college logo

یادگیری ماشین ۱ | تحلیل داده با پایتون

قدم اول مسیر تخصصی یادگیری ماشین: آماده‌سازی و تحلیل داده با Pandas، Numpy Matplotlib و Seaborn

تعداد افراد ثبت‌نام کرده
۰

تعداد پاسخ‌های ارسال شده
۰

تعداد پرسش‌های پاسخ داده شده
۰

در یک دهه‌ی گذشته(از ۲۰۱۰ تا ۲۰۲۰) حجم داده‌ی تولید شده در جهان بیش از ۵۰ برابر شده. همین موضوع اهمیت تحلیل داده را به خوبی روشن می‌کند. شما در هر حوزه‌ی آکادمیک یا صنعتی که باشید باید کار کردن با داده‌ها را بلد باشید. در این دوره مهارت‌ها و ابزارهای مورد نیاز برای تحلیل داده را یاد می‌گیرید و با داده‌های واقعی و مسئله‌های صنعت تمرین می‌کنید.

با مثال‌های عملی از شرکت‌های

تجربه‌ای متفاوت از یادگیری

صفر تا صد ابزارهای تحلیل داده با پایتون

در این دوره با تمام ابزارهای پرکاربرد تحلیل و مصورسازی داده مانند numpy, Pandas, Matplotlib و seaborn آشنا می‌شوید و پروژه‌های عملی را با آن‌ها پیاده می‌کنید. تنها پیش‌نیاز این دوره دانش مقدماتی پایتون و دانش ریاضی در سطح دبیرستان است.

body body body

تجربه عملی تحلیل داده در کنار یادگیری

در کنار درس‌نامه‌های آموزشی غنی، ده‌ها تمرین و پروژه‌ برای شما آماده شده تا در جنبه‌های مختلف تجربه کسب کنید. این پروژه‌ها شما را برای انجام پروژه‌های واقعی در صنعت آماده خواهد کرد.

body

در تمام زمان آموزش کنارتان هستیم

احتمالاً سؤالات مختلفی حین گذراندن این دوره برایتان پیش می‌آید. در تمام زمان دوره می‌توانید سوالاتتان را از مربی‌های کالج بپرسید و از آن‌ها در دیباگ کردن کدهایتان کمک بگیرید. پس از حل سؤالات نیز می‌توانید پاسخ اساتید دوره یا سایر دوستانتان را ببینید.

body big message red message green message

جامع و نزدیک به صنعت یاد بگیرید

در این دوره علاوه بر یادگیری ابزارهای کاربردی و انجام تمرین‌های متعدد برای تسلط کامل، داده‌های واقعی شرکت‌های یکتانت، پوشه و یونیدرو را هم تحلیل می‌کنید تا با استفاده‌ی واقعی این ابزارها در صنعت آشنا شوید.

