سپنتا کتاب اکسپرس
کتاب مبانی علم داده با پایتون و SQL: از تحلیل تا بصری‌سازی

کتاب مبانی علم داده با پایتون و SQL: از تحلیل تا بصری‌سازی

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 علم داده با پایتون و SQL: از تحلیل تا بصری‌سازی

موضوع کلی: علوم و مهندسی داده

موضوع میانی: تحلیل داده با پایتون و SQL

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علم داده
  • 2. مفاهیم کلیدی علم داده
  • 3. نقش پایتون در علم داده
  • 4. مبانی SQL برای علم داده
  • 5. انواع داده‌ها و ساختارهای داده
  • 6. جمع‌آوری و پاکسازی داده‌ها
  • 7. پیش‌پردازش داده‌ها
  • 8. فهم و تحلیل اکتشافی داده‌ها (EDA)
  • 9. آمار توصیفی برای داده‌ها
  • 10. نمودارهای آماری پایه
  • 11. مقدمه‌ای بر بصری‌سازی داده‌ها
  • 12. کتابخانه‌های پایتون برای علم داده
  • 13. نصب و پیکربندی محیط پایتون
  • 14. آشنایی با Jupyter Notebook
  • 15. کار با NumPy برای محاسبات عددی
  • 16. آشنایی با ساختارهای داده NumPy
  • 17. عملیات بر روی آرایه‌های NumPy
  • 18. عملیات ریاضی با NumPy
  • 19. فیلتر کردن و انتخاب داده‌ها در NumPy
  • 20. مقدمه‌ای بر Pandas
  • 21. ساختار داده Series در Pandas
  • 22. ساختار داده DataFrame در Pandas
  • 23. بارگذاری داده‌ها در Pandas
  • 24. پاکسازی داده‌ها در Pandas
  • 25. مدیریت داده‌های گمشده
  • 26. تبدیل و ادغام داده‌ها
  • 27. گروه‌بندی و تجمیع داده‌ها
  • 28. کار با توابع پنجره‌ای در Pandas
  • 29. فرهنگ لغت و ساختارهای داده در پایتون
  • 30. مقدمه‌ای بر SQL
  • 31. دستور SELECT در SQL
  • 32. فیلتر کردن با WHERE در SQL
  • 33. مرتب‌سازی با ORDER BY در SQL
  • 34. گروه‌بندی با GROUP BY در SQL
  • 35. فیلتر کردن گروه‌ها با HAVING در SQL
  • 36. پیوند جداول با JOIN در SQL
  • 37. انواع مختلف JOIN
  • 38. زیرپرس‌وجوها (Subqueries) در SQL
  • 39. توابع تجمیعی در SQL
  • 40. مقدمه‌ای بر پایگاه‌های داده رابطه‌ای
  • 41. طراحی پایگاه داده
  • 42. نرمال‌سازی پایگاه داده
  • 43. مقدمه‌ای بر یادگیری ماشین
  • 44. انواع یادگیری ماشین (نظارت شده، بدون نظارت)
  • 45. آماده‌سازی داده‌ها برای مدل‌سازی
  • 46. مهندسی ویژگی (Feature Engineering)
  • 47. انتخاب ویژگی (Feature Selection)
  • 48. مدل‌های رگرسیون خطی
  • 49. ارزیابی مدل‌های رگرسیون
  • 50. مدل‌های رگرسیون لجستیک
  • 51. ارزیابی مدل‌های طبقه‌بندی
  • 52. مقدمه‌ای بر درخت‌های تصمیم
  • 53. آموزش درخت‌های تصمیم
  • 54. تنظیم پارامترهای درخت تصمیم
  • 55. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
  • 56. تنظیم پارامترهای SVM
  • 57. مقدمه‌ای بر خوشه‌بندی
  • 58. الگوریتم K-Means
  • 59. ارزیابی مدل‌های خوشه‌بندی
  • 60. مقدمه‌ای بر کاهش ابعاد
  • 61. تحلیل مولفه‌های اصلی (PCA)
  • 62. کاربرد PCA در علم داده
  • 63. بصری‌سازی داده‌های چندبعدی
  • 64. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 65. پیش‌پردازش متن
  • 66. مدل‌سازی موضوعی (Topic Modeling)
  • 67. مقدمه‌ای بر سیستم‌های توصیه‌گر
  • 68. فیلترینگ مشارکتی
  • 69. فیلترینگ مبتنی بر محتوا
  • 70. مقدمه‌ای بر شبکه‌های عصبی
  • 71. شبکه‌های عصبی پرسپترون چندلایه
  • 72. آموزش شبکه‌های عصبی
  • 73. بهینه‌سازی شبکه‌های عصبی
  • 74. مقدمه‌ای بر یادگیری عمیق
  • 75. شبکه‌های عصبی کانولوشنی (CNN)
  • 76. کاربرد CNN در بینایی ماشین
  • 77. شبکه‌های عصبی بازگشتی (RNN)
  • 78. کاربرد RNN در پردازش زبان طبیعی
  • 79. مقدمه‌ای بر تحلیل سری‌های زمانی
  • 80. مدل‌های ARIMA
  • 81. پیش‌بینی با سری‌های زمانی
  • 82. مقدمه‌ای بر تحلیل داده‌های شبکه‌ای
  • 83. مقدمه‌ای بر داده‌های مکانی
  • 84. کار با داده‌های جغرافیایی در پایتون
  • 85. مقدمه‌ای بر اخلاق در علم داده
  • 86. حریم خصوصی داده‌ها
  • 87. امنیت داده‌ها
  • 88. تفسیرپذیری مدل‌ها
  • 89. مقدمه‌ای بر استقرار مدل‌ها
  • 90. ساخت API برای مدل‌ها
  • 91. مانیتورینگ مدل‌ها
  • 92. مقدمه‌ای بر تحلیل کلان داده (Big Data)
  • 93. مفاهیم Hadoop و Spark
  • 94. کار با داده‌های بزرگ
  • 95. مقدمه‌ای بر ابزارهای علم داده
  • 96. ابزارهای بصری‌سازی پیشرفته
  • 97. کار با داشبوردهای تعاملی
  • 98. مقدمه‌ای بر پروژه‌های علم داده
  • 99. برنامه‌ریزی پروژه علم داده
  • 100. مستندسازی پروژه 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.