سپنتا کتاب اکسپرس
کتاب مبانی تحلیل اکتشافی داده‌ها با پایتون و کتابخانه Pandas

کتاب مبانی تحلیل اکتشافی داده‌ها با پایتون و کتابخانه Pandas

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 مبانی تحلیل اکتشافی داده‌ها با پایتون و کتابخانه Pandas

موضوع کلی: علم داده و تحلیل آماری

موضوع میانی: تحلیل اکتشافی داده‌ها با پایتون

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علم داده و تحلیل اکتشافی
  • 2. نصب و راه‌اندازی محیط پایتون و کتابخانه‌های مورد نیاز
  • 3. آشنایی با محیط Jupyter Notebook
  • 4. مفاهیم اولیه داده‌ها و انواع آن‌ها
  • 5. مقدمه‌ای بر کتابخانه Pandas
  • 6. ساختار داده‌ای Series در Pandas
  • 7. ساختار داده‌ای DataFrame در Pandas
  • 8. نحوه خواندن و نوشتن داده‌ها از فایل‌های CSV
  • 9. نحوه خواندن و نوشتن داده‌ها از فایل‌های Excel
  • 10. نحوه خواندن و نوشتن داده‌ها از پایگاه‌های داده SQL
  • 11. انتخاب و فیلتر کردن داده‌ها در DataFrame
  • 12. انتخاب ستون‌ها و ردیف‌های مشخص
  • 13. فیلتر کردن داده‌ها بر اساس شرط
  • 14. کار با داده‌های ناموجود (Missing Data)
  • 15. تشخیص داده‌های ناموجود
  • 16. حذف داده‌های ناموجود
  • 17. جایگزینی داده‌های ناموجود
  • 18. تکنیک‌های پاکسازی داده‌ها
  • 19. استانداردسازی داده‌ها
  • 20. نرمال‌سازی داده‌ها
  • 21. تبدیل انواع داده‌ها
  • 22. تکنیک‌های خلاصه‌سازی داده‌ها
  • 23. محاسبه آماره‌های توصیفی پایه
  • 24. محاسبه میانگین، میانه و مد
  • 25. محاسبه واریانس و انحراف معیار
  • 26. محاسبه چارک‌ها و صدک‌ها
  • 27. تجسم داده‌ها (Data Visualization)
  • 28. مقدمه‌ای بر کتابخانه Matplotlib
  • 29. رسم نمودارهای خطی
  • 30. رسم نمودارهای میله‌ای
  • 31. رسم نمودارهای پراکندگی
  • 32. رسم نمودارهای هیستوگرام
  • 33. رسم نمودارهای جعبه‌ای (Box Plot)
  • 34. رسم نمودارهای دایره‌ای
  • 35. مقدمه‌ای بر کتابخانه Seaborn
  • 36. رسم نمودارهای آماری پیچیده‌تر با Seaborn
  • 37. رسم نمودارهای توزیع
  • 38. رسم نمودارهای رابطه‌ای
  • 39. رسم نمودارهای طبقه‌بندی
  • 40. تحلیل اکتشافی داده‌های عددی
  • 41. بررسی توزیع داده‌های عددی
  • 42. شناسایی داده‌های پرت (Outliers)
  • 43. بررسی همبستگی بین متغیرهای عددی
  • 44. تجسم ماتریس همبستگی
  • 45. تحلیل اکتشافی داده‌های دسته‌ای
  • 46. تعداد فراوانی دسته‌ها
  • 47. نمودارهای میله‌ای برای داده‌های دسته‌ای
  • 48. تحلیل چند متغیره
  • 49. بررسی رابطه بین دو متغیر
  • 50. تحلیل سه‌متغیره
  • 51. کار با داده‌های سری زمانی
  • 52. مقدمه‌ای بر داده‌های سری زمانی
  • 53. عملیات پایه بر روی سری‌های زمانی
  • 54. نمودارهای سری زمانی
  • 55. تحلیل روند و فصلیت (در صورت امکان و با رویکرد علمی)
  • 56. دسته‌بندی و خوشه‌بندی داده‌ها
  • 57. مقدمه‌ای بر الگوریتم‌های خوشه‌بندی
  • 58. کاربرد خوشه‌بندی در تحلیل اکتشافی
  • 59. آماده‌سازی داده‌ها برای مدل‌سازی
  • 60. انتخاب ویژگی‌های مهم
  • 61. مهندسی ویژگی (Feature Engineering)
  • 62. تکنیک‌های کاهش ابعاد
  • 63. مقدمه‌ای بر تحلیل مؤلفه‌های اصلی (PCA)
  • 64. کاربرد PCA در تحلیل اکتشافی
  • 65. ارزیابی نتایج تحلیل اکتشافی
  • 66. نوشتن گزارش تحلیل اکتشافی
  • 67. ارائه یافته‌های کلیدی
  • 68. تصمیم‌گیری بر اساس تحلیل اکتشافی
  • 69. کاربرد تحلیل اکتشافی در حل مسائل واقعی
  • 70. مطالعه موردی ۱: تحلیل داده‌های فروش
  • 71. مطالعه موردی ۲: تحلیل داده‌های مشتریان
  • 72. مطالعه موردی ۳: تحلیل داده‌های وب‌سایت
  • 73. مطالعه موردی ۴: تحلیل داده‌های مالی (با رعایت چارچوب)
  • 74. مطالعه موردی ۵: تحلیل داده‌های سلامت (با رعایت چارچوب)
  • 75. مقدمه‌ای بر آمارهای استنباطی (در حد مقدمه)
  • 76. آزمون فرض آماری (در حد مقدمه)
  • 77. مفاهیم اولیه رگرسیون خطی
  • 78. کاربرد رگرسیون در تحلیل اکتشافی
  • 79. مقدمه‌ای بر طبقه‌بندی (در حد مقدمه)
  • 80. کاربرد طبقه‌بندی در تحلیل اکتشافی
  • 81. اخلاق در علم داده و تحلیل داده‌ها
  • 82. حفظ حریم خصوصی داده‌ها
  • 83. مسئولیت‌پذیری در تحلیل داده‌ها
  • 84. نکات پیشرفته در Pandas
  • 85. عملیات گروه‌بندی و تجمیع (Groupby)
  • 86. ادغام و پیوستن DataFrame ها
  • 87. توابع پنجره‌ای (Window Functions)
  • 88. کار با داده‌های متنی (در حد مقدمه و با احتیاط)
  • 89. تکنیک‌های پردازش متن مقدماتی
  • 90. مقدمه‌ای بر یادگیری ماشین (در حد مقدمه)
  • 91. ارتباط علم داده با یادگیری ماشین
  • 92. منابع بیشتر برای مطالعه
  • 93. مرور کلی بر مباحث دوره
  • 94. جمع‌بندی و گام‌های بعدی در علم 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.