مقدمه

پیش‌گفتار

قالب کوئرا کالج

نگاهی به پروژه‌ها

سیستم امتیازات و دریافت گواهی

داده و اهمیت آن

اهداف فصل

داده چیست؟

انواع داده

انواع متغیر‌های داده

ارزش داده و چالش‌ها

تعامل بیشتر با پایتون

آماده‌سازی محیط کار

معرفی نوت‌بوک ژوپیتر

اجرای نوت‌بوک‌ها

دستگرمی

کار با امکانات ویژه پایتون تعاملی

تمرین پایتون تعاملی

گوگل کولب

نامپای

تعریف آرایه

کار با آرایه (۱)

کار با آرایه (۲)

بازی با کوئرا

توابع عمومی

توابع تجمیعی

ایجاد، تغییر شکل و برش آرایه

پخش آرایه

مقایسه و منطق بولی

نمایه‌سازی با آرایه‌ها

سرزمین فلاکت

مرتب‌سازی

جبر خطی

گل‌های زنبق

پانداز

دیتاسری

دیتافریم

بررسی دیتافریم

الماس

کار با دیتافریم

انتخاب شرطی

دوچرخه‌سواران بی‌طاقت

شاخگرام

کار با فایل

اعمال توابع و مرتب‌سازی

هندوستان

ادغام دیتافریم‌ها

توابع اتصال و هم‌پوشانی

گروه‌بندی

قشر کتاب‌خوان

توابع تبدیل و فیلتر

یکتانت

پروژه ۱: مشکلات شکلاتی

گام اول: محموله‌ی بزرگ

گام دوم: فروش شکلات

گام سوم: شکلات‌های خوب‌تر

آماده‌سازی داده

حذف داده‌ها

تشخیص داده‌های پرت

کار با مقادیر گم‌شده

ماندن یا نماندن؛ مسئله اینست!

هم‌بستگی

سری‌ زمانی: یادآوری پایتون

سری زمانی: استفاده از پانداز

پوشه

گسسته‌سازی

مگنت

مصور‌سازی داده

ابزار‌های مصور‌سازی داده

شروع کار با مت‌پلات

تنظیمات (۱)

سقوط امپراطوری

واسط پانداز

نمودار میله‌ای

انقلاب امپراطوری

نمودار پراکندگی

توزیع‌ها و تخمین توزیع داده

هیستوگرام و نمودار چگالی

بر باد رفته

تنظیمات (۲)

آب رفته به جوی باز می‌گردد

معرفی سیبورن

نمودارهای سیبورن

الماس‌های درخشان

یونیدرو

پروژه ۲: چین

پر‌ کردن مقادیر گم‌شده

فرمت مناسب و داده‌های پرت

اضافه کردن ویژگی‌های جدید

نمایش روی نقشه

تحلیل زمانی

مباحث تکمیلی

یادگیری ماشین

علم داده

کلان‌داده

مقدمه‌ای بر مهندسی داده

پروژه نهایی

پیش‌پردازش

اکتشاف

مطالعه‌ی بازار‌های هدف

ارزش‌گذاری مشتریان

تحلیل ماندگاری مشتری

پایان دوره

برای این کالج سه پروژه تدوین شده است. هر پروژه،‌ موضوع و محور مختص به خود را دارد که گام به گام، شما را با مسیر حل مسئله توسط یک تحلیل‌گر داده، آشنا می‌کند. در هر پروژه از ابزارهایی که تا قبل از آن آموخته‌اید، استفاده خواهید کرد تا به سوااتی از جنس تحلیل داده پاسخ دهید.

## مشکلات شکلاتی
در پروژه‌ی اول به چالش‌های یک کسب‌و‌کار فروش شکلات می‌پردازیم و تحلیل‌هایی را در این زمینه‌ ارائه می‌دهیم. ابزارهایی که برای حل گام‌های پروژه نیاز داریم، نامپای و پانداز هستند. در گام اول، اطلاعات کلی از مجموعه‌داده به دست می‌آوریم، سپس با اعمالی تغییراتی،‌ آن را برای دو گام بعدی آماده می‌کنیم. در گام‌های دوم و سوم، به سوالات مختلفی از جنس تحلیل داده پاسخ خواهیم داد و حقایقی *(facts)* از مجموعه‌داده ارائه می‌کنیم که به موفقیت کسب و کار کمک می‌کند.

![شکلات](/qbox/download/h2psk7dqNl/chocolatejpg.jpg)

## چین
در پروژه‌ی دوم با در دست داشتن مجموعه‌داده‌ای از خانه‌های شهر پکن چین، به تحلیل آن می‌پردازیم. پروژه‌ی دوم در ۵ گام ارائه می‌شود. گام اول را به خواندن داده اختصاص داده‌ایم و در گام دوم،‌ تغییرات کلی روی قالب داده جدولی ایجاد خواهیم‌ کرد و مقادیر پرت (outlier) را حذف‌ می‌کنیم. در گام سوم، از ویژگی‌هایی که داریم استفاده خواهیم کرد تا ویژگی‌های جدید و مفیدی به مجموعه‌داده خود اضافه کنیم؛ این ویژگی‌ها در تحلیل‌های دو گام بعدی، بسیار کمک خواهند کرد. در گام‌های چهارم و پنجم به تحلیل جغرافیایی و تحلیل زمانی مجموعه‌داده خواهیم‌ پرداخت.
نکته حائز اهمیتی که در پروژه‌ی دوم وجود دارد، آن است که علاوه بر نامپای و پانداز، این‌بار از ابزارهای مصورسازی هم استفاده خواهیم کرد تا مکان خانه‌های مختلف را روی نقشه پکن تحلیل کنیم.

![چین](/qbox/download/5VzyS0AlIt/china.png)

## پروژه‌ی نهایی
نهایتاً در پروژه‌ی سوم، با در دست داشتن داده‌های شرکت سیب (صادرکننده محصولات غیرنفتی) می‌خواهیم اطلاعات مالی و میزان فروش شرکت را تحلیل کنیم تا میزان سود، افزایش پیدا کند. در ۵ گامی که برای پروژه‌ی سوم در نظر گرفته شده‌ است، جنبه‌های مختلفی از شرکت سیب را تحلیل خواهیم کرد. هم مشتریان شرکت‌ را زیر ذره‌بین قرار خواهیم‌داد و هم کشورهایی که شرکت سیب در آن‌ها فعال است را ارزیابی می‌کنیم.

در گام اول، صرفا تعدادی عملیات پیش‌پردازشی روی مجموعه‌داده اعمال می‌کنیم تا داده برای ادامه مسیر قابل استفاده باشد. گام دوم را به اکتشاف آمار جالبی از داده می‌پردازیم. در گام سوم کشورهایی را پیدا می‌کنیم که علی‌رغم داشتن مشتری زیاد، فروش کمی دارند. در گام چهارم به کمک معیاری به نام RFM به ارزش‌گذاری مشتریان خواهیم پرداخت. همچنین گام پنجم را به محاسبه‌ی میزان ماندگاری مشتریان اختصاص داده‌ایم.

![سیب](/qbox/download/wgWzn8kj5b/apple.png)

------------

هر سه پروژه، مسائل واقعی دنیای امروز را هدف قرار داده‌ است! موضوع سه پروژه با هم تفاوت دارد تا شما را با حوزه‌های مختلفی که تحلیل داده در آن‌ها کاربرد دارد، آشنا کنند. تمام گام‌ها در هر پروژه، به شکلی نظام‌مند طراحی شده‌اند تا تفکر، خلاقیت و مهارت یک تحلیل‌گر داده را در شما ایجاد کنند.

form

plain_text

تحلیل داده با پایتون