تجزیه و تحلیل داده های پایتون

مدرس Michele Vallisneri

انتشار 2020/03/11

مدت زمان 2h 30m

سطح متوسط

فایل تمرینی دارد

آموزش Python Data Analysis

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 آموزشی، مدرس Michele Vallisneri به شما نشان می‌دهد که چگونه با استفاده از پایتون شروع به علم داده‌ها می‌کند.Michele نحوه تنظیم محیط تجزیه و تحلیل خود را نشان می‌دهد و یک تازه‌سازی در مورد اصول اولیه کار ارائه می‌دهد. با ساختارهای داده در پایتون 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. چالش‌های ارائه شده در طول مسیر به شما کمک می‌کند تا آنچه را که آموخته‌اید تمرین کنید.توجه: این نسخه از دوره به‌روزرسانی شد تا تغییرات اخیر در Python 3، NumPy، و پانداها را منعکس کند.

Data Analysis NumPy Pandas (Software) Python (Programming Language)

Introduction

Get started in data analysis with Python ()

What you need to know ()

What's new in this update ()

1. Installation and Setup

Install Anaconda Python on OS X ()

Install Anaconda Python on Windows ()

Working with Jupyter Notebooks ()

Using the exercise files ()

Using Python in the cloud ()

2. Data Structures in Pure Python

Warmup with Python loops ()

Sequences: Lists, tuples, and the slicing syntax ()

Dictionaries and sets ()

Comprehensions ()

Advanced Python containers ()

3. Wordplay: Anagrams and Palindromes

Anagrams overview ()

Loading a dictionary ()

Finding anagrams ()

Challenge: Palindromes ()

Solution: Palindromes ()

4. Arrays with NumPy

NumPy overview ()

Creating NumPy arrays ()

Indexing NumPy arrays ()

Doing math with NumPy arrays ()

Special arrays: Records and dates ()

5. Use Case: Weather Data

Overview of use case ()

Loading station and temperature data ()

Filling missing values ()

Smoothing time series ()

Weather charts ()

Challenge: Weather anomalies ()

Solution: Weather anomalies ()

6. pandas

pandas overview ()

DataFrames and Series ()

Indexing in pandas ()

Plotting ()

7. Use Case: Baby Names

Overview of use case ()

Loading data sets ()

Comparing name popularity ()

Yearly top ten names ()

Challenge: Unisex baby names ()

Solution: Unisex baby names ()

Conclusion

Next steps ()

Ex_Files_Python_Data_Analysis.zip (1.0 MB)

Glossary_Python_Data_Analysis_2020.zip (100 KB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش تجزیه و تحلیل داده های پایتون

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Python Data Analysis در 3 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

به سرعت اصول و روش های برنامه نویسی عمومی برای پایتون را بیاموزید و سپس شروع به استفاده از آن دانش برای استفاده از پایتون در توسعه مرتبط با علم داده کنید.

آموزش تجزیه و تحلیل داده های پایتون ، ایستگاه شماره 4 در مسیر یادگیری مهارت های پایتون خود را برای علم داده ارتقا دهید ، است.

مسیر یادگیری مهارت های پایتون خود را برای علم داده ارتقا دهید

اگر شغل شما شامل تجزیه و تحلیل داده ها به هر درجه ای است و با مفاهیم و کاربردهای اصلی تجزیه و تحلیل داده ها (از جمله ابزارهای محبوب) آشنا هستید، مهارت های خود را به سطح بعدی ارتقا دهید. برای به دست آوردن مهارت های داده ای که برای رشد یا تغییر شغل خود نیاز دارید، در این مسیر یادگیری تنظیم کنید.

آموزش تجزیه و تحلیل داده های پایتون ، ایستگاه شماره 5 در مسیر یادگیری مهارت های تجزیه و تحلیل داده های خود را توسعه دهید ، است.