دوره‌ی پایتون برای تحلیل داده
Python for Data Analytics
آموزش پایتون برای تحلیل داده، از مبانی برنامه‌نویسی تا کار با NumPy و pandas و مصورسازی داده. این دوره به زبان فارسی و به‌صورت حضوری یا آنلاین برای تیم‌های سازمانی برگزار می‌شود.
- سطح
- مقدماتی تا متوسط
- مدت پیشنهادی
- ۵ روز (۴۰ ساعت)
- درس در ۵ بخش
- ۷۱
- شیوه‌ی برگزاری
- حضوری یا آنلاین
آنچه شرکت‌کنندگان می‌آموزند
- نوشتن برنامه‌های پایتون از پایه: متغیرها، ساختارهای کنترلی، توابع و ساختمان‌های داده
- کار با فایل‌ها، مدیریت خطا و نوشتن کدی تمیز و قابل استفاده‌ی دوباره
- استفاده از آرایه‌های NumPy برای محاسبات عددی سریع به‌جای حلقه‌های دستی
- بارگذاری، پاک‌سازی، فیلتر، گروه‌بندی و ادغام داده‌های واقعی با pandas
- تبدیل نتیجه‌ی تحلیل به نمودارهایی گویا و قابل ارائه
کار عملی: پروژه‌های عملی تحلیل داده‌های واقعی
سرفصل دوره
سرفصل شامل ۵ بخش و ۷۱ درس است. برنامه‌ی پیشنهادی ۵ روز آموزشی (۴۰ ساعت) است؛ مدت نهایی، تمرین‌ها و شیوه‌ی ارزیابی بر اساس سطح و نیاز تیم پیش از برگزاری تعیین می‌شوند.
- ۱
مبانی پایتون
۱۴ درس- برنامه‌نویسی با پایتون
- متغیرها و انواع داده
- حلقه‌ی for و تکرار
- کار با لیست‌ها
- دستورهای شرطی
- دیکشنری‌ها در پایتون
- دیکشنری‌های پیشرفته و جدول‌های فراوانی
- توابع در پایتون
- آرگومان‌های تابع و اشکال‌زدایی
- کار با فایل‌ها
- مدیریت استثناها
- List Comprehension
- توابع Lambda
- توابع filter و map
- ۲
پایتون پیشرفته
۱۴ درس- آشنایی با برنامه‌نویسی شیءگرا
- متدهای کلاس، Propertyها و کپسوله‌سازی
- وراثت و چندریختی
- متدهای ویژه و مدل داده‌ی پایتون
- مفاهیم پیشرفته‌ی توابع
- دکوراتورها و فرابرنامه‌نویسی
- Iteratorها و پروتکل تکرار
- Generatorها و پردازش کم‌مصرف از نظر حافظه
- Context Managerها و مدیریت منابع
- عبارات منظم برای پردازش متن
- مجموعه‌ها و ساختمان‌های داده‌ی پیشرفته
- کار با تاریخ، زمان و منطقه‌ی زمانی
- ماژول‌ها و بسته‌ها
- محیط مجازی و مدیریت وابستگی‌ها
- ۳
مبانی NumPy
۶ درس- مبانی NumPy و آرایه‌های یک‌بعدی
- آرایه‌های دوبعدی و کار با داده‌های CSV
- انتخاب و برش داده
- عملیات برداری و محاسبات
- اندیس‌گذاری بولی و فیلتر داده
- تغییر داده و انتساب مقدار
- ۴
تحلیل داده با pandas
۲۱ درس- آشنایی با pandas و Series
- DataFrame و خواندن داده
- انتخاب داده با .loc[]
- انتخاب داده با .iloc[]
- عملیات روی Series و شمارش مقادیر
- مبانی تاریخ و زمان
- فیلتر بولی در pandas
- مرتب‌سازی و رتبه‌بندی
- افزودن و تغییر ستون‌ها
- توابع apply، map و transform
- مدیریت داده‌های گمشده
- تبدیل نوع داده و پاک‌سازی
- حذف رکوردهای تکراری و مدیریت داده‌های پرت
- کار با داده‌های متنی
- گروه‌بندی و تجمیع با GroupBy
- جدول‌های محوری (Pivot Table)
- الحاق DataFrameها
- ادغام و Join کردن DataFrameها
- MultiIndex و داده‌های سلسله‌مراتبی
- توابع پنجره‌ای و عملیات غلتان
- پروژه‌ی پایانی: تحلیل داده‌ی واقعی
- ۵
مصورسازی داده با پایتون
۱۶ درس- آشنایی با نمودار و دستگاه مختصات
- آشنایی با Matplotlib
- سفارشی‌سازی نمودارها
- چند خط و چند سری در یک نمودار
- مبانی نمودار پراکنش
- رسم نمودار پراکنش
- درک همبستگی
- مقایسه‌ی همبستگی‌ها
- درک توزیع داده
- رسم نمودار میله‌ای
- رسم هیستوگرام
- مقایسه‌ی توزیع‌ها
- متد plot در pandas
- رسم چند نمودار در یک شکل
- نمودارهای شبکه‌ای
- پروژه‌ی پایانی: تحلیل ترافیک
شیوه‌های برگزاری
حضوری در محل سازمان
برگزاری در محل سازمان، همراه با تمرین روی ابزارها و نمونه‌های مرتبط با کار تیم. زمان و مکان با هماهنگی تعیین می‌شود.
آنلاین و زنده
کلاس تعاملی آنلاین همراه با پرسش و پاسخ، تمرین گروهی و بازخورد مستقیم؛ مناسب تیم‌های دورکار یا پراکنده در چند شهر.
کارگاه کوتاه یا دوره‌ی جامع
از کارگاه یک‌روزه برای یک موضوع مشخص تا برنامه‌ی چندماهه برای آماده‌سازی تیم در یک مسیر تخصصی.
دوره‌های مرتبط
همه‌ی دورههابرگزاری دوره‌ی پایتون برای تحلیل داده برای تیم سازمان
تعداد و سطح شرکت‌کنندگان و زمان‌بندی مدنظر را ارسال کنید تا برنامه‌ی دوره بر همان اساس تنظیم شود.