دوره آموزشی پایتون برای تجزیه و تحلیل داده ها: حل چالش های دنیای واقعی
1 ساعت 57 دقیقهمتوسط2023-03-21
مدرسین

Sarah Nooravi
Data Analyst and Educator
جزئیات دوره
همانطور که داده ها و مشاغل مرتبط با داده در دهه گذشته رشد کرده اند، تقاضا برای مهارت های داده نیز افزایش یافته است. اگر حرفه ای در زمینه داده ها هستید، این یک خبر عالی است! با این حال، ادامه سازگاری با تقاضاهای در حال تغییر بازار، که شامل استفاده از ابزارهایی مانند پایتون برای نزدیک شدن به چالش های کلان داده است، مهم است. در این دوره، سارا نوروی یک آزمون عملی و پروژه محور پایتون را به اشتراک میگذارد که مهارتهای مورد نیاز برای کمک به شما را در میان سایرین در بازار رقابتی برجسته میکند. سارا یک تجزیه و تحلیل سرتاسر پایتون را انجام میدهد، نمونهای از آنچه در کار با آن مواجه میشوید – از بیان مسئله شروع میکند و شما را تا تحویل بینش میبرد. سارا به شما کمک می کند تا مشکل را حل کنید، انتظارات خود را تعیین کنید و بهترین روش ها را در مورد پاکسازی داده ها، تجسم داده ها و داستان سرایی پوشش می دهد. در نهایت، او همچنین تلههای مشترک و مهارتهای مهم تجاری و نرم را به اشتراک میگذارد که به شما کمک میکند برجسته شوید.
مهارت ها
Data EngineeringPythonProjectData AnalysisProgramming LanguagesData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen SourceSoftware Development
سرفصل ها
0. مقدمه
- 01 - مقدمه
- 02 - پیش نیازها
1. مقدمه مطالعه موردی
- 03 - چه کسی، چه چیزی، کجا و چرا
- 04 - چه کسی
- 05 - چی
- 06 - کجا
- 07 - چرا
- 08 - مقدمه مطالعه موردی
2. شکستن بیانیه مشکل
- 09 - مسئله را تعریف کنید - سه D
- 10 - آشنا شوید - دامنه
- 11 - دامنه - کاربردی
- 12 - آشنا شوید - داده ها
- 13 - آشنا شدن - قابل تحویل
- 14 - انتظارات را درست تنظیم کنید
3. جمعآوری داده ها , تمیز کردن، و تبدیل
- 15 - راهاندازی در Codespaces
- 16 - خواندن دادهها از یک فایل CSV
- 17 - تکنیکهای کلی نظافت
- 18 - تکنیکهای نظافت عمومی - بررسیهای سطح بالا
- 19 - تکنیکهای کلی تمیز کردن - مقادیر از دست رفته
- 20 - تبدیل دادهها - Binning
4. EDA
- 21 - مقدمه ای بر EDA
- 22 - آمار خلاصه
- 23 - توزیعها - هیستوگرام ها
- 24 - تبدیل دادهها - عادی سازی و ثبت
- 25 - سایر انواع توزیع
- 26 - تجسم دادهها - مقایسه دسته ها
- 27 - تجسم دادهها - جداول داده
- 28 - تجسم دادهها - روابط
- 29 - یک طرح پشته ایجاد کنید
5. تجسم دادهها و داستان سرایی
- 30 - بهترین شیوههای بصری - قسمت 1
- 31 - بهترین شیوههای بصری - قسمت 2
- 32 - از تجسمهای اکتشافی و توضیحی استفاده کنید
- 33 - یک رسانه انتخاب کنید
- 34 - داستان نویسی
- 35 - آنچه در یک داستان است
- 36 - همه را کنار هم گذاشتن
نتیجه
- 37 - جمع بندی و مراحل بعدی
دوره های مرتبط
- دوره آموزشی کلانداده در عصر هوش مصنوعی
- دوره آموزشی راهنمای کامل مهندسی تحلیل دادهها
- دوره آموزشی مهندسی تحلیل پیشرفته: تمرینهای دنیای واقعی
- دوره آموزشی راهنمای کامل Google BigQuery برای مهندسان داده و یادگیری ماشین
- دوره آموزشی یادگیری اصولی PySpark: معرفی ساخت خطوط پردازش داده
- دوره آموزشی پاکسازی دادهها برای علم داده مؤثر: واردکردن دادهها، تشخیص ناهنجاری، پرکردن مقادیر گمشده و مهندسی ویژگیها
- دوره آموزشی یادگیری جامع اسکالا برای علوم داده
- دوره آموزشی SPSS: آمادهسازی، مصورسازی و مدلسازی دادهها