سپنتا کتاب اکسپرس
کتاب مبانی تحلیل داده و مصورسازی با پایتون

کتاب مبانی تحلیل داده و مصورسازی با 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 مبانی تحلیل داده و مصورسازی با پایتون

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: تحلیل داده و یادگیری ماشین با پایتون

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر تحلیل داده
  • 2. نصب و راه‌اندازی محیط پایتون
  • 3. آشنایی با مفاهیم پایه‌ای پایتون
  • 4. انواع داده‌ها در پایتون
  • 5. ساختارهای داده‌ای: لیست‌ها و تاپل‌ها
  • 6. ساختارهای داده‌ای: دیکشنری‌ها و مجموعه‌ها
  • 7. عملیات پایه با رشته‌ها
  • 8. کنترل جریان برنامه: دستورات شرطی
  • 9. کنترل جریان برنامه: حلقه‌ها
  • 10. توابع در پایتون
  • 11. ماژول‌ها و بسته‌های پایتون
  • 12. آشنایی با NumPy
  • 13. آرایه‌های NumPy
  • 14. عملیات برداری با NumPy
  • 15. توابع ریاضی و آماری NumPy
  • 16. آشنایی با Pandas
  • 17. ساختارهای داده‌ای Pandas: سری
  • 18. ساختارهای داده‌ای Pandas: دیتافریم
  • 19. بارگذاری و ذخیره داده‌ها
  • 20. انتخاب و فیلتر کردن داده‌ها
  • 21. مدیریت داده‌های گم‌شده
  • 22. پاکسازی داده‌ها
  • 23. تبدیل و تغییر شکل داده‌ها
  • 24. ادغام و پیوند دیتافریم‌ها
  • 25. عملیات گروه بندی در Pandas
  • 26. توابع تجمعی در Pandas
  • 27. کار با تاریخ و زمان در Pandas
  • 28. آشنایی با Matplotlib
  • 29. رسم نمودارهای خطی
  • 30. رسم نمودارهای پراکندگی
  • 31. رسم نمودارهای میله‌ای
  • 32. رسم نمودارهای هیستوگرام
  • 33. رسم نمودارهای دایره‌ای
  • 34. تنظیمات پیشرفته نمودارها
  • 35. آشنایی با Seaborn
  • 36. نمودارهای توزیع با Seaborn
  • 37. نمودارهای رابطه‌ای با Seaborn
  • 38. نمودارهای دسته‌بندی شده با Seaborn
  • 39. نقشه‌های حرارتی با Seaborn
  • 40. تنظیمات پیشرفته Seaborn
  • 41. مقدمه‌ای بر یادگیری ماشین
  • 42. انواع یادگیری ماشین: نظارت شده
  • 43. انواع یادگیری ماشین: بدون نظارت
  • 44. کار با مجموعه داده‌ها
  • 45. تقسیم داده‌ها به آموزش و آزمون
  • 46. متریک‌های ارزیابی مدل
  • 47. رگرسیون خطی
  • 48. رگرسیون لجستیک
  • 49. ماشین‌های بردار پشتیبان (SVM)
  • 50. درخت‌های تصمیم
  • 51. جنگل‌های تصادفی
  • 52. مقدمه‌ای بر خوشه‌بندی
  • 53. الگوریتم K-Means
  • 54. خوشه‌بندی سلسله مراتبی
  • 55. مقدمه‌ای بر کاهش ابعاد
  • 56. تحلیل مولفه‌های اصلی (PCA)
  • 57. مقدمه‌ای بر پردازش زبان طبیعی
  • 58. آماده‌سازی متن برای تحلیل
  • 59. شمارش کلمات و فراوانی‌ها
  • 60. مدل‌سازی موضوعی (Topic Modeling)
  • 61. مقدمه‌ای بر شبکه‌های عصبی
  • 62. شبکه‌های عصبی پرسپترون چندلایه
  • 63. تابع فعال‌سازی در شبکه‌های عصبی
  • 64. آموزش شبکه‌های عصبی: پس‌انتشار
  • 65. بهینه‌سازی در شبکه‌های عصبی
  • 66. مقدمه‌ای بر یادگیری عمیق
  • 67. شبکه‌های عصبی کانولوشنی (CNN)
  • 68. شبکه‌های عصبی بازگشتی (RNN)
  • 69. کاربردها در بینایی ماشین
  • 70. کاربردها در پردازش زبان طبیعی
  • 71. مقدمه‌ای بر سیستم‌های توصیه‌گر
  • 72. فیلترینگ مبتنی بر محتوا
  • 73. فیلترینگ مشارکتی
  • 74. ترکیب روش‌ها در سیستم‌های توصیه‌گر
  • 75. مقدمه‌ای بر تحلیل سری‌های زمانی
  • 76. اجزای سری‌های زمانی
  • 77. مدل‌های ARIMA
  • 78. پیش‌بینی با سری‌های زمانی
  • 79. مقدمه‌ای بر تحلیل شبکه‌های اجتماعی
  • 80. نمایش گراف داده‌ها
  • 81. متریک‌های مرکزی در شبکه‌ها
  • 82. شناسایی جوامع در شبکه‌ها
  • 83. تحلیل داده‌های بزرگ
  • 84. ابزارهای پردازش داده‌های بزرگ
  • 85. مقدمه‌ای بر مفاهیم آماری پیشرفته
  • 86. آزمون فرض آماری
  • 87. تحلیل واریانس (ANOVA)
  • 88. رگرسیون چندگانه
  • 89. مقدمه‌ای بر داده‌کاوی
  • 90. قوانین وابستگی
  • 91. قوانین انجمنی
  • 92. الگوریتم Apriori
  • 93. مقدمه‌ای بر مصورسازی تعاملی
  • 94. کتابخانه‌های مصورسازی تعاملی
  • 95. کاربرد مصورسازی در تصمیم‌گیری
  • 96. اصول طراحی داشبوردهای مدیریتی
  • 97. ارزیابی و بهبود مدل‌های یادگیری ماشین
  • 98. اخلاق در تحلیل داده
  • 99. حریم خصوصی داده‌ها
  • 100. امنیت داده‌ها

📚 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.