دوره آموزشی پایتون در اکسل: خروجی های داده در تجسم داده ها و الگوریتم های سفارشی
2 ساعت 3 دقیقهپیشرفته2024-06-21
مدرسین

Helen Wall
Data analytics and business analysis expert
جزئیات دوره
اکسل یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و کسب و کار است و پایتون یکی از محبوب ترین و پویاترین زبان های برنامه نویسی در جهان است. پایتون در اکسل به عنوان یک محیط سندباکس کار می کند. این برنامه توسعه دهندگان و کاربران تجاری را قادر می سازد تا بخش های کوچکی از کد را با ایجاد تصاویر و اجرای الگوریتم ها بر روی داده های موجود آزمایش کنند. در این دوره، هلن وال، متخصص تجزیه و تحلیل داده ها و تجزیه و تحلیل کسب و کار، بر این موضوع تمرکز می کند که چگونه پایتون می تواند قابلیت های موجود اکسل را گسترش دهد. فرآیند و چارچوب راهاندازی پایتون برای ایجاد اشیاء DataFrame و سایر خروجیها در اکسل را بررسی کنید. به روشهایی بپردازید که میتوانید از این خروجیها و اشیاء در تجسم دادهها و الگوریتمهای سفارشی استفاده کنید که اکسل به صورت بومی ندارد، اما پایتون میتواند با کد ایجاد کند. این دوره راه هایی را نشان می دهد که می توانید از نقاط قوت اکسل و پایتون در یک رابط استفاده کنید.
اهداف یادگیری
پایتون را در اکسل و تنظیمات آن را پیمایش کنید.
با کد پایتون تصاویر بسازید.
الگوریتم ها را با کد پایتون اجرا کنید.
مهارت های تحت پوشش
اهداف یادگیری
پایتون را در اکسل و تنظیمات آن را پیمایش کنید.
با کد پایتون تصاویر بسازید.
الگوریتم ها را با کد پایتون اجرا کنید.
مهارت های تحت پوشش
مهارت ها
Data VisualizationSpreadsheetsMicrosoft ExcelPythonProgramming LanguagesData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen SourceMicrosoftSoftware DevelopmentOne-Off
سرفصل ها
0. مقدمه
- 01 - معرفی قدرت پایتون در اکسل
- 02 - آنچه باید بدانید
- 03 - فعال کردن پایتون در اکسل
1. معرفی اکسل و پایتون
- 04 - شکستن فرآیندهای اکسل و پایتون
- 05 - قدرت پرس و جو
- 06 - استفاده از تابع PY Excel
- 07 - استفاده از تابع XL Excel و متغیرهای پایتون
- 08 - تعیین ترتیب محاسبات
- 09 - وارد کردن کتابخانههای پایتون به اکسل
- 10 - مدیریت خطاها
- 11 - کار با اشیاء پایتون
- 12 - تبدیل اشیاء DataFrame
- 13 - چالش - ایجاد اشیاء جدول در اکسل
- 14 - راه حل - ایجاد اشیاء جدول در اکسل
2. اعمال الگوریتم ها
- 15 - معرفی هوش مصنوعی و الگوریتمهای یادگیری ماشینی
- 16 - تعیین روند رگرسیون خطی با توابع اکسل
- 17 - استفاده از حل کننده اکسل برای رگرسیون لجستیک
- 18 - تعیین روند رگرسیون لجستیک با کد پایتون
- 19 - گروه بندی دادهها با خوشه بندی سلسله مراتبی
- 20 - گروه بندی دادهها با الگوریتم K-Means
- 21 - تعیین ناهنجاریها با الگوریتمهای تشخیص ناهنجاری
- 22 - چالش - اجرای الگوریتمها با پایتون در اکسل
- 23 - راه حل - اجرای الگوریتمها با پایتون در اکسل
3. ایجاد تصاویر
- 24 - تجسم داده ها
- 25 - استفاده از نمودارهای خطی اکسل
- 26 - استفاده از نمودارهای پراکنده اکسل
- 27 - پیکربندی پایتون در اکسل با پارامترهای پویا
- 28 - ایجاد تصاویر بصری پایتون
- 29 - تجسم خوشه بندی سلسله مراتبی با دندروگرام
- 30 - تجزیه مدلهای سری زمانی به اجزا
- 31 - چالش - مقایسه مولفههای سری زمانی با ناهنجاری ها
- 32 - راه حل - مقایسه مولفههای سری زمانی با ناهنجاری ها
نتیجه
- 33 - ادامه کار با پایتون در اکسل
دوره های مرتبط
- دوره آموزشی یادگیری اصولی طراحی و قالببندی در Tableau
- دوره آموزشی Tableau پیشرفته برای متخصصان حوزه آب و هوا
- دوره آموزشی نظریه طراحی برای مصورسازی دادهها
- دوره آموزشی استفاده از Tableau برای کشف بینشهای قدرتمند کسبوکار
- دوره آموزشی یادگیری اصولی D3.js
- دوره آموزشی تجسم داده ها با پایتون در اکسل
- دوره آموزشی یادگیری اصولی GraphRAG
- دوره آموزشی تحلیل دادههای تأثیرات زیستمحیطی با تابلئو (پروژه راهنماییشده)