سپنتا کتاب اکسپرس
کتاب تحلیل و دستکاری داده‌ها با کتابخانه Pandas در پایتون

کتاب تحلیل و دستکاری داده‌ها 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 و دستکاری داده‌ها با کتابخانه Pandas در پایتون

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: پردازش و تحلیل داده با پایتون

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علوم داده و تحلیل آماری
  • 2. آشنایی با زبان برنامه‌نویسی پایتون
  • 3. نصب و راه‌اندازی محیط توسعه پایتون
  • 4. مفاهیم پایه در تحلیل داده
  • 5. آشنایی با کتابخانه NumPy
  • 6. ساختار داده‌ای سری (Series) در Pandas
  • 7. ساختار داده‌ای دیتافریم (DataFrame) در Pandas
  • 8. ایجاد دیتافریم از منابع مختلف
  • 9. فهرست‌نویسی و انتخاب داده‌ها در دیتافریم
  • 10. فیلتر کردن داده‌ها بر اساس شرط
  • 11. عملیات پایه روی ستون‌ها
  • 12. عملیات پایه روی ردیف‌ها
  • 13. مدیریت مقادیر گمشده (Missing Values)
  • 14. پر کردن مقادیر گمشده
  • 15. حذف مقادیر گمشده
  • 16. گروه‌بندی داده‌ها (GroupBy)
  • 17. تجمیع داده‌ها (Aggregation)
  • 18. تبدیل داده‌ها (Transformation)
  • 19. ترکیب دیتافریم‌ها (Merge)
  • 20. الحاق دیتافریم‌ها (Concatenate)
  • 21. تغییر شکل دیتافریم (Reshape)
  • 22. محورها در Pandas
  • 23. عملیات روی محورها
  • 24. آشنایی با داده‌های زمانی (Time Series)
  • 25. عملیات روی داده‌های زمانی
  • 26. نمونه‌گیری از داده‌ها
  • 27. توابع پنجره‌ای (Window Functions)
  • 28. توابع متحرک (Rolling Functions)
  • 29. توابع تجمعی (Expanding Functions)
  • 30. پردازش متن در Pandas
  • 31. عملیات رشته‌ای روی ستون‌ها
  • 32. عبارات منظم (Regular Expressions)
  • 33. کار با داده‌های طبقه‌بندی شده (Categorical Data)
  • 34. فشرده‌سازی حافظه
  • 35. آشنایی با کتابخانه Matplotlib
  • 36. رسم نمودارهای پایه
  • 37. نمودار خطی
  • 38. نمودار میله‌ای
  • 39. نمودار پراکندگی
  • 40. نمودار هیستوگرام
  • 41. نمودار جعبه‌ای (Box Plot)
  • 42. تنظیمات نمودارها
  • 43. آشنایی با کتابخانه Seaborn
  • 44. نمودارهای آماری پیشرفته
  • 45. نمودار توزیع
  • 46. نمودار همبستگی
  • 47. نمودار ماتریس
  • 48. نمودار حرارتی (Heatmap)
  • 49. نمودارهای مقایسه‌ای
  • 50. کار با داده‌های بزرگ
  • 51. بهینه‌سازی عملکرد Pandas
  • 52. خواندن و نوشتن فایل‌های CSV
  • 53. خواندن و نوشتن فایل‌های Excel
  • 54. خواندن و نوشتن فایل‌های JSON
  • 55. خواندن و نوشتن پایگاه‌های داده SQL
  • 56. مقدمه‌ای بر آمار استنباطی
  • 57. آزمون فرض آماری
  • 58. آزمون t
  • 59. آزمون کای دو
  • 60. رگرسیون خطی ساده
  • 61. رگرسیون خطی چندگانه
  • 62. مقدمه‌ای بر مدل‌های پیش‌بینی
  • 63. آماده‌سازی داده‌ها برای یادگیری ماشین
  • 64. تقسیم داده‌ها به مجموعه آموزش و آزمون
  • 65. ارزیابی مدل‌های پیش‌بینی
  • 66. معرفی الگوریتم‌های یادگیری ماشین
  • 67. کار با کتابخانه Scikit-learn
  • 68. پیاده‌سازی رگرسیون خطی با Scikit-learn
  • 69. پیاده‌سازی طبقه‌بندی با Scikit-learn
  • 70. مقدمه‌ای بر تحلیل سری‌های زمانی
  • 71. مدل ARIMA
  • 72. پیش‌بینی با مدل‌های سری زمانی
  • 73. کار با داده‌های مکانی
  • 74. مقدمه‌ای بر تحلیل شبکه‌های اجتماعی
  • 75. تحلیل احساسات
  • 76. استخراج اطلاعات
  • 77. مصورسازی نتایج تحلیل
  • 78. اصول پاکسازی داده‌ها
  • 79. استانداردسازی داده‌ها
  • 80. نرمال‌سازی داده‌ها
  • 81. مدیریت داده‌های پرت
  • 82. بررسی توزیع داده‌ها
  • 83. تحلیل اکتشافی داده‌ها (EDA)
  • 84. ساخت داشبوردهای تعاملی
  • 85. مقدمه‌ای بر هوش تجاری
  • 86. کاربرد Pandas در هوش تجاری
  • 87. اصول گزارش‌دهی داده‌ها
  • 88. مقدمه‌ای بر داده‌کاوی
  • 89. تکنیک‌های خوشه‌بندی
  • 90. تکنیک‌های طبقه‌بندی
  • 91. قوانین وابستگی
  • 92. مقدمه‌ای بر یادگیری عمیق
  • 93. کاربرد یادگیری عمیق در تحلیل داده
  • 94. مقدمه‌ای بر پردازش زبان طبیعی
  • 95. تحلیل متن با NLTK
  • 96. تحلیل متن با SpaCy
  • 97. استخراج ویژگی از متن
  • 98. کاربرد Pandas در شبکه‌های عصبی
  • 99. بهینه‌سازی مدل‌های یادگیری ماشین
  • 100. تنظیم ابرپارامترها

📚 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.