پیوستن دو یا چند مجموعه داده تقریباً برای هر تحلیل دنیای واقعی ضروری است. قبلاً این کار را با صفحات گسترده با استفاده از VLOOKUP و توابع مرتبط انجام داده‌اید. آیا می توانید در حین انتقال به دنیای پایتون از این تجربه استفاده کنید؟ بله! در این دوره آموزشی، نکاتی را در کنار هم قرار دادن مجموعه داده ها با پانداها، استاندارد طلایی پایتون برای دستکاری داده های جدولی، خواهید آموخت. شما از توابع پانداها برای ترکیب داده های لیگ ملی فوتبال (NFL) که در یک محیط صفحه گسترده آشنا قاب شده اند، استفاده خواهید کرد. با داشتن این مهارت ها می توانید از قدرت پانداها استفاده کنید و مجموعه داده های بزرگتر و پیچیده تر را در هر تحلیلی ادغام کنید.

در دنیای واقعی، مجموعه داده‌ها معمولاً در جداول زیادی تقسیم می‌شوند، در حالی که اکثر توابع تجزیه و تحلیل داده در R برای کار با جداول تک داده‌ها طراحی شده‌اند. در این دوره، یاد خواهید گرفت که چگونه به طور موثر مجموعه داده ها را با استفاده از data.table در جداول واحد ترکیب کنید. شما یاد خواهید گرفت که چگونه از یک جدول به جدول دیگر ستون اضافه کنید، چگونه یک جدول را بر اساس مشاهدات در جدول دیگر فیلتر کنیم و چگونه رکوردها را در چندین جدول با معیارهای پیچیده شناسایی کنیم. در طول مسیر، نحوه عیب یابی عملیات اتصال ناموفق و بهترین روش ها برای کار با مجموعه داده های پیچیده را یاد خواهید گرفت. پس از تکمیل این دوره، به خوبی در راه تبدیل شدن به یک استاد data.table خواهید بود!

اغلب در علم داده، با داده‌های جذابی روبرو می‌شوید که در چندین جدول پخش شده‌اند. این دوره به شما مهارت هایی را می آموزد که برای پیوستن چندین جدول به یکدیگر برای تجزیه و تحلیل ترکیبی آنها نیاز دارید. شما مهارت های خود را با استفاده از مجموعه داده های سرگرم کننده در مورد LEGO ها از وب سایت Rebrickable تمرین خواهید کرد. مجموعه داده حاوی اطلاعاتی درباره مجموعه ها، قطعات، تم ها و رنگ های لگو است، اما در بسیاری از جداول پخش شده است. شما در طول دوره با داده ها کار خواهید کرد زیرا در مجموع شش اتصال مختلف را یاد می گیرید! شما چهار اتصال جهش یافته را یاد خواهید گرفت: پیوستن داخلی، الحاق چپ، پیوستن راست، و پیوستن کامل، و دو اتصال فیلتر کننده: پیوستن نیمه و پیوستن ضد. در فصل آخر، مهارت‌های جدید خود را روی داده‌های Stack Overflow اعمال خواهید کرد، که شامل هر یک از تقریباً 300000 سؤال Stack Oveflow است که با R برچسب‌گذاری شده‌اند، از جمله اطلاعات مربوط به پاسخ‌های آن‌ها، تاریخ پرسیده شدن و امتیاز آنها. آماده شوید تا مهارت های dplyr خود را به سطح بعدی ببرید!

مبانی Snowflake را با انواع داده شروع کنید. شما درک درستی از انواع مختلف داده‌هایی که Snowflake می‌تواند ذخیره کند و عملیات‌هایی که می‌توان روی آن داده‌ها انجام داد به دست خواهید آورد. هنگامی که درکی از انواع داده های مختلف Snowflake ایجاد کردید، شروع به دستکاری و تبدیل آن داده ها با توابعی مانند TRIM، AVG، SUM، و DATEDIFF خواهید کرد. شما حتی عملکردهای خود را برای سفارشی سازی و ساده سازی دستکاری داده ها تعریف خواهید کرد.

هنگامی که در دستکاری و تبدیل داده ها راحت شدید، چند ابزار مفید به کمربند ابزار خود اضافه خواهید کرد. شما بهترین راه‌ها را برای صاف کردن داده‌های نیمه ساختاریافته و ایجاد چندین عبارت جدول مشترک انتخاب خواهید کرد. قبل از اینکه کارهای نهایی را در این دوره انجام دهید، بر هنر چرخش داده ها در Snowflake مسلط خواهید شد.

Tidyverse شامل مجموعه عظیمی از بسته‌ها است که کار با داده‌ها را ساده و سریع می‌کند. اما آیا تا به حال سعی کرده اید توابع dplyr را در داخل توابع قرار دهید و با خطاهای عجیب یا نتایج غیرمنتظره گیر کرده اید؟ این خطاها احتمالاً به دلیل ارزیابی مرتب بوده است که رسیدگی به آن نیاز به کمی کار اضافی دارد. در برنامه نویسی با dplyr، شما به استراتژی هایی برای حل این خطاها از طریق بسته rlang مجهز خواهید شد. همچنین تکنیک های دیگری برای برنامه نویسی با dplyr با استفاده از داده های بانک جهانی و صندوق بین المللی پول برای تجزیه و تحلیل روندهای جهانی در سراسر جهان یاد خواهید گرفت. شما تا پایان دوره یک تابع منظم خواهید بود که نینجا می نویسد!

ما در دنیایی شلوغ با ضرب‌الاجل‌های محدود زندگی می‌کنیم. در نتیجه، ما به آنچه آشنا و آسان است باز می گردیم و از رابط های رابط کاربری گرافیکی مانند Visual Studio و RStudio استفاده می کنیم. با این حال، صرف زمان برای یادگیری تجزیه و تحلیل داده ها در خط فرمان یک سرمایه گذاری طولانی مدت عالی است زیرا باعث می شود افراد داده قوی تر و پربازده تر باشیم.

در این دوره، ما یک رویکرد عملی برای یادگیری مهارت‌های خط فرمان ساده، قدرتمند و مختص داده‌ها خواهیم داشت. با استفاده از مجموعه داده های Spotify در دسترس عموم، نحوه دانلود، پردازش، پاکسازی و تبدیل داده ها را از طریق خط فرمان یاد خواهیم گرفت. ما همچنین تکنیک های پیشرفته ای مانند عملیات پایگاه داده SQL مبتنی بر خط فرمان را یاد خواهیم گرفت. در نهایت، ما قدرت های خط فرمان و پایتون را برای ایجاد یک خط لوله داده برای خودکار کردن یک مدل پیش بینی ترکیب می کنیم.

ما قبل از اینکه خواندن را یاد بگیریم صحبت کردن را یاد می گیریم. حتی در عصر دیجیتال، روش اصلی ارتباط ما گفتار است. پردازش زبان گفتاری با پایتون به شما کمک می کند فایل های صوتی را بارگیری، تبدیل و رونویسی کنید. با دیدن اینکه صدای خام در پایتون چگونه به نظر می رسد شروع می کنید. و سپس با کار کردن با نمونه‌ای از موارد استفاده تجاری، رونویسی و طبقه‌بندی داده‌های تماس تلفنی پایان دهید.

توانایی ترکیب و کار با چندین مجموعه داده یک مهارت ضروری برای هر دانشمند داده مشتاق است. پانداها سنگ بنای حیاتی اکوسیستم علم داده پایتون است، با Stack Overflow که 5 میلیون بازدید برای سوالات پانداها ثبت کرده است. یاد بگیرید که با استفاده از پانداها، چندین DataFrame را با ترکیب، سازماندهی، پیوستن و تغییر شکل آنها مدیریت کنید. شما با مجموعه داده های بانک جهانی و شهر شیکاگو کار خواهید کرد. شما این دوره را با یک مجموعه مهارت قوی برای پیوستن به داده ها در پانداها به پایان خواهید رساند.

به Transformation داده ها در Alteryx خوش آمدید! در تسلط بر ابزار Formula، Logical Operators، Crosstab و Transpose غوطه ور شوید. با چندین ابزار قدرتمند Alteryx، داده‌ها را به طور موثر تغییر شکل داده و تجزیه و تحلیل کنید.

زمینه تصویربرداری زیست‌پزشکی در سال‌های اخیر منفجر شده است - اما برای افراد ناآشنا، حتی بارگذاری داده‌ها نیز می‌تواند یک چالش باشد! در این دوره مقدماتی، اصول تحلیل تصویر با استفاده از NumPy، SciPy و Matplotlib را خواهید آموخت. شما در یک سی تی اسکن کل بدن پیمایش می کنید، یک سری زمانی MRI قلبی را تقسیم می کنید و تعیین می کنید که آیا بیماری آلