دوره‌ها / تحلیل داده با Python
میانیدوره کلاسی

تحلیل داده با Python

آموزش تحلیل داده با Python در مسیر AI-P01 — مهندس هوش مصنوعی؛ سطح L2 (میانی) و 40 ساعت آموزش ساختاریافته.

حدود ۴۰ ساعت۱۶ درس
مشاهده و ثبت‌نام دوره

معرفی دوره

معرفی دوره تحلیل داده با Python

دوره تحلیل داده با Python با کد AI-103 در دپارتمان هوش مصنوعی ارائه می‌شود. این دوره بخشی از AI-P01 — مهندس هوش مصنوعی است و برای یادگیری مرحله‌به‌مرحله موضوع دوره طراحی شده است.

جایگاه دوره در مسیر یادگیری

سطح این دوره L2 (میانی) است و 40 ساعت زمان آموزشی دارد. محتوای دوره بر ایجاد درک کاربردی از تحلیل داده با Python و آماده‌سازی برای ادامه همین مسیر یادگیری تمرکز دارد.

مشخصات کلیدی

  • کد دوره: AI-103
  • دپارتمان: هوش مصنوعی
  • مسیر یادگیری: AI-P01 — مهندس هوش مصنوعی
  • سطح: L2 (میانی)
  • مدت آموزش: 40 ساعت

برای چه کسانی مناسب است؟

این دوره برای علاقه‌مندانی مناسب است که می‌خواهند مهارت خود را در تحلیل داده با Python تقویت کنند و مسیر AI-P01 — مهندس هوش مصنوعی را هدفمند ادامه دهند.

سرفصل‌ها و درس‌ها

گردآوری و آماده‌سازی داده
  • انواع منبع داده
  • خواندن CSV و JSON
  • پاک‌سازی مقادیر ناقص
  • تبدیل و یکسان‌سازی داده
تحلیل اکتشافی
  • شناخت توزیع داده
  • گروه‌بندی و Pivot
  • کشف داده پرت
  • تحلیل همبستگی
آمار و مصورسازی
  • شاخص‌های آماری
  • آزمون فرض مقدماتی
  • انتخاب نمودار مناسب
  • داستان‌گویی با داده
پروژه تحلیل داده
  • تعریف مسئله تحلیلی
  • ساخت Notebook استاندارد
  • استخراج بینش
  • ارائه گزارش نهایی

پرسش‌های متداول

دوره «تحلیل داده با Python» برای چه کسانی مناسب است؟

این دوره برای علاقه‌مندانی مناسب است که می‌خواهند «تحلیل داده با Python» را در یک مسیر ساختاریافته، پروژه‌محور و قابل استفاده در دنیای واقعی یاد بگیرند.

پیش‌نیاز شرکت در این دوره چیست؟

آشنایی مقدماتی با حوزه دوره پیشنهاد می‌شود؛ مباحث ضروری در شروع هر بخش مرور خواهند شد.

مدت زمان دوره و شیوه پیشروی چگونه است؟

مدت برنامه‌ریزی‌شده دوره 40 ساعت است. محتوا در ۴ سرفصل و ۱۶ درس مرتب شده و بهتر است درس‌ها به‌ترتیب همراه با تمرین دنبال شوند.

پس از پایان دوره چه توانایی‌ای به دست می‌آورم؟

پس از تکمیل درس‌ها و تمرین‌ها، می‌توانید مباحث دوره را در سناریوهای واقعی به کار بگیرید و با انجام بخش «پروژه تحلیل داده» یک خروجی قابل ارائه برای ادامه مسیر یادگیری یا نمونه‌کار بسازید.