Udemy – Data Cleaning and Visualization in Python 2025-2

در تاریخ: 1404/08/24 1:28:43

در: آموزش تصویری،فناوری اطلاعات و نرم افزار

توضیحات

دوره Data Cleaning and Visualization in Python. این دوره آموزشی، درک جامعی از تحلیل اکتشافی داده‌ها یا EDA را ارائه می‌دهد که گامی حیاتی در چرخه یادگیری ماشین است. هدف اصلی آن، تشخیص مشکلات موجود در مجموعه داده‌ها و به‌کارگیری تکنیک‌های مناسب برای بهبود کیفیت داده‌هاست. بخش اول دوره بر پاکسازی داده‌ها متمرکز است و تکنیک‌های ضروری مانند مدیریت مقادیر گمشده، تبدیل داده‌ها و تشخیص داده‌های پرت را پوشش می‌دهد. در این بخش، روش‌های مختلفی برای پر کردن مقادیر گمشده شامل روش‌های آماری، مبتنی بر همسایه و پیش‌بینانه، همراه با تبدیل‌هایی مانند لگاریتمی، جذر و باکس-کاکس آموزش داده می‌شود. همچنین تکنیک‌های تشخیص داده‌های پرت مانند امتیاز Z، دامنه میان چارکی و فاصله ماهالانوبیس بررسی می‌گردند. بخش دوم به تصویرسازی داده‌ها اختصاص دارد و تحلیل‌های تک‌متغیره، دومتغیره و چندمتغیره را در بر می‌گیرد. این بخش به بحث در مورد انواع نمودارها از جمله هیستوگرام، نمودار جعبه‌ای، نمودار پراکندگی و نقشه حرارتی می‌پردازد تا تفسیر داده‌ها را شفاف سازد. دوره با ارائه مطالعات موردی واقعی به پایان می‌رسد و نشان می‌دهد که چگونه تحلیل اکتشافی داده‌ها به استخراج بینش‌های معنادار کمک می‌کند. تمامی پیاده‌سازی‌ها در زبان پایتون و با استفاده از کتابخانه‌هایی مانند پانداس، نومپای، سیبورن و مت پلاتلیب انجام می‌شوند. در پایان این دوره، شرکت‌کنندگان مهارت عملی لازم برای اجرای مؤثر تحلیل اکتشافی داده‌ها بر روی هر مجموعه داده‌ای را به دست خواهند آورد و از این تکنیک‌ها برای بهبود داده‌ها و دستیابی به نتایج بهتر در تحلیل‌های یادگیری ماشین استفاده خواهند کرد.

آنچه فرا خواهید گرفت

درک مسائل داده‌های واقعی:
درک مسائل مختلفی که می‌توانند در داده‌های زمان واقعی وجود داشته باشند.
تکنیک‌های پاکسازی داده‌ها:
درک تکنیک‌های پر کردن مقادیر گمشده (Imputation) و تحلیل داده‌های پرت (Outlier Analysis).
درک کجی داده‌ها (Skewness) و تکنیک‌های تبدیل داده‌ها برای اصلاح آن‌ها.
تکنیک‌های تصویرسازی:
درک تکنیک‌های تصویرسازی ویژگی‌ها به صورت تک‌متغیره، دومتغیره و چندمتغیره.
پیاده‌سازی عملی:
پیاده‌سازی مفاهیم ذکر شده بر روی مجموعه داده واقعی با استفاده از زبان Python.

این دوره مناسب افرادیست که

مشتاقان مهندسی مبتدی که می‌خواهند علم داده (Data Science)، یادگیری ماشین (Machine Learning) و یادگیری عمیق (Deep Learning) را بیاموزند.
افرادی که می‌خواهند مراحل اساسی که می‌توانند عملکرد مدل‌های یادگیری ماشین را افزایش دهند، درک کرده و به کار گیرند.
دانشجویان مهندسی با پیش‌زمینه‌های مختلف که می‌توانند این مفاهیم را در حوزه کاری خود به کار ببرند.
مشتاقان هوش مصنوعی (AI) و علم داده که به دنبال یک دوره جامع در مورد پاکسازی داده‌ها، تحلیل و تصویرسازی با استفاده از Python هستند.

مشخصات دوره

ناشر: Udemy
مدرس: Sairam Adithya
سطح آموزش: مبتدی تا پیشرفته
مدت زمان آموزش: 2 ساعت و 37 دقیقه
تعداد دروس: 10

سرفصل های دوره

پیشنیازهای دوره Data Cleaning and Visualization in Python

This course is for beginners who don’t have much expertise in data cleaning and analytics.
Minimal level of expertise would be needed. Basic idea of python programming like variables, loops, conditional statements would be enough to understand the course.
It is important to understand the theoretical aspects of the concepts. That’s the reason why this course is aligned more towards theory!!