Data Analysis with Python (آنلاین)

تاریخ شروع:
  • 1404/07/29
  • 1404/08/25
شهریه دوره: 3,600,000 تومان
دپارتمان فناوری اطلاعات و ارتباطات (IT)
مدت زمان 30 ساعت
حضوری / آنلاین ترکیبی
شروع دوره 29 مهر 1404
روزهای برگزاری سه‌شنبه
ساعات برگزاری 17:00–20:00
ثبت نام
شهریه دوره: 3,600,000 تومان
دپارتمان فناوری اطلاعات و ارتباطات (IT)
مدت زمان 30 ساعت
حضوری / آنلاین ترکیبی
شروع دوره 25 آبان 1404
روزهای برگزاری پنج‌شنبه، جمعه
ساعات برگزاری 09:00–13:00
ثبت نام
Data Analysis with Python (آنلاین)
توضیحات دوره
دوره Data Analysis with Python در مجتمع فنی تهران، نمایندگی زعفرانیه فرصتی برای آموزش عملی و کاربردی در حوزه تحلیل داده‌ها فراهم می‌کند. این دوره به شرکت‌کنندگان امکان می‌دهد تا مهارت‌های پردازش، بررسی و تجسم داده‌ها را با استفاده از Python و ابزارهای حرفه‌ای مانند Pandas، NumPy و Matplotlib توسعه دهند.

در طول دوره، دانشجویان با مفاهیم کلیدی داده‌کاوی و تحلیل آماری آشنا می‌شوند و می‌آموزند چگونه داده‌های خام را پاکسازی، دسته‌بندی و آماده‌سازی کنند. هر درس با تمرین‌های عملی همراه است که باعث می‌شود شرکت‌کنندگان تجربه واقعی کار با داده‌های ساختاریافته و نیمه‌ساختاریافته را کسب کنند.

اساتید این دوره با تجربه و دانش عملی در پروژه‌های واقعی شبکه و داده، آموزش‌ها را با نمونه‌های کاربردی ارائه می‌دهند. تعامل با اساتید و دریافت بازخورد مستقیم باعث می‌شود دانشجویان علاوه بر یادگیری تئوری، مهارت‌های عملی خود را نیز تقویت کنند.

فضای آموزشی مجتمع فنی تهران، نمایندگی زعفرانیه، محیطی مجهز و آرام برای تمرکز و یادگیری فراهم کرده است. دسترسی به تجهیزات و منابع به‌روز، همراه با حمایت اساتید، تجربه آموزشی را عمیق‌تر و کاربردی‌تر می‌کند. شرکت‌کنندگان می‌توانند پروژه‌ها و تمرین‌های خود را در کلاس انجام دهند و راهکارهای عملی برای حل مسائل واقعی تحلیل داده را تجربه کنند.

پس از پایان دوره، شرکت‌کنندگان قادر خواهند بود داده‌ها را تحلیل کنند، الگوها و روندها را شناسایی نمایند و گزارش‌های تحلیلی کارآمد ایجاد کنند. این مهارت‌ها در صنایع مختلف از جمله فناوری، بازاریابی، امور مالی و مدیریت پروژه کاربرد دارند و ارزش حرفه‌ای فرد را در بازار کار افزایش می‌دهند.

یکی از مزایای این دوره، تمرکز بر پروژه‌های عملی و شبیه‌سازی داده‌های واقعی است که یادگیری را از سطح تئوری فراتر برده و تجربه عملی را برای دانشجویان فراهم می‌کند. همچنین، حضور در مجتمع فنی تهران فرصتی برای شبکه‌سازی با دیگر علاقه‌مندان و یادگیری از تجارب واقعی اساتید است.

در نهایت، دوره Data Analysis with Python محیطی جامع و کاربردی برای علاقه‌مندان به تحلیل داده فراهم می‌کند و مهارت‌های لازم برای ورود به بازار کار یا پیشرفت حرفه‌ای در حوزه داده را به شرکت‌کنندگان منتقل می‌کند.
سر فصل‌ها
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
o گشتاورهای آماری
 میانگین / میانه
 واریانس
 چولگی
 کشیدگی توزیع
o همبستگی داده ها
o 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
o معرفی آزمون های شبیه سازی آماری
       A/B testing 
o معرفی آزمون های از پیش تعریف شده آماری
       بررسی آزمون T-Test
       بررسی آزمون U-Test

{{#ifUser}}{YouCommented}{{else}}{AddCommentAccess}{{/ifUser}}