نمونه ای از ویدئو دوره دیتاانالیز
سرفصل های دوره دیتاانالیز
-
- تفاوت Numpy arrayو Python list
- دیتا تایپهای Numpy
- کمی عمیقتر در Numpy
- بررسی چند مورد در Numpy
- بحث indexingوslicing در Numpy
- ماژول Random در Numpy
-
- تنظیمات نمودار و تغییر استایل
- بررسی یک magic command در جوپیتر
- نمودار میلهای (bar)
- نمودار دایرهای (pie-chart)
- زیر نمودار (subplot)
-
- بررسی DataFrame
- بررسی Series
- بررسی ایندکس
- بررسی loc و iloc
- حذف و اضافه در دیتافریم
- بررسی تابع concat
- استفاده از عملگرهای مقایسهای در Pandas
- خواندن و نوشتن فایل در Pandas
-
- مقدمهای بر آمار و احتمال
- احتمال چیست؟
- احتمال شرطی
- تمرین - تابع احتمالات
- بررسی مفهوم Population and Sampling
- مفهوم داده
- روشهای نمونهگیری
- اندازه نمونه (sample size)
-
- بررسی اولیه یک دیتاست
- مرکزیت دادهها
- معیار پراکندگی دادهها - بخش اول
- معیار پراکندگی دادهها - بخش دوم
- توزیع فراوانی دادهها و هیستوگرام
- توزیع دادهها
- بررسی موارد روی دیتاست
- بررسی چارک (IQR, Quartile)
- بررسی boxplot
- تمرین - بررسی دیتاست
-
- توزیعهای آماری
- بررسی مفهوم چندک (Quantile)
- دادههای ما از چه توزیعی پیروی میکنند؟
- همبستگی دو متغیر (correlation)
- بررسی مفاهیم CDF, PMF, RV
- بررسی مفهوم PDF
- میانگین وزندار و مقدار مورد انتظار!
- تمرین - بررسی دیتاست
-
- مفهوم آزمون فرضیه
- بررسی عوامل موثر (شانس!)
- آزمون فرضیه (Z-test)
- آزمون فرضیه (T-test)
- آزمون فرضیه (U-test)
- آزمون معناداری ضریب همبستگی
- تمرین
-
- مفهوم بعد (Dimension)
- بردار (Vector)
- رسم بردار در پایتون
- ماتریس - بخش اول تا چهارم
- حل معادلات خطی با ماتریس!
- تجزیه بردار (Vector Decomposition)
- مقدار ویژه و بردار ویژه (Eigen)
- تمرین - تابع ویژه!
- رسم بردار
- چند نکته Numpy و ماتریس
- ضرب داخلی بردار
- ماتریس متعامد
-
- بررسی موارد روی دیتاست
- تمرین - بررسی و درک دیتاست
- مقادیر نامعلوم (missing value)
- استفاده از sklearn
- دادههای غیر عددی (categorical)
- مقیاس دادهها (scale)
- تمرین - تأثیر تغییر مقیاس داده
- آمادهسازی دیتاست