رزرو دوره


لطفا برای رزرو دوره اطلاعات زیر را تکمیل نمایید. کارشناسان ما در اسرع وقت با شما تماس خواهند گرفت.

دانلود مستندات آموزشی


منابع (0 عدد)

بوت کمپ تحلیل گر داده با پایتون

استاد:

فریور زرونده

profile

سطح کلاس:

حضوری

تاریخ شروع دوره:

2آذر

تاریخ پایان دوره:

2آذر

هزینه دوره:

3,200,000 تومان

معرفی دوره:

این بوت کمپ بر پایه یک دیتاست واقعی می باشد و شما با چالش های پروژه حقیقی آشنا خواهید شد. در پایان دوره  شما یک دیتا آنالیست جونیور خواهید بود و می توانید به عنوان عضو یک تیم تحلیلگر مشغول به کار می شد. و همچنین آمادگی لازم برای ورود به دوره های بعدی (شامل تحلیل داده پیشرفته، ماشین لرنینگ، دیپ لرنینگ و مصورسازی پیشرفته داده ها) را خواهید داشت.

مدت دوره :

۴۸ ساعت

سرفصل ها:

بخش اول :

اصول طراحی راه حل و طراحی الگوریتم

کنترل برنامه جهت حل یک مسئله

بخش دوم (زبان پایتون) :

  • آشنایی با محیط کار و زیرساخت مورد نیاز
  • ساختار کلی زبان پایتون
  • ساختار داده و انواع ذخیره سازی داده ها
    • اعداد
    • رشته ها
    • کتابخانه ها
    • لیست و تاپل
    • رنج
    • باینری
  • آشنایی با مفهوم شی وبرنامه نویسی شی گرا
  • آشنایی با Attribute و Method در آبجکت های بیسیک پایتون
  • توابع داخلی پایتون
  • کنترل برنامه
    • حلقه ها
    • کنترل شروط
    • کنترل عملیات بی نهایت
  • توابع در پایتون و نحوه نگارش آنها
  • توابع Lambda در پایتون و استفاده از آنها
  • مباحث پیشرفته در لیست ها و کتابخانه ها با استفاده از Lambda
  •  

بخش سوم (برنامه نویسی شی گرا)

  • طراحی و ساخت Class ها در پایتون
  • Magic methods در ساختار شی گرا
  • شیوه صحیح inheritance در برنامه نویسی پایتون
  • Abstraction
  • Encapsulation

بخش چهارم (اشنایی با کتابخانه Numpy و محاسبات ماتریسی)

  • ساختار محاسبات در کتابخانه Numpy
  • ساختار داده های ماتریسی در numpy
  • ساختار داده های چند بعدی در numpy
  • بررسی برخی از توابع اصلی Numpy
    • Random number generation
    • Statistics
    • Linear algebra
    • Image manipulation

بخش پنجم (فرایند پردازش داده با استفاده از Pandas)

  • کار با فایلها به عنوان یک نوع داده پیشرفته
  • سری های داده در کتابخانه Pandas
    • Series Attributes
    • Series methods
  • سازماندهی داده ها در Dataframe
  • انواع شیوه های Selection
  • عملیات CRUD در Pandas
  • Sorting و Filtering داده ها
  • بهینه سازی داده ها
    • داده های غیر طبیعی
    • داده های ناموجود
    • اصلاح وزنی داده ها
    • داده های تخریب شده
  • کار با Index در Pandas
  • شیوه های پیشرفته Data Extraction
  • کار با داده های Text based در Pandas
  • کار با داده های Date and Time در pandas
  • کابرد Regex
  • داده های Multi index
  • تغییر ساختار داده ها
    • Group by
    • Pivot table
    • Merging
    • Joining
    • Concatenation
  • تنظیمات و Options در Pandas

بخش ششم (مصور سازی داده ها و تحلیل اکتشافی)

  • introduction to Seaborn
  • انواع نمودارها و شیوه تحلیل آنها
    • نمودارهای پایه
    • نمودارهای Relationship
    • نمودارهای Distribution
    • Jointplot
    • FacetGrid
 

 

فریور زرونده ()

  • مدیر کانالهای فروش دیجیتال شرکت ایرانسل
  • بیش از ۱۱ سال سابقه در حوزه مدیریت تیم های تولید و توسعه نرم افزارهای مرتبط با کسب و کارهای الکترونیک
  • پژوهشگر حوزه مدیریت داده محور

نظر شما

avatar

لطفا کد امنیتی زیر را وارد کنید

بخش اول :

اصول طراحی راه حل و طراحی الگوریتم

کنترل برنامه جهت حل یک مسئله

بخش دوم (زبان پایتون) :

  • آشنایی با محیط کار و زیرساخت مورد نیاز
  • ساختار کلی زبان پایتون
  • ساختار داده و انواع ذخیره سازی داده ها
    • اعداد
    • رشته ها
    • کتابخانه ها
    • لیست و تاپل
    • رنج
    • باینری
  • آشنایی با مفهوم شی وبرنامه نویسی شی گرا
  • آشنایی با Attribute و Method در آبجکت های بیسیک پایتون
  • توابع داخلی پایتون
  • کنترل برنامه
    • حلقه ها
    • کنترل شروط
    • کنترل عملیات بی نهایت
  • توابع در پایتون و نحوه نگارش آنها
  • توابع Lambda در پایتون و استفاده از آنها
  • مباحث پیشرفته در لیست ها و کتابخانه ها با استفاده از Lambda
  •  

بخش سوم (برنامه نویسی شی گرا)

  • طراحی و ساخت Class ها در پایتون
  • Magic methods در ساختار شی گرا
  • شیوه صحیح inheritance در برنامه نویسی پایتون
  • Abstraction
  • Encapsulation

بخش چهارم (اشنایی با کتابخانه Numpy و محاسبات ماتریسی)

  • ساختار محاسبات در کتابخانه Numpy
  • ساختار داده های ماتریسی در numpy
  • ساختار داده های چند بعدی در numpy
  • بررسی برخی از توابع اصلی Numpy
    • Random number generation
    • Statistics
    • Linear algebra
    • Image manipulation

بخش پنجم (فرایند پردازش داده با استفاده از Pandas)

  • کار با فایلها به عنوان یک نوع داده پیشرفته
  • سری های داده در کتابخانه Pandas
    • Series Attributes
    • Series methods
  • سازماندهی داده ها در Dataframe
  • انواع شیوه های Selection
  • عملیات CRUD در Pandas
  • Sorting و Filtering داده ها
  • بهینه سازی داده ها
    • داده های غیر طبیعی
    • داده های ناموجود
    • اصلاح وزنی داده ها
    • داده های تخریب شده
  • کار با Index در Pandas
  • شیوه های پیشرفته Data Extraction
  • کار با داده های Text based در Pandas
  • کار با داده های Date and Time در pandas
  • کابرد Regex
  • داده های Multi index
  • تغییر ساختار داده ها
    • Group by
    • Pivot table
    • Merging
    • Joining
    • Concatenation
  • تنظیمات و Options در Pandas

بخش ششم (مصور سازی داده ها و تحلیل اکتشافی)

  • introduction to Seaborn
  • انواع نمودارها و شیوه تحلیل آنها
    • نمودارهای پایه
    • نمودارهای Relationship
    • نمودارهای Distribution
    • Jointplot
    • FacetGrid

استاد:

فریور زرونده

profile

سطح کلاس:

حضوری

تاریخ شروع دوره:

2آذر

تاریخ پایان دوره:

2آذر

هزینه دوره:

3,200,000 تومان