CBTNuggets – PCAD – Certified Associate Data Analyst with Python (PCAD-31-02) 2026-6

در تاریخ: 1405/04/28 9:27:13

توضیحات

Certified Associate Data Analyst with Python (PCAD) Certification Training، دوره آموزش گواهینامه تحلیلگر داده مقدماتی با پایتون (PCAD) توسط آکادمی CBT Nuggets منتشر شده است.این دوره آموزشی جامع شما را برای موفقیت در آزمون گواهینامه تحلیلگر داده مقدماتی با پایتون (PCAD) آماده می‌کند و مهارت‌های اصلی مورد انتظار کارفرمایان از یک تحلیلگر داده حرفه‌ای را پوشش می‌دهد. شما یاد خواهید گرفت که چگونه از پایتون برای دستکاری داده‌ها و از کتابخانه‌های ضروری مانند پانداس، نامپای، متplotlib و سی‌بورن برای پرس‌وجو، تجمیع و مصورسازی مجموعه داده‌ها استفاده کنید. برنامه درسی همچنین روش‌های آماری برای استخراج نتیجه‌گیری‌های قابل اعتماد از داده‌ها را شامل می‌شود. این دوره که مستقیماً با اهداف رسمی آزمون PCAD هماهنگ شده است، اطمینان حاصل می‌کند که شما همزمان مهارت‌های تحلیلی عملی و آمادگی برای آزمون را کسب می‌کنید.

این دوره برای نامزدهایی در مراحل اولیه تا میانی شغل تحلیلگری خود، از جمله افرادی که در حال تغییر شغل از نقش‌های مرتبط با داده هستند، کاملاً مناسب است. شما با ساختن گردش کار تحلیلی از ابتدا تا انتها، از دریافت داده‌های خام تا ارائه بینش‌های مستند، و همچنین تفسیر آمار توصیفی و استنباطی برای پشتیبانی از تصمیم‌گیری‌های مبتنی بر شواهد، تسلط پیدا خواهید کرد و برای سناریوهای آزمون با استفاده از سوالات تمرینی هماهنگ با اهداف رسمی گواهینامه آماده می‌شوید.

آنچه خواهید آموخت

به کارگیری کتابخانه‌های پایتون مانند پانداس و نامپای برای پاکسازی، تبدیل و تحلیل مجموعه داده‌های دنیای واقعی
نوشتن پرس‌وجوهای اس‌کیوال برای استخراج، فیلتر کردن، پیوند دادن و تجمیع داده‌ها از پایگاه‌های داده رابطه‌ای
ساخت مصورسازی‌های داده‌ای جذاب که یافته‌ها را به وضوح برای مخاطبان فنی و غیرفنی ارتباط برقرار می‌کند
تفسیر آمار توصیفی و استنباطی برای پشتیبانی از تصمیم‌گیری‌های تجاری مبتنی بر شواهد
ساختاردهی به یک گردش کار تحلیلی از ابتدا تا انتها، از دریافت داده‌های خام تا بینش‌های مستند
آمادگی برای سناریوهای آزمون PCAD با استفاده از سوالات تمرینی هماهنگ با اهداف رسمی گواهینامه

این دوره برای چه کسانی مناسب است

تحلیلگران داده جونیور، تغییردهندگان شغل و فارغ‌التحصیلان اخیر با مقداری آشنایی با پایتون که به دنبال یک گواهینامه معتبر برای تأیید مهارت‌های خود هستند
حرفه‌ای‌های کسب‌وکار که به طور نزدیک با تیم‌های داده کار می‌کنند و می‌خواهند تسلط تحلیلی قوی‌تری توسعه دهند
افرادی که در حال تغییر شغل از نقش‌های مرتبط با داده هستند و نیاز به رسمی کردن اعتبارنامه‌های فنی خود دارند

مشخصات دوره Certified Associate Data Analyst with Python (PCAD) Certification Training

ناشر : CBTNuggets
مدرس : Shaun Wassell
زبان: انگلیسی
سطح آموزش: تمام سطوح
تعداد دروس: 340
مدت زمان آموزش: 46 ساعت و 40 دقیقه

سر فصل های دوره Certified Associate Data Analyst with Python (PCAD) Certification Training

01 – Basics of Jupyter Notebooks
02 – Introduction to Num Py
03 – Working with Multidimensional Num Py Arrays
04 – Num Py Array Operations
05 – Introduction to Fancy Indexing in Num Py
06 – Num Py Array Broadcasting In-Depth
07 – Basic Data Analysis with Num Py Arrays
08 – Num Py’s Data Types In-Depth
09 – Basics of Pandas Series
10 – Basics of Pandas Data Frames
11 – Generating Random Numbers with Num Py and Pandas
12 – Working with Datasets in Pandas
13 – Dataset Cleaning in Pandas
14 – An In-Depth Look At Missing Values
15 – The Basics of Pandas Dataset Grouping
16 – Intermediate Dataset Grouping
17 – Filtering Data in Pandas
18 – Transforming Data in Pandas
19 – Applying Functions in Pandas
20 – Sorting Pandas Data Structures
21 – Introduction to Web Scraping with Beautiful Soup
22 – Beautiful Soup Types In-Depth
23 – Finding Elements with Beautiful Soup
24 – CSS Selectors For Web Scraping
25 – CSS Combinators for Web-Scraping
26 – CSS Pseudo-Classes for Web-Scraping
27 – Introduction to XPath for Web-Scraping
28 – Intermediate XPath Concepts
29 – XPath Predicates Basics
30 – Advanced XPath Predicates
31 – Basics of Data Visualization with Matplotlib
32 – Working with Scatterplots in Matplotlib
33 – Working with Bar Charts in Matplotlib
34 – Working with Pie Charts in Matplotlib
35 – Statistical Visualization Basics with Matplotlib
36 – Matplotlib Figures In-Depth
37 – Adding Interactivity with Matplotlib Widgets
38 – More Matplotlib Widgets
39 – Introduction to Seaborn
40 – Working with Seaborn’s Relational Plots
41 – Working with Seaborn’s Categorical Plots
42 – Machine Learning Algorithms K-Nearest Neighbor
43 – Machine Learning Algorithms Linear Models
44 – Machine Learning Algorithms K-Means Clustering
45 – Machine Learning Algorithms Neural Networks
46 – Machine Learning Algorithms Classification Trees
47 – Basics of Descriptive Statistics
48 – Descriptive Statistics In-Depth
49 – Correlation In Statistics
50 – Inferential Statistics Fundamentals
51 – Bootstrapping and Other Inferential Strategies
52 – Introduction to SQL For Data Analysts
53 – SQL Query Fundamentals
54 – Managing Data in SQL Tables
55 – Updating and Deleting Data in SQL
56 – SQL Relationships and Joins
57 – Aggregates and Grouping in SQL
58 – SQL Subqueries
59 – SQL Transactions and Rollbacks
60 – Object-Oriented Programming For Data Analysts
61 – PEP Guidelines For Data Analysts