body body body body

امکانات دیگر این دوره کوئرا کالج

قدم اول مسیر یادگیری ماشین

گواهی کوئرا کالج

دو پروژه‌ آموزشی

محتوای متنی و ویدیویی

مشاهده کد دیگران

داوری خودکار تمرین‌ها

سیستم نظردهی

به‌روزرسانی مداوم

سرفصل دوره

مقدمه ( ٪۸۰ تا میزان مورد انتظار )
داده و اهمیت آن
داده چیست؟ درس‌نامه
انواع داده درس‌نامه
ارزش داده و چالش‌ها درس‌نامه
تعامل بیشتر با پایتون
اهداف فصل درس‌نامه
معرفی پایتون تعاملی درس‌نامه
معرفی نوت‌بوک جوپیتر درس‌نامه
آماده‌سازی محیط کار درس‌نامه
اجرای نوت‌بوک‌ها درس‌نامه
دستگرمی تمرین
کار با امکانات ویژه پایتون تعاملی درس‌نامه
تمرین پایتون تعاملی تمرین
گوگل کولب درس‌نامه
نامپای
اهداف فصل درس‌نامه
تعریف آرایه درس‌نامه
کار با آرایه درس‌نامه
بازی با کوئرا تمرین
توابع عمومی درس‌نامه
توابع تجمیعی درس‌نامه
ایجاد، تغییر شکل و برش آرایه تمرین
پخش آرایه درس‌نامه
مقایسه و منطق بولی درس‌نامه
نمایه‌سازی با آرایه‌ها درس‌نامه
سرزمین فلاکت تمرین
مرتب‌سازی و جبرخطی درس‌نامه
گل‌های زنبق تمرین
پانداس
اهداف فصل درس‌نامه
دیتا سری درس‌نامه
دیتا فریم درس‌نامه
بررسی دیتافریم درس‌نامه
مصطفی تمرین
کار با دیتافریم درس‌نامه
انتخاب شرطی درس‌نامه
دوچرخه سواران بی‌طاقت تمرین
شاخگرام تمرین
کار با فایل درس‌نامه
اِعمال توابع و مرتب‌سازی درس‌نامه
هندونه تمرین
ادغام دیتافریم‌ها درس‌نامه
توابع اتصال و هم‌پوشانی درس‌نامه
گروه‌بندی درس‌نامه
قشر کتابخوان تمرین
توابع تبدیل و فیلتر درس‌نامه
یکتانت تمرین
پروژه ۱: مشکلات شکلاتی
اهداف فصل درس‌نامه
گام اول - محموله بزرگ تمرین
گام دوم - فروش شکلات تمرین
گام سوم - شکلات‌های خوب‌تر تمرین
آماده‌سازی داده
اهداف فصل درس‌نامه
حذف دادگان درس‌نامه
کار با دادگان ناموجود درس‌نامه
ماندن یا نماندن؛ مسئله اینست! تمرین
سری‌ زمانی: یادآوری پایتون درس‌نامه
سری زمانی: استفاده از پانداس درس‌نامه
پوشه تمرین
گسسته سازی درس‌نامه
مگنت تمرین
مصور‌سازی داده
اهداف فصل درس‌نامه
ابزار‌های مصور‌سازی داده درس‌نامه
شروع کار با مت‌پلات درس‌نامه
تنظیمات بخش اول درس‌نامه
سقوط امپراطوری سلیب تمرین
واسط پانداس درس‌نامه
نمودار میله‌ای درس‌نامه
انقلاب سلیب تمرین
نمودار پراکندگی درس‌نامه
توزیع‌ها و تخمین توزیع داده درس‌نامه
هیستوگرام و نمودار چگالی درس‌نامه
بر باد رفته تمرین
تنظیمات بخش دوم درس‌نامه
آب رفته به جوی باز می‌گردد تمرین
معرفی سیبورن درس‌نامه
نمودارهای سیبورن درس‌نامه
مصطفی، خودکفا تمرین
یونیدرو تمرین
پروژه ۲: چین
اهداف فصل درس‌نامه
پر‌کردن مقادیر گمشده تمرین
فرمت مناسب و داده‌های پرت تمرین
اضافه کردن ویژگی‌های جدید تمرین
نمایش روی نقشه تمرین
تحلیل زمانی تمرین
مباحث تکمیلی
یادگیری ماشین درس‌نامه
علم داده درس‌نامه
کلان داده درس‌نامه
مقدمه‌ای بر مهندسی داده درس‌نامه
پروژه نهایی
مقدمه درس‌نامه
پیش‌پردازش تمرین
اکتشاف تمرین
مطالعه بازار‌های هدف تمرین
ارزش‌گذاری مشتریان تمرین
تحلیل ماندگاری مشتری تمرین
پایان دوره درس‌نامه

اساتید دوره

حامد منصوری
دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه خواجه نصیر

دانشمند داده در کوئرا

سجاد یزدان‌پرست

دانشمند داده در کوئرا

پرتو شاهرودی
دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه خواجه نصیر

دانشمند داده در کوئرا

سید پارسا میرطاهری

دانشمند داده در کوئرا

هادی ستوده

دانشمند داده در کوئرا

سؤالات متداول

پیش‌نیاز شرکت در دوره چیست ؟

تنها پیشنیاز این دوره پایتون مقدماتی و ریاضیات دبیرستان است و نیازی به دانش آکادمیک پیشرفته یا دانشگاهی ندارد. اگر با پایتون آشنایی ندارید، پیشنهاد می‌کنیم تا انتهای فصل «کار با فایل» دوره برنامه‌نویسی پایتون پیشرفته و تفکر شی‌گرا را مطالعه کنید.

محتوای دوره در چه قالبی ارائه می‌شود؟

محتوای دوره در قالب درسنامه‌های متنی همراه با فیلم‌های آموزشی و تعدادی تمرین و پروژه عملی ارائه می‌شود.

پشتیبانی آنلاین برای شرکت‌کنندگان وجود دارد؟

بله،‌ با استفاده از سیستم پرسش‌ و پاسخ آنلاین کوئرا می‌توانید با طراحان دوره در ارتباط باشید و از آنان برای فهم بهتر محتوا یا دیباگ کد، کمک بخواهید. هم‌چنین امکان گفتگو با دیگر شرکت‌کنندگان کوئرا کالج نیز در انتهای هر درسنامه یا تمرین وجود دارد.

پس از پایان دوره چه مهارت‌هایی کسب می‌کنیم؟

در انتهای دوره کار با Numpy، Pandas، Matplotlib و Seaborn را به خوبی فرا گرفته‌اید و از آن‌ها می‌توانید برای تحلیل و آماده‌سازی داده استفاده کنید. به دلیل نوع سوالات، قدرت تحلیل‌ ذهن شما تقویت می‌شود و با انجام پروژه‌ها، با مسیری که یک تحلیل‌گر داده با پایتونِ حرفه‌ای طی می‌کند آشنا می‌شوید.

تمرینات و پروژه‌های این دوره چگونه است؟

در این دوره ده‌ها تمرین وجود دارد تا شما با انجام آن‌ها، مهارت خود را تقویت کنید. علاوه بر تمرین‌هایی که باید برای آن‌ها دست به کد بشوید، در برخی درسنامه‌ها سوالات چهارگزینه‌ای وجود دارد که به شما در اطمینان از یادگیری کمک می‌کند. علاوه بر این‌ها، سه پروژه نیز در نظر گرفته‌شده‌است تا علاوه بر مرور مطالب، دانش و مهارتتان را نیز افزایش دهد.

آیا محتوای دوره، یک‌جا در اختیارمان قرار می‌گیرد؟

بله. محتوای دوره به صورت یکجا در دسترس شماست و می‌توانید در هر زمان، هر درسنامه‌ای را که تمایل دارید مطالعه کنید و یا فیلم‌ها را مشاهده کنید؛ اما پیشنهاد ما این است به همین ترتیبی که مطالب چیده‌شده‌اند، ادامه دهید.

تا چه زمانی برای به پایان رساندن دوره فرصت داریم؟

پس از رسیدن به فصل «تعامل بیشتر با پایتون»، شما ۶۰ روز فرصت دارید دوره را به اتمام برسانید.

آیا امکان تمدید مهلت استفاده وجود دارد ؟

بله، در صورت اتمام مهلت دوره شما می‌توانید با پرداخت مبلغی، دوره را به صورت ماهانه تمدید کنید.

دوره از چه زمانی شروع می‌شود؟

در حال حاضر دوره منتشر شده‌است. به محض ثبت‌نام در دوره، می‌توانید از محتوای دوره استفاده کنید.

آیا با گذراندن دوره می‌توانیم یک پروژه تحلیل داده انجام دهیم؟

بله، شما هر آنچه از تحلیل داده با پایتون برای انجام پروژه‌ها نیاز دارید، در این دوره فرا می‌گیرید. در طول دوره‌ هم با انجام ۳ پروژه، با فرایند پروژه‌های تحلیل داده آشنا می‌شوید.

بزن بریم!

در صورت وجود هرگونه سؤال یا ابهام با college@quera.ir تماس بگیرید.

ثبت نام

None
None

جشنواره برگشت به کد کوئرا کالج | تا سقف ۲۵۰هزارتومان تخفیف

+ جوایز هیجان انگیز MacBook Air M1 | Apple Watch SE | AirPods 2

جشنواره برگشت به کد

+ MacBook Air M1 و …