توضیحات
روزانه دیتاهای مختلفی در دنیا در حال جمع‌آوری است و حجم دیتا آنقدر بالا رفته که آمار دقیق آن را نمی‌توان گفت اما تخمین زده شده است که روزانه 328.77 میلیون ترابایت دیتا در حال تولید می‌باشد. حال اگر بخواهیم این دیتاها را تحلیل کنیم چقدر زمان می‌برد؟ می‌توان گفت شغل Data scientist در جهان در حال پیشرفت است و اگر به دنبال شغلی با حقوق بالا و مناسب می‌گردید حتماً این شغل را انتخاب خواهید کرد. اگر بخواهید به عنوان data scientist مشغول به کار شوید باید پیش نیازهای آن در زبان برنامه نویسی پایتون را یاد بگیرید. این قسمت دوره آموزش پیشنیاز علم داده در پایتون برای شما تهیه گردیده تا بتوانید وارد این دنیای جذاب بشوید.
پایتون
زبان برنامه نویسی پایتون یک زبان ساده می باشد و در عین حال نوشتن کد با آن نزدیک به زبان انگلیسی است. لذا یادگیری آن را بسیار آسان کرده است. بسیاری از برنامه نویسان روی به یادگیری این زبان می‌آورند چراکه گستردگی این زبان از برنامه نویسی وب تا برنامه‌های گرافیکی ساده می باشد و ماژولهای فراوان هوش مصنوعی، جبر خطی و … آن باعث گردیده است که نظر همه به این زبان جلب گردد.
دوره آموزش پیشنیاز علم داده در پایتون
یکی از شغل‌های پردرآمد در دنیا data scientist می‌باشد. در دوره آموزش تهیه گردیده سعی کردیم شما را برای این شغل آماده کنیم. البته توجه داشته باشید که پیش نیازهای علم داده را در این دوره به شما معرفی خواهیم کرد تا با آمادگی بهتر وارد دنیای دیتا شوید. بعد از گذراندن این دوره شما براحتی می‌توانید با انواع مختلف دیتا کار کنید و بدون مشکل اقدام به یادگیری علم داده در پایتون بکنید.
محتوای دوره پیشنیاز علم داده
دوره آموزش پیشنیاز علم داده در پایتون دارای چهار بخش اصلی می‌باشد. محتوای این چهار بخش به شرح زیر می‌باشد:
- جلسه اول: معرفی کتاب خانه Numpy
- جلسه دوم: ساخت آرایه با کمک لیست‌ها
- جلسه سوم: ساخت آرایه با کمک توابع پایتون
- جلسه چهارم: ویژگی‌ها و توابع درونی آرایه در Numpy
- جلسه پنجم: نحوه index و select در آرایه‌ها بخش اول
- جلسه ششم: نحوه index و select در آرایه‌ها بخش دوم
- جلسه هفتم: نحوه index و select در آرایه‌ها بخش سوم
- جلسه هشتم: عملیاتها در Numpy
- جلسه نهم: تمرین و پاسخ تمرین با کمک کتابخانه Numpy
- جلسه اول: معرفی و نصب ماژول pandas
- جلسه دوم: معرفی سری‌ها
- جلسه سوم: معرفی دیتافریم‌ها یا dataframeها بخش اول
- جلسه چهارم: معرفی دیتافریم‌ها یا dataframeها بخش دوم
- جلسه پنجم: معرفی دیتا Nan
- جلسه ششم: معرفی GroupBy
- جلسه هفتم: دستور merge
- جلسه هشتم: عملیاتها
- جلسه نهم: input و outputها (ذخیره سازی و خواندن فایل‌های اکسل و csv)
- جلسه دهم: تمرین
- جلسه اول: معرفی و نصب ماژول Matplotlib
- جلسه دوم: معرفی Plot
- جلسه سوم: معرفی کار با figure و axesها
- جلسه چهارم: subplot و نمودارهای چندتایی
- جلسه پنجم: ذخیره figure و تغییر سایز آنها
- جلسه ششم: تنظیمات Plot
- جلسه هفتم: تمرین
- جلسه هشتم: نمودار هیستوگرام
- جلسه نهم: معرفی violinplot و boxplot
- جلسه دهم: نمودار scatter
- جلسه یازدهم: معرفی barplot و pieplot
- جلسه اول: معرفی و نصب ماژول Seaborn
- جلسه دوم: معرفی نمودار هیستوگرام
- جلسه سوم: نمودارها با دیتا categorical
- جلسه چهارم: معرفی نمودار Matrix plot
- جلسه پنجم: regression plot یا نمودار رگرسیون
- جلسه ششم: معرفی Gridها
- جلسه هفتم: تمرین
نمونه ویدئوهای علم داده
در قسمت زیر می‌توانید برخی ویدئوهای آموزشی این دوره را مشاهده کنید:
سورس کد
در کنار فایل ویدئو ، سورس آموزش‌های تهیه گردیده، در اختیار شما قرار خواهد گرفت. شما در محیط برنامه نویسی پایتون می‌توانید از این فایل‌ها استفاده کنید و نحوه اجرای آن را ببینید. فرمت فایل‌های سورس .py می باشد.
پیش نیاز
برای گذراندن پیش‌نیازهای این دوره نیاز است که با زبان برنامه نویسی پایتون آشنایی داشته باشید. پیشنهاد می‌کنیم برای درک بهتر این دوره، آموزش صفر تا صد پایتون را حتماً مطالعه نمایید.
این دوره مناسب چه کسانی است؟
اگر به دنبال دوره‌ای هستید که پروژه‌های واقعی را پیاده سازی کند و شما را برای بازار کار آماده کند این دوره مناسب شما است. دانشجویان، علاقه مندان به برنامه نویسی پایتون، کارمندان، افراد جویای کار، افراد مشتاق به ارتقا شغلی و … می توانند از این دوره آموزشی استفاده کنند.