سرفصل Data Analysis with Python
برنامه نویسی (Programming)
دوره Data Analysis with Python
| عناوین درس |
|
| آشنایی با هوش مصنوعی و مفاهیم کلان در آن |
- مروری بر جایگاه هوش مصنوعی در جهان
- مروری بر زبان های برنامه نویسی مطرح در این حوزه
- بیان چارت دوره
- 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 |
- نصب Anaconda
- بیان مفهوم Virtual Env در پایتون
- نحوه دانلود پکیج با pip
- نحوه دانلود پکیج با conda
- نصب کلیه پکیج های مورد نیاز در طول دوره
- آشنایی با IDE های مختلف
|
| مروری بر مفاهیم جبر خطی |
- معرفی ماتریس ها و نحوه تبدیل داده ها به آن
- مروری انواع ابعاد داده ها
- مروری بر عملیات جبر خطی
- معرفی فضای برداری و نمایش نمونه های یک ماتریس در آن
|
| آموزش و کار با پکیج های مختلف پیش پردازش و آنالیز داده |
- معرفی رویکردهای گوناگون فهم داده و لزوم آن
- معرفی علم آمار و تقسیم بندی آن
- 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
- معرفی آزمون اثبات توزیع آماری
|
| آموزش و کار با پکیج های مختلف نمایش داده |
- آشنایی با پکیج Matplotlib
- Line Plot
- Scatter Plot
- Step Plot
- Bar Plot
- Histogram
- Box Plot
- 3D Plot
- Plot Attributes
- 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 |
- معرفی آمار تفسیری
- معرفی آزمون های شبیه سازی آماری
- معرفی آزمون های از پیش تعریف شده آماری
- بررسی آزمون T-Test
- بررسی آزمون U-Test
|
