دوره کامل Python & Data Data برای مبتدیان مطلق

دوره # 1 که به طور خاص برای مبتدیان طراحی شده است تا پروژه های عملی با علم پایتون و داده ها را بسازد

عنوان اصلی : Complete Python & Data Science Course for Absolute Beginners

سرفصل های دوره :

اصول زبان پایتون: پایتون را از ابتدا یاد بگیرید:
متغیرها
نمونه‌های تبدیل نوع
اپراتورها
نمونه‌های اپراتورها
مجموعه ها
لیست ها
نمونه‌های فهرست چند بعدی
نمونه های تاپل
نمونه‌های دیکشنری
نمونه های محدوده
شرط
مثال‌های بیانیه اگر
نمونه‌هایی از انواع بیانیه
حلقه ها
نمونه‌هایی در حالی که حلقه می‌زند
برای مثال‌های حلقه‌ها
توابع
مثال توابع
پارامترها و مقادیر بازگشتی مثال
کلاس ها و اشیا
نمونه کلاسها
نمونه‌های اشیاء
نمونه های ارثی
مثال اعضای ثابت
خلاصه و Outro
کد منبع
داده‌ها را با پایتون و Matplotlib ترسیم کنید:
00. معرفی دوره
01. مقدمه ای برای Pyplot
02. نصب Matplotlib
03. طرح خط اصلی
04. سفارشی کردن نمودارها
05. ترسیم مجموعه داده های متعدد
06. نمودار میله ای
07. نمودار دایره ای
08. هیستوگرام
09. نقشه کشی سه بعدی
10. دوره Outro
کد منبع
تجزیه و تحلیل داده های مبتدیان با پانداها:
00. معرفی دوره پاندا
01. معرفی پانداها
02. نصب پانداها
03. ساخت سری پانداها
04. محدوده تاریخ
05. گرفتن عناصر از سری
06. گرفتن خواص سری
07. اصلاح سری
08. عملیات روی سری
09. ایجاد دیتافریم پاندا
10. دریافت عناصر از Dataframe
11. دریافت خواص از Dataframe
12. اصلاح چارچوب داده
13. عملیات چارچوب داده
14 مقایسه و تکرار فریم داده
15. خواندن CSV ها
16.summary And Outro
فایل های منبع
داده کاوی با پایتون! تمرینات علوم داده واقعی:
مقدمه ای بر داده کاوی
فایل های پروژه - داده کاوی با Mammoth Interactive
2-1 جدال داده - مروری کامل:
کشمکش داده رمزگشایی شد
Project Files - Data Rangling with Mammoth Interactive
2-2 مبانی داده کاوی:
01. آنالیز خوشه ای
02. طبقه بندی و رگرسیون
03. ارتباط و همبستگی
04. کاهش ابعاد
Project Files - مبانی داده کاوی با Mammoth Interactive
2-3 چارچوب توضیح داده شده - رام کردن کلان داده با Spark:
01. آپاچی اسپارک - مروری بر چارچوب
02. توابع کلید جرقه
03. یادگیری ماشین جرقه
04. مثال ها - استفاده از خط لوله یادگیری ماشین
Project Files - Frameworks with Mammoth Interactive
2-4 مثال - استخراج و ذخیره داده ها:
01. استخراج متن
02. استخراج شبکه
03. ماتریس
04. SQL
استخراج و ذخیره سازی با Mammoth Interactive
2-5 NLP (پردازش زبان طبیعی):
01 پاکسازی داده های NLP
02. شمارش بردار
03. مثال NLP با اسپم
04. مدل با داده های هرزنامه را بهینه سازی کنید
05. خط لوله با داده های هرزنامه
Project Files - NLP with Mammoth Interactive
2-6 نتیجه گیری و خلاصه :
06. نتیجه گیری و چالش
07 فایل‌های نتیجه‌گیری - Mammoth Interactive
PySpark 1 - ساخت DataFrame با Python، Apache Spark و SQL:
01 آپاچی اسپارک چیست؟
02 مجموعه داده های توزیع شده انعطاف پذیر چیست؟
03A Dataframe چیست
03B آنچه شما نیاز دارید
فایل های منبع
PySpark 2 - ساخت DataFrame از صفحات گسترده:
04 یک جلسه اسپارک را شروع کنید
05 بارگذاری داده ها به عنوان CSV
06 عملیات Basic Dataframe را انجام دهید
07 قالب بندی جدول داده ها
08 عملیات ریاضی Dataframe را انجام دهید
09 کوئری های Dataframe را انجام دهید
10 جستجوی SQL با Spark بسازید
فایل های منبع
بوت کمپ تجزیه و تحلیل داده پایتون با پانداها و NLTK:
01 فایل Csv را به لیست پایتون تبدیل کنید
02 داده های متنی را نشانه گذاری کنید
03 محبوب ترین کلمات لماتیزه شده را بیابید
04 قاب های داده را در هر قسمت از گفتار بسازید
05 فرکانس کلمه را رسم کنید
فایل های منبع
بوت کمپ تجزیه و تحلیل داده های اکتشافی با پایتون، سیبورن و پانداها:
01 یک مجموعه داده را بارگیری کنید
02 ویژگی اصلی را تجزیه و تحلیل کنید
03 تجزیه و تحلیل ویژگی های عددی
04 ویژگی های دسته بندی را تجزیه و تحلیل کنید
فایل های منبع
Visualize - Bootcamp تجزیه و تحلیل داده های اکتشافی با پایتون، سیبورن و پانداها:
01 روابط بین ویژگی های عددی را بیابید
02 روابط بین ویژگی های دسته بندی را پیدا کنید
03 ساخت قطعه های مشروط
فایل های منبع
نمای کلی - مقدمه ای بر پایگاه های داده با Python SQL:
00 بررسی اجمالی دوره
01 آنچه شما نیاز دارید
فایل های منبع
01 مقدمه ای بر داده ها:
01 چرا باید نحوه کار با داده ها را بدانید
فایل های منبع
02 مدل‌سازی رابطه موجودیت (ERM):
01 چگونه یک مدل ER را بخوانیم
فایل های منبع
03 مقدمه ای بر پایگاه های داده و پایگاه های داده رابطه ای:
01 پایگاه داده چیست
02 پایگاه داده رابطه ای چیست؟
منبعفایل ها
04 چگونه یک پایگاه داده سازمان یافته بسازیم:
01 نحوه طراحی ستون ها و انواع داده ها
02 برای بررسی طرح خود از فرم های معمولی استفاده کنید
فایل های منبع
05 یک پایگاه داده SQLite با پایتون بسازید:
01 یک پایگاه داده SQLite با پایتون بسازید
02 با SQL یک ورودی به جدول اضافه کنید
03 رکوردهای بیشتری را به جدول اضافه کنید
04 یک جدول دوم برای ارجاع متقابل بسازید
05 ردیف هایی را انتخاب کنید که شرایط را برآورده می کنند
فایل های منبع
تحلیل ویژگی و علم داده با سهام برای مبتدیان:
نمای کلی دوره
01 بارگیری و ایجاد داده
02 تجزیه و تحلیل داده های اکتشافی را انجام دهید
03 داده ها را با نمودارهای مختلف تجسم کنید
04 ویژگی ها را با نمودارهای بیشتر تجزیه و تحلیل کنید
05 ساخت زمین با Seaborn
06 ساخت طرح بوکه
07 یک طرح پراکندگی سه بعدی بسازید
اهمیت ویژگی رتبه 08
09 بازده های مثبت و منفی را مقایسه کنید
فایل های منبع
مسترکلاس تجزیه و تحلیل سری زمانی قطعی پایتون:
01 بارگذاری مجموعه داده قیمت های رمزنگاری شده
02 روند قیمت بیت کوین را تجسم کنید
03 پیش بینی قیمت با پیامبر فیسبوک
04 تحلیل عملکرد مدل
05 نتایج مدل را تجسم کنید
06 پیش بینی روند ماهانه
07 پیش بینی روند هفتگی
08 قیمت سهام نهایی استراتژی های مختلف را مقایسه کنید
فایل های منبع
1). تجزیه و تحلیل و تجسم داده های بازار سهام:
01 واکشی داده های سهام
02 تجسم ویژگی های داده سهام
03 محاسبه بازده روزانه
04 مقایسه بازده سهام های مختلف
05 قیمت های پایانی را مقایسه کنید
فایل های منبع
2). تجزیه و تحلیل و تجسم داده های بازار سهام:
01 انحراف استاندارد و بازده مورد انتظار را تجسم کنید
02 محاسبه ارزش در معرض خطر
03 تحلیل مونت کارلو برای تخمین ریسک
04 تجسم توزیع قیمت
فایل های منبع
وب را بکشید - پایتون و بوت کمپ سوپ زیبا:
01 آنچه شما نیاز دارید
فایل های منبع
02 یک صفحه وب HTML برای خراشیدن بسازید
03 ساختارهای داده را از یک صفحه وب انتخاب کنید
04 URL ها و متن را استخراج کنید
05 کار با برچسب ها
06 کار با ویژگی ها
07 ناوبری را به رشته اضافه کنید
08 محتویات HTML را پیمایش کنید
09 یافتن همه فیلتر
فایل های منبع
ساخت داشبوردهای تعاملی پایتون با Plotly و Dash:
02 What Is Plotly And Dash
03 آنچه شما نیاز دارید
فایل های منبع
Dash را نصب کنید
01 برنامه Dash بسازید
02 یک نمودار در برنامه Dash بسازید
فایل های منبع
01 بارگیری داده ها از مجموعه داده های Vega
02 طرح بندی را بسازید
03 با Altair نمودار بسازید
فایل های منبع
داده کاوی با پایتون و NumPy - ساخت یک سیستم توصیه کننده ویدیو:
01 یک مجموعه داده بسازید
02 محاسبه پشتیبانی و اطمینان - اگر شخصی X را تماشا کند، Y را تماشا خواهد کرد
03 محاسبه پشتیبانی و اطمینان برای همه کانال ها
04 تعیین کنید کدام ویدیوها برای توصیه بهتر هستند
فایل های منبع