Udemy – Data Analysis A-Z: Become Data Analyst in 30 Days 2023-10

در تاریخ: 1404/02/16 11:10:55

توضیحات

دوره Data Analysis A-Z: Become Data Analyst in 30 Days. این دوره یک برنامه فشرده و جامع است که در مدت ۳۰ روز، مهارت‌های ضروری برای تبدیل شدن به یک تحلیلگر داده را آموزش می‌دهد. در هفته اول، تمرکز بر تحلیل داده با اکسل است، شامل پاکسازی داده‌های خام، انجام آمار توصیفی و استنباطی، و ایجاد داشبوردهای پویا با PivotTables و نمودارها. از روز نهم تا هفدهم، مبانی پایتون آموزش داده می‌شود، از جمله انواع داده، متغیرها، حلقه‌ها و ساختارهای شرطی. در هفته سوم، کار با ساختارهای داده مانند لیست‌ها و دیکشنری‌ها تمرین می‌شود. در هفته پایانی، تحلیل داده با پایتون و کتابخانه‌های pandas و numpy آموزش داده می‌شود، شامل دستکاری داده‌ها، تحلیل اکتشافی و روش‌های آماری مانند همبستگی و رگرسیون. این دوره با تمرین‌های عملی و پروژه‌های واقعی همراه است تا شرکت‌کنندگان بتوانند مهارت‌های خود را در موقعیت‌های کاری به کار بگیرند و به یک تحلیلگر داده ماهر تبدیل شوند.

آنچه فرا خواهید گرفت:

درک syntax پایه پایتون، انواع داده، متغیرها و عملگرها، که شما را قادر می‌سازد برنامه‌های ساده بنویسید و عملیات اساسی را انجام دهید.
یادگیری استفاده از ساختارهای کنترلی مانند حلقه‌ها و عبارات شرطی مانند if، elif و else برای مدیریت مؤثر جریان برنامه.
کسب مهارت در کار با ساختارهای داده اساسی در پایتون، مانند لیست‌ها، دیکشنری‌ها، تاپل‌ها و مجموعه‌ها.
یادگیری نحوه دستکاری، دسترسی و اصلاح این ساختارها برای نیازهای مختلف برنامه‌نویسی.
استفاده حرفه‌ای و واقع‌بینانه از معیار‌هایی مانند شمارش، درصد، group by، pivot tables، همبستگی و رگرسیون.
حل بیش از 20 سوال تحلیلی داده برای تمرین استفاده از تحلیل داده در شرایط مختلف.
تأکید بر کاربرد عملی برای به دست آوردن بینش‌های ارزشمند از داده‌ها و ایجاد قضاوت‌ها و پیشنهادات آگاهانه.
تسلط بر پایتون برای تحلیل داده با استفاده از کتابخانه‌ها و ابزارهای استاندارد صنعت: pandas، numpy، scipy، scikit-learn و غیره.
تسلط بر استنباط آماری (به عنوان مثال، ANOVA، همبستگی، رگرسیون)، استخراج یافته‌های معنادار و تصمیم‌گیری مبتنی بر داده.
درک و استفاده از تکنیک‌های پاکسازی و آماده‌سازی داده‌های خام در Excel. یادگیری نحوه شناسایی و مدیریت داده‌های از دست رفته، داده‌های پرت و ناسازگاری‌ها.
استفاده از توابع و ابزارهای Excel برای اعتبارسنجی و تبدیل داده‌ها. بررسی مفاهیم آماری اساسی و کاربرد آنها در Excel.
یادگیری نحوه انجام آمار توصیفی، آمار استنباطی و آزمون فرضیه با استفاده از توابع و ابزارهای Excel.
یادگیری نحوه استفاده از PivotTables، PivotCharts و Slicers برای ایجاد داشبوردهای پویا و کاربرپسند.
بررسی تکنیک‌های مختلف بصری‌سازی داده موجود در Excel، از جمله نمودارها و گراف‌ها.
طراحی و ساخت داشبوردهای تعاملی در Excel برای بصری‌سازی مؤثر داده‌ها.