دوره آنالیز دیتا با پایتون

سرفصل دوره آموزش Data Analysis with Python

آشنایی با هوش مصنوعی و مفاهیم کلان در آن

1. مروری بر جایگاه هوش مصنوعی در جهان
2. مروری بر زبان های برنامه نویسی مطرح در این حوزه
3. بیان چارت دوره
4. بیان بخش های مختلف هوش مصنوعی و تمرکز بر مواردی که در این دوره بررسی خواهد شد

نصب و آماده سازی محیط های لازم برای هوش مصنوعی

1. نصب Anaconda
2. بیان مفهوم Virtual Env در پایتون
3. نحوه دانلود پکیج با pip
4. نحوه دانلود پکیج با conda
5. نصب کلیه پکیج های مورد نیاز در طول دوره
6. آشنایی با IDE های مختلف

مروری بر مفاهیم جبر خطی

1. معرفی ماتریس ها و نحوه تبدیل داده ها به آن
2. مروری انواع ابعاد داده ها
3. مروری بر عملیات جبر خطی
4. معرفی فضای برداری و نمایش نمونه های یک ماتریس در آن

آموزش و کار با پکیج های مختلف پیش پردازش و آنالیز داده

1. معرفی رویکردهای گوناگون فهم داده و لزوم آن
2. معرفی علم آمار و تقسیم بندی آن
3. معرفی آمار توصیفی
   • گشتاورهای آماری
     • میانگین / میانه
     • واریانس
     • چولگی
     • کشیدگی توزیع
   • همبستگی داده ها
   • معرفی توزیع های آماری و آشنایی با پکیج Scipy
     • توزیع نرمال
     • توزیع یونیفرم
     • توزیع برنولی
     • توزیع باینومیال
     • توزیع مالتی نومیال
     • توزیع پوآسون
     • توزیع نمایی
4. معرفی آزمون اثبات توزیع آماری
   • بررسی آزمون جنسون شنون

آموزش و کار با پکیج های مختلف نمایش داده

1. آشنایی با پکیج Matplotlib
   • Line Plot
   • Scatter Plot
   • Step Plot
   • Bar Plot
   • Histogram
   • Box Plot
   • 3D Plot
   • Plot Attributes
2. آشنایی با پکیج Seaborn
   • Numerical Data Plotting
   • Categorical Data Plotting
   • Visualizing Distribution of Data
   • Linear Regression and Relationship
   • Plot Attributes

تحلیل اکتشافی داده (EDA) - بخش دوم آمار تفسیری

1. معرفی آمار تفسیری
   • معرفی آزمون های شبیه سازی آماری
     • A/B testing
   • معرفی آزمون های از پیش تعریف شده آماری
     • بررسی آزمون T-Test
     • بررسی آزمون U-Test