سپنتا کتاب اکسپرس
کتاب مبانی تحلیل داده: از جمع‌آوری تا بصری‌سازی

کتاب مبانی تحلیل داده: از جمع‌آوری 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 تحلیل داده: از جمع‌آوری تا بصری‌سازی

موضوع کلی: علوم و مهندسی داده

موضوع میانی: مبانی تحلیل داده

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علوم و مهندسی داده
  • 2. کاربردها و اهمیت تحلیل داده
  • 3. چرخه حیات تحلیل داده
  • 4. اصول جمع‌آوری داده
  • 5. منابع داده و انواع آن‌ها
  • 6. کیفیت داده و معیارهای آن
  • 7. پاکسازی داده‌های ناقص
  • 8. مدیریت داده‌های پرت
  • 9. مقدمه‌ای بر پایگاه‌های داده رابطه‌ای
  • 10. زبان SQL برای پرس‌وجو از داده‌ها
  • 11. مفاهیم پایگاه‌های داده NoSQL
  • 12. ذخیره‌سازی و بازیابی داده‌ها
  • 13. مقدمه‌ای بر زبان برنامه‌نویسی پایتون
  • 14. ساختارهای داده در پایتون
  • 15. کار با کتابخانه‌های تحلیل داده (Pandas)
  • 16. عملیات مقدماتی با DataFrame
  • 17. فیلتر کردن و انتخاب داده‌ها
  • 18. مرتب‌سازی داده‌ها
  • 19. توابع تجمعی و گروه‌بندی داده‌ها
  • 20. ادغام و پیوستن DataFrame ها
  • 21. کار با داده‌های سری زمانی
  • 22. مقدمه‌ای بر آمار توصیفی
  • 23. میانگین، میانه و نما
  • 24. انحراف معیار و واریانس
  • 25. چارک‌ها و دامنه بین چارکی
  • 26. نمودارهای توزیع فراوانی
  • 27. نمودار هیستوگرام
  • 28. نمودار جعبه‌ای (Box Plot)
  • 29. نمودار میله‌ای (Bar Chart)
  • 30. نمودار دایره‌ای (Pie Chart)
  • 31. نمودار پراکندگی (Scatter Plot)
  • 32. نمودار خطی (Line Chart)
  • 33. مقدمه‌ای بر احتمال
  • 34. قوانین احتمال پایه
  • 35. احتمال شرطی
  • 36. قضیه بیز
  • 37. مقدمه‌ای بر توزیع‌های احتمال
  • 38. توزیع نرمال
  • 39. توزیع یکنواخت
  • 40. توزیع برنولی
  • 41. توزیع دوجمله‌ای
  • 42. توزیع پواسون
  • 43. استنباط آماری
  • 44. مفهوم نمونه و جامعه
  • 45. خطای استاندارد
  • 46. فاصله اطمینان
  • 47. آزمون فرضیه آماری
  • 48. خطای نوع اول و دوم
  • 49. آزمون t
  • 50. آزمون کای دو
  • 51. مقدمه‌ای بر مدل‌سازی پیش‌بینانه
  • 52. رگرسیون خطی ساده
  • 53. تفسیر ضرایب رگرسیون
  • 54. ارزیابی مدل رگرسیون
  • 55. مقدمه‌ای بر رگرسیون لجستیک
  • 56. کاربرد رگرسیون لجستیک
  • 57. ارزیابی مدل طبقه‌بندی
  • 58. مقدمه‌ای بر خوشه‌بندی
  • 59. الگوریتم K-Means
  • 60. معیارهای ارزیابی خوشه‌بندی
  • 61. مقدمه‌ای بر تحلیل مولفه اصلی (PCA)
  • 62. کاربرد PCA در کاهش ابعاد
  • 63. مقدمه‌ای بر یادگیری ماشین
  • 64. یادگیری با ناظر و بدون ناظر
  • 65. انواع الگوریتم‌های یادگیری ماشین
  • 66. ارزیابی مدل‌های یادگیری ماشین
  • 67. مقدمه‌ای بر بصری‌سازی داده‌ها
  • 68. اصول طراحی بصری‌سازی مؤثر
  • 69. انتخاب نمودار مناسب
  • 70. ابزارهای بصری‌سازی داده (Tableau)
  • 71. کار با Tableau برای ایجاد داشبورد
  • 72. مقدمه‌ای بر Power BI
  • 73. کار با Power BI برای تحلیل و گزارش‌دهی
  • 74. مفاهیم داشبورد مدیریتی
  • 75. طراحی داشبوردهای تعاملی
  • 76. نکات مهم در بصری‌سازی داده‌ها
  • 77. مقدمه‌ای بر داده‌های بزرگ (Big Data)
  • 78. چالش‌های داده‌های بزرگ
  • 79. معماری‌های داده‌های بزرگ (Hadoop)
  • 80. مقدمه‌ای بر پردازش توزیع شده
  • 81. کاربرد Spark در تحلیل داده
  • 82. مقدمه‌ای بر مهندسی ویژگی (Feature Engineering)
  • 83. ایجاد ویژگی‌های جدید
  • 84. انتخاب ویژگی
  • 85. مقدمه‌ای بر تحلیل اکتشافی داده (EDA)
  • 86. مراحل EDA
  • 87. مستندسازی فرآیند تحلیل
  • 88. اخلاق در تحلیل داده
  • 89. حریم خصوصی داده‌ها
  • 90. مسئولیت‌پذیری در تحلیل داده
  • 91. مقدمه‌ای بر هوش تجاری (BI)
  • 92. نقش BI در تصمیم‌گیری سازمان‌ها
  • 93. روندهای آینده در تحلیل داده
  • 94. کاربرد تحلیل داده در صنعت
  • 95. تحلیل داده در بازاریابی
  • 96. تحلیل داده در مالی
  • 97. تحلیل داده در بهداشت و درمان
  • 98. تحلیل داده در حمل و نقل
  • 99. مطالعه موردی: تحلیل داده در یک سناریو واقعی
  • 100. جمع‌بندی و گام‌های بعدی

📚 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.