آموزش رایگان و پروژهمحور NumPy و Matplotlib
آموزش رایگان NumPy و Matplotlib بهصورت پروژهمحور؛ یادگیری پردازش و تحلیل داده، کار با آرایهها، انجام محاسبات عددی و آماری، رسم نمودارهای حرفهای و مصورسازی دادهها. در پایان این دوره برای ورود به Data Science، یادگیری Pandas، Machine Learning و هوش مصنوعی آماده خواهید بود.
مقدمه
در بسیاری از پروژههای برنامهنویسی، داشتن داده به تنهایی کافی نیست؛ مهم این است که بتوانید دادهها را پردازش، تحلیل و به شکلی قابل فهم نمایش دهید.
فرض کنید اطلاعات فروش یک فروشگاه، نتایج یک آزمایش، دادههای هواشناسی یا اطلاعات کاربران یک وبسایت را در اختیار دارید. بدون ابزارهای مناسب، تحلیل این حجم از دادهها دشوار خواهد بود.
در این دوره یاد میگیرید چگونه با استفاده از NumPy عملیات مختلفی مانند محاسبات عددی، تحلیل دادهها و پردازش آرایهها را انجام دهید و سپس با Matplotlib نتایج را در قالب نمودارهای حرفهای نمایش دهید.
در این دوره شما یاد میگیرید:
نصب و راهاندازی محیط توسعه
آشنایی با Jupyter Notebook
کار با آرایههای NumPy
انجام عملیات ریاضی روی دادهها
محاسبات آماری و تحلیل دادهها
تغییر شکل و مدیریت آرایهها
تولید دادههای تصادفی
ذخیره و بارگذاری دادهها
رسم انواع نمودار با Matplotlib
شخصیسازی نمودارها
ساخت داشبوردهای ساده
تحلیل دادههای واقعی با پروژههای عملی
سرفصلهای دوره
فصل ۱: آشنایی با دوره و نصب پیشنیازها
معرفی دوره
آشنایی با NumPy و Matplotlib
نصب Python
نصب VS Code
نصب Jupyter Notebook
تفاوت فایلهای .py و .ipynb
نصب NumPy
نصب Matplotlib
اجرای اولین برنامه
Import کردن کتابخانهها
بررسی نسخه کتابخانهها
فصل ۲: آشنایی با NumPy
NumPy چیست؟
مزایای NumPy نسبت به لیستهای Python
ساخت اولین آرایه
انواع دادهها (dtype)
ابعاد آرایهها
ویژگیهای ndarray
تمرین عملی
فصل ۳: ایجاد و مدیریت آرایهها
np.array()
zeros()
ones()
empty()
arange()
linspace()
full()
identity()
eye()
reshape()
flatten()
ravel()
transpose()
فصل ۴: کار با دادهها در NumPy
Indexing
Slicing
Boolean Indexing
Fancy Indexing
Copy و View
Broadcasting
عملیات ریاضی
توابع ریاضی
توابع آماری
تولید اعداد تصادفی
فصل ۵: آشنایی با Matplotlib
معرفی Matplotlib
اولین نمودار
Figure و Axes
نمودار خطی
نمودار ستونی
نمودار میلهای افقی
نمودار پراکندگی
Histogram
Pie Chart
Box Plot
فصل ۶: شخصیسازی نمودارها
رنگها
Marker
Line Style
Grid
Legend
Title
Label
محدود کردن محورها
Subplot
ذخیره نمودارها
فصل ۷: پروژههای عملی
تحلیل فروش فروشگاه
تحلیل نمرات دانشجویان
تحلیل دادههای آبوهوا
تحلیل قیمت سهام
ساخت داشبورد تحلیل داده
پروژه نهایی
چرا این دوره؟
آموزش کاملاً پروژهمحور و عملی
تدریس قدمبهقدم و مناسب مبتدیها
آموزش مفاهیم موردنیاز Data Science
آمادهسازی برای یادگیری Pandas
آمادهسازی برای یادگیری Machine Learning
آموزش استانداردهای رایج برنامهنویسی Python
انجام پروژههای واقعی برای تثبیت مطالب
این دوره برای چه کسانی مناسب است؟
علاقهمندان به تحلیل داده (Data Analysis)
افرادی که قصد ورود به علم داده (Data Science) را دارند
دانشجویان رشته کامپیوتر، IT و علوم داده
برنامهنویسان Python که میخواهند مهارت خود را ارتقا دهند
افرادی که قصد یادگیری Machine Learning و Deep Learning را دارند
پیشنیازهای دوره
آشنایی با مبانی زبان Python
دورههای پیشنهادی بعد از گذراندن این دوره
مبانی هوش مصنوعی مفاهیم کلیدی و کاربردها
یادگیری ماشین نظارت شده از تئوری تا پیادهسازی
یادگیری ماشین نظارت نشده از تئوری تا پیادهسازی
جمعبندی
پس از پایان این دوره، شما میتوانید:
دادهها را با استفاده از NumPy پردازش و مدیریت کنید.
عملیات ریاضی و آماری را روی دادهها انجام دهید.
انواع نمودارهای حرفهای را با Matplotlib رسم کنید.
دادههای واقعی را تحلیل و مصورسازی کنید.
پروژههای تحلیل داده را پیادهسازی کنید.
با آمادگی کامل وارد یادگیری Pandas، Data Science، Machine Learning و هوش مصنوعی شوید.
برای ایجاد نظر وارد وبسایت شوید.
