دوره تسلط بر پایتون برای تحلیل و پردازش داده‌های کاربردی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تسلط بر پایتون برای تحلیل و پردازش داده‌های کاربردی

موضوع کلی: علوم رایانه و مهندسی نرم‌افزار

موضوع میانی: تحلیل داده و برنامه‌نویسی پایتون

📋 سرفصل‌های دوره

• 1. مبانی برنامه‌نویسی و محیط‌های توسعه پایتون
• 2. نصب و پیکربندی مفسر پایتون و ابزارهای تحلیل داده
• 3. متغیرها و انواع داده‌های پایه در پایتون
• 4. عملگرهای محاسباتی و منطقی در پردازش داده
• 5. ساختارهای تصمیم و دستورات شرطی
• 6. حلقه‌ها و تکرار در پیمایش مجموعه‌های داده
• 7. مدیریت خطاها و استثناها در کدهای پایتون
• 8. توابع و ماژول‌نویسی برای بهینه‌سازی تحلیل داده
• 9. کار با رشته‌ها و پردازش متون در پایتون
• 10. ساختارهای داده لیست و چندتایی برای ذخیره مقادیر
• 11. دیکشنری‌ها و مجموعه‌ها در مدیریت داده‌های کلیدی
• 12. مفاهیم برنامه‌نویسی شیءگرا در تحلیل داده
• 13. کار با فایل‌های متنی و خواندن داده‌های خام
• 14. مقدمه‌ای بر کتابخانه نامپای و آرایه‌های عددی
• 15. عملیات ریاضی و آماری بر روی آرایه‌های چندبعدی
• 16. تکنیک‌های برش و تغییر شکل داده‌ها در نامپای
• 17. مقدمه‌ای بر کتابخانه پانداز و ساختار سری‌ها
• 18. ساختار داده دیتافریم در پانداز
• 19. بارگذاری داده‌ها از فایل‌های سی‌اس‌وی و اکسل
• 20. فیلتر کردن و انتخاب زیرمجموعه‌های داده
• 21. مدیریت مقادیر گمشده و پاک‌سازی داده‌ها
• 22. ادغام و ترکیب چندین منبع داده
• 23. گروه‌بندی داده‌ها و محاسبات آماری تجمعی
• 24. کار با داده‌های زمانی و سری‌های زمانی
• 25. توابع پیشرفته در پانداز برای تغییر شکل داده‌ها
• 26. مقدمه‌ای بر مصورسازی داده‌ها با کتابخانه مت‌پلات‌لیب
• 27. ترسیم نمودارهای خطی و پراکندگی برای تحلیل روند
• 28. نمودارهای ستونی و دایره‌ای برای تحلیل توزیع داده‌ها
• 29. سفارشی‌سازی سبک و اجزای نمودارها
• 30. مقدمه‌ای بر کتابخانه سی‌بورن برای ترسیمات آماری
• 31. تحلیل همبستگی و ماتریس‌های حرارتی
• 32. کار با داده‌های حجیم و بهینه‌سازی حافظه
• 33. مقدمه‌ای بر کتابخانه سای‌کیت‌لرن برای یادگیری ماشین
• 34. پیش‌پردازش داده‌ها جهت مدل‌سازی آماری
• 35. تقسیم داده‌ها به مجموعه‌های آموزش و آزمون
• 36. الگوریتم‌های رگرسیون خطی برای پیش‌بینی عددی
• 37. الگوریتم‌های طبقه‌بندی برای تحلیل داده‌های دسته‌ای
• 38. ارزیابی دقت مدل‌های تحلیلی
• 39. مفاهیم مقدماتی در استخراج داده از وب
• 40. اتصال به پایگاه داده‌های رابطه‌ای با پایتون
• 41. اجرای پرس‌وجوهای اس‌کیو‌ال در محیط پایتون
• 42. تولید گزارش‌های خودکار و خروجی‌های تحلیلی
• 43. اصول مستندسازی و نگارش کدهای تمیز در تحلیل داده