
  • 42. استخراج اجزای تاریخ و زمان
  • 43. تغییر فرمت تاریخ و زمان
  • 44. عملیات پنجره‌ای (Rolling Window)
  • 45. میانگین متحرک
  • 46. جمع متحرک
  • 47. کار با داده‌های نموداری
  • 48. ساخت نمودار میله‌ای با Pandas
  • 49. ساخت نمودار خطی با Pandas
  • 50. ساخت نمودار پراکندگی با Pandas
  • 51. ساخت هیستوگرام با Pandas
  • 52. تنظیمات پیشرفته نمودارها
  • 53. کار با Pivot Tables
  • 54. ایجاد Pivot Table
  • 55. تنظیمات Pivot Table
  • 56. کار با MultiIndex
  • 57. ایجاد MultiIndex
  • 58. عملیات با MultiIndex
  • 59. کار با داده‌های مکانی (اختیاری)
  • 60. کار با داده‌های متنی (پیشرفته)
  • 61. پردازش زبان طبیعی مقدماتی
  • 62. استفاده از کتابخانه NLTK (اختیاری)
  • 63. استفاده از کتابخانه spaCy (اختیاری)
  • 64. پاکسازی متن
  • 65. نمونه‌سازی متن (Tokenization)
  • 66. حذف کلمات توقف (Stopwords)
  • 67. ریشه‌یابی کلمات (Stemming & Lemmatization)
  • 68. شمارش واژگان
  • 69. TF-IDF Vectorization
  • 70. کار با داده‌های صوتی (اختیاری)
  • 71. کار با داده‌های تصویری (اختیاری)
  • 72. مقدمه‌ای بر یادگیری ماشین
  • 73. انواع یادگیری ماشین
  • 74. مفاهیم اولیه یادگیری ماشین
  • 75. تقسیم داده‌ها به آموزش و آزمون
  • 76. ارزیابی مدل‌های یادگیری ماشین
  • 77. مقدمه‌ای بر رگرسیون خطی
  • 78. پیاده‌سازی رگرسیون خطی با Scikit-learn
  • 79. مقدمه‌ای بر رگرسیون لجستیک
  • 80. پیاده‌سازی رگرسیون لجستیک با Scikit-learn
  • 81. مقدمه‌ای بر دسته‌بندی
  • 82. مقدمه‌ای بر خوشه‌بندی
  • 83. الگوریتم K-Means
  • 84. کار با داده‌های سری زمانی
  • 85. پیش‌بینی سری زمانی
  • 86. مقدمه‌ای بر تحلیل عاملی
  • 87. تحلیل مؤلفه‌های اصلی (PCA)
  • 88. کار با داده‌های بزرگ
  • 89. نکات بهینه‌سازی در Pandas
  • 90. بهترین شیوه‌ها در علم داده
  • 91. مقدمه‌ای بر مصورسازی پیشرفته
  • 92. کار با کتابخانه Matplotlib
  • 93. کار با کتابخانه Seaborn
  • 94. ساخت داشبوردهای تعاملی (اختیاری)
  • 95. مروری بر ابزارهای دیگر علم داده
  • 96. پروژه‌های عملی علم داده
  • 97. آشنایی با مفاهیم آماری کاربردی
  • 98. توزیع‌های آماری مهم
  • 99. آزمون فرض آماری
  • 100. مقدمه‌ای بر آمار بیزی (اختیاری)

📚 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.