دوره آموزشی تجزیه و تحلیل داده های پایتون (2020)
2 ساعت 31 دقیقهمتوسط2020-03-11
مدرسین

Michele Vallisneri
Theoretical Astrophysicist at NASA Jet Propulsion Laboratory
جزئیات دوره
علم داده در حال تغییر روشی است که رهبران دولت و صنعت هم به مشکلات خاص و هم به جهان در کل نگاه می کنند. کنجکاو هستید که چگونه تجزیه و تحلیل داده ها در عمل عمل می کند؟ در این دوره، مدرس Michele Vallisneri به شما نشان می دهد که چگونه با استفاده از Python شروع به علم داده ها کنید.
Michele نحوه راهاندازی محیط تجزیه و تحلیل خود را نشان میدهد و در مورد اصول اولیه کار با ساختارهای داده در پایتون تجدید میکند. سپس، او به چیزهای بزرگ می پردازد: قدرت آرایه ها، نمایه سازی، و جداول در NumPy و پانداها - دو بسته محبوب شخص ثالث که به طور خاص برای تجزیه و تحلیل داده ها طراحی شده اند. او همچنین دو پروژه نمونه کلان داده را بررسی می کند: استفاده از NumPy برای شناسایی و تجسم الگوهای آب و هوا و استفاده از پانداها برای تجزیه و تحلیل محبوبیت نام نوزادان در قرن گذشته. چالشهایی که در طول مسیر ارائه میشوند به شما کمک میکنند آنچه را که آموختهاید تمرین کنید.
اهداف یادگیری
نحوه نصب و راه اندازی پایتون و بارگیری کتابخانه های لازم را شرح دهید.
مثال هایی از کاربرد لیست ها و محدوده ها در پایتون را توضیح دهید.
روش های پردازش رشته ها را در پایتون توضیح دهید.
ویژگی ها و مشخصات آرایه های NumPy را شرح دهید.
مثال هایی از کاربرد روش های NumPy در تولید و تجزیه و تحلیل داده ها را توضیح دهید.
برای ایجاد نمودار xy از matplotlib استفاده کنید.
ویژگی ها و مشخصات DataFrames در پانداها را شرح دهید.
Michele نحوه راهاندازی محیط تجزیه و تحلیل خود را نشان میدهد و در مورد اصول اولیه کار با ساختارهای داده در پایتون تجدید میکند. سپس، او به چیزهای بزرگ می پردازد: قدرت آرایه ها، نمایه سازی، و جداول در NumPy و پانداها - دو بسته محبوب شخص ثالث که به طور خاص برای تجزیه و تحلیل داده ها طراحی شده اند. او همچنین دو پروژه نمونه کلان داده را بررسی می کند: استفاده از NumPy برای شناسایی و تجسم الگوهای آب و هوا و استفاده از پانداها برای تجزیه و تحلیل محبوبیت نام نوزادان در قرن گذشته. چالشهایی که در طول مسیر ارائه میشوند به شما کمک میکنند آنچه را که آموختهاید تمرین کنید.
اهداف یادگیری
نحوه نصب و راه اندازی پایتون و بارگیری کتابخانه های لازم را شرح دهید.
مثال هایی از کاربرد لیست ها و محدوده ها در پایتون را توضیح دهید.
روش های پردازش رشته ها را در پایتون توضیح دهید.
ویژگی ها و مشخصات آرایه های NumPy را شرح دهید.
مثال هایی از کاربرد روش های NumPy در تولید و تجزیه و تحلیل داده ها را توضیح دهید.
برای ایجاد نمودار xy از matplotlib استفاده کنید.
ویژگی ها و مشخصات DataFrames در پانداها را شرح دهید.
مهارت ها
PythonData AnalysisProgramming LanguagesData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen SourceSoftware DevelopmentDeep Dive (X:Y)
سرفصل ها
0. مقدمه
- 01 - تحلیل داده ها را با پایتون شروع کنید
- 02 - آنچه باید بدانید
- 03 - چه چیزی در این به روز رسانی جدید است
1. نصب و راه اندازی
- 04 - Anaconda Python را روی OS X نصب کنید
- 05 - Anaconda Python را روی ویندوز نصب کنید
- 06 - کار با نوت بوک های Jupyter
- 07 - استفاده از فایل های تمرینی
- 08 - استفاده از پایتون در فضای ابری
2. ساختارهای داده در پایتون خالص
- 09 - گرم کردن با حلقه های پایتون
- 10 - دنباله ها - لیست ها، تاپل ها و نحو برش
- 11 - لغت نامه ها و مجموعه ها
- 12 - درک ها
- 13 - کانتینرهای پیشرفته پایتون
3. بازی با کلمات - Anagrams و Palindromes
- 14 - نمای کلی آناگرام
- 15 - بارگذاری فرهنگ لغت
- 16 - یافتن آناگرام
- 17 - چالش - پالیندروم
- 18 - راه حل - پالیندروم
4. آرایه با NumPy
- 19 - نمای کلی NumPy
- 20 - ایجاد آرایه های NumPy
- 21 - نمایه سازی آرایه های NumPy
- 22 - انجام محاسبات با آرایه های NumPy
- 23 - آرایه های ویژه - سوابق و تاریخ
5. استفاده از Case - Weather Data
- 24 - بررسی اجمالی مورد استفاده
- 25 - بارگیری داده های ایستگاه و دما
- 26 - پر کردن مقادیر از دست رفته
- 27 - سری زمانی هموارسازی
- 28 - نمودارهای آب و هوا
- 29 - چالش - ناهنجاری آب و هوا
- 30 - راه حل - ناهنجاری های آب و هوا
6. پانداها
- 31 - بررسی اجمالی پانداها
- 32 - DataFrames و Series
- 33 - نمایه سازی در پانداها
- 34 - نقشه کشیدن
7. مورد استفاده - نام نوزاد
- 35 - بررسی اجمالی مورد استفاده
- 36 - بارگذاری مجموعه داده ها
- 37 - مقایسه محبوبیت نام
- 38 - ده نام برتر سالانه
- 39 - چالش - نام نوزادان تک جنسیت
- 40 - راه حل - نام نوزادان تک جنسیت
نتیجه
- 41 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی یادگیری جامع پایتون برای علم داده و یادگیری ماشین بخش اول
- دوره آموزشی مبانی هوش مصنوعی: شبکه های عصبی
- دوره آموزشی داشبوردهای مجهز به هوش مصنوعی با Streamlit
- دوره آموزشی اپ تحلیل داده با قدرت LLM با پایتون و Streamlit
- دوره آموزشی راهنمای کامل مهندسی تحلیل دادهها
- دوره آموزشی اپلیکیشنهای مبتنی بر LLM با Streamlit
- دوره آموزشی هوش مصنوعی عملی: ساخت اولین اپلیکیشن خود با قدرت LLM
- دوره آموزشی تحلیل پیشرفته دادههای مکانی در پایتون