دوره آموزشی پایتون برای تجسم داده‌ها (2019)

1 ساعت 21 دقیقهمتوسط2019-11-01

مدرسین

Michael Galarnyk

Python Instructor and Blogger

Madecraft

Full-Service Learning Content Company

جزئیات دوره

تجسم داده برای دانشمندان داده فوق العاده مهم است، زیرا به آنها کمک می‌کند تا بینش خود را به همکاران غیر فنی خود، ارائه دهند. اما نیازی نیست که یک متخصص طراحی شوید. پایتون یک زبان برنامه نویسی محبوب و با کاربرد آسان است که تعدادی کتابخانه را ارائه می‌دهد که بطور خاص برای تجسم داده‌ها ساخته شده اند. در این دوره (از متخصصان شرکت Madecraft) می‌توانید نحوه ساخت نمودارها و نمودارهای دقیق، جذاب و آسان برای تولید را با استفاده از پایتون را بیاموزید. کتابخانه‌های پاندا و Matplotlib را کاوش کنید و سپس نحوه بارگیری و تمیز کردن مجموعه داده‌ها و ایجاد طرح‌های ساده و پیشرفته از جمله نقشه‌های heatmaps، histograms و subplots‌ها را کشف کنید. مربی مایکل گالارنیک تمام آموزشهای لازم برای ایجاد تجسم اطلاعات حرفه‌ای از طریق برنامه نویسی را ارائه می‌دهد.

اهداف یادگیری
از یک نوت بوک Jupyter برای اجرای یک سری دستورات استفاده کنید.
دستورات متداول برای بارگیری و صادر کردن داده ها را شرح دهید.
اصول استفاده از پانداها را توضیح دهید.
با استفاده از روشهای متداول داده، یک DataFrame را اصلاح کنید.
با استفاده از Matplotlib نمودارهای ساده ایجاد کنید.
از تکنیک های پیشرفته برای تولید طرح های پیچیده استفاده کنید.

مهارت ها

pandasData VisualizationPythonProgramming LanguagesData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen SourceSoftware DevelopmentDeep Dive (X:Y)

سرفصل ها

0. مقدمه

01 - ارائه مؤثر داده‌ها با پایتون
02 - آنچه باید قبل از شروع بدانید
03 - استفاده از فایل‌های تمرین

1. ابزار تجسم داده ها

04 - ارزش تجسم داده ها
05 - چرا از یک زبان برنامه نویسی استفاده کنید
06 - مروری بر نوت بوک‌های Jupyter

2. پانداها

07 - آشنایی با پانداها
08 - داده‌های نمونه ایجاد کنید
09 - داده‌های نمونه را دانلود کنید
10 - عملیات اساسی
11 - برش دادن
12 - فیلتر کردن
13 - تغییر نام و حذف ستون ها
14 - توابع جمع
15 - شناسایی داده‌های از دست رفته
16 - حذف یا پر کردن اطلاعات از دست رفته
17 - DataFrames پانداها را به آرایه یا دیکشنری NumPy تبدیل کنید
18 - Pandas DataFrames را به فایل‌های CSV و Excel صادر کنید

3. Matplotlib

19 - مبانی Matplotlib
20 - تنظیم نوع نشانگر و رنگ
21 - سبک MATLAB در مقابل نحو شی
22 - تعیین عناوین، برچسب‌ها و محدودیت ها
23 - شبکه ها
24 - افسانه ها
25 - ذخیره نمودارها در فایل ها
26 - بسته بندی Matplotlib (پانداها و Seaborn)

4. نقشه برداری پیشرفته

27 - نقشه‌های حرارتی
28 - هیستوگرام
29 - طرح‌های فرعی

نتیجه

30 - مراحل بعدی