آموزش مقدمه‌ای بر علم داده با پایتون

دوره "Introduction to Data Science in Python" به دانشجویان مقدمات محیط برنامه‌نویسی پایتون را آموزش می‌دهد و به بررسی تکنیک‌های اصلی برنامه‌نویسی در پایتون می‌پردازد. دانشجویان با مفاهیمی مانند lambdas، نحوه خواندن و دستکاری فایل‌های ... بیشتر

زیرنویس
94 دانشجو
متوسط
Coursera

Christopher Brooks

به‌روزرسانی: ۱۴۰۳/۰۸/۱۴

محتوای دوره
پیش‌نیاز‌ها
درباره دوره
درباره استاد

آنچه در این دوره می‌آموزید

درک تکنیک‌هایی مانند lambdas و دستکاری فایل‌های csv

توصیف عملکردها و ویژگی‌های رایج پایتون که در علم داده استفاده می‌شوند

پرس‌وجو از ساختارهای DataFrame برای پاک‌سازی و پردازش داده‌ها

توضیح توزیع‌ها، نمونه‌گیری و تست‌های t

محتوای دوره

4 فصل 29 جلسه 5 ساعت ویدیو
مبانی دستکاری داده‌ها با پایتون
  مقدمه‌ای بر تخصص
مشاهده
"04:05
  مقدمه‌ای بر دوره
مشاهده
"05:04
  سیستم Jupyter Notebook در Coursera
"08:25
  توابع پایتون
"08:10
  انواع و دنباله‌های پایتون
"08:47
  بیشتر درباره رشته‌ها (Strings) در پایتون
"03:22
  نمایش پایتون: خواندن و نوشتن فایل‌های CSV
"04:08
  تاریخ‌ها و زمان‌ها در پایتون
"02:32
  اشیاء پیشرفته در پایتون، تابع map()
"06:04
  تابع lambda و List Comprehensions پیشرفته در پایتون
"03:07
  کتابخانه عددی پایتون (NumPy)
"32:15
  دستکاری متن با Regular Expression
"27:24
پردازش اولیه داده‌ها با Pandas
پردازش بیشتر داده‌ها با Pandas
پاسخ به سوالات با داده‌های نامرتب

پیش‌نیاز‌ها

برای درک و استفاده بهتر از این دوره، دانش نسبی از زبان برنامه‌نویسی پایتون و مباحث علم داده پیشنهاد می‌شود.

درباره دوره

دوره "Introduction to Data Science in Python" به دانشجویان مقدمات محیط برنامه‌نویسی پایتون را آموزش می‌دهد و به بررسی تکنیک‌های اصلی برنامه‌نویسی در پایتون می‌پردازد. دانشجویان با مفاهیمی مانند lambdas، نحوه خواندن و دستکاری فایل‌های csv، و کتابخانه numpy آشنا می‌شوند که از مهم‌ترین ابزارها برای تحلیل داده‌ها محسوب می‌شوند.

همچنین این دوره بر دستکاری و پاک‌سازی داده‌ها تمرکز دارد و از کتابخانه محبوب pandas برای معرفی سری‌ها (Series) و DataFrame، به‌عنوان ساختارهای اصلی برای تحلیل داده‌ها، استفاده می‌کند. دانشجویان با نحوه به‌کارگیری توابعی مانند groupby، merge و pivot tables نیز آشنا خواهند شد تا داده‌های خود را به‌صورت حرفه‌ای سازماندهی و تحلیل کنند.

در پایان دوره، دانشجویان قادر خواهند بود داده‌های جدولی را به‌طور مؤثر پاک‌سازی و دستکاری کنند و با انجام تحلیل‌های آماری پایه، اطلاعات مفیدی را استخراج نمایند. این دوره پیش‌نیاز ضروری برای دوره‌های پیشرفته‌تر علم داده کاربردی با پایتون است، مانند «ترسیمات کاربردی و نمایش داده‌ها»، «یادگیری ماشین»، «استخراج متن» و «تحلیل شبکه‌های اجتماعی»، که درک کاملی از ابزارها و تکنیک‌های اولیه پایتون را برای انجام پروژه‌های پیچیده‌تر در اختیار دانشجویان قرار می‌دهد.

اطلاعات بیشتر

دوره‌های پیشنهادی

درباره استاد

Christopher Brooks
2 دوره
126 دانشجو

Christopher Brooks دانشیار مدرسه اطلاعات در دانشگاه میشیگان است. تمرکز تحقیقات او بر طراحی ابزارهایی برای بهبود تجربه آموزش و یادگیری در آموزش عالی است. او به ویژه به درک چگونگی کاربرد تحلیل‌های یادگیری در تعامل انسان و کامپیوتر از طریق داده‌کاوی آموزشی، یادگیری ماشین و تجسم اطلاعات علاقه‌مند است.

اطلاعات بیشتر

سوالات پرتکرار

پس از سپری شدن زمان دوره، به محتوای دوره دسترسی خواهم داشت؟

بله؛ پس از سپری شدن مدت زمان دوره شما به محتوای دوره دسترسی خواهید داشت و می توانید از ویدئوها، تمارین، پروژه و دیگر محتوای دوره در صورت وجود استفاده کنید ولی امکان تصحیح تمارین توسط پشتیبان و دریافت گواهی نامه برای شما وجود نخواهد داشت.

تمام حقوق این وب‌سایت برای شرکت ندای دانش همراه ایرانیان (مکتب‌خونه‌‌‌‌) است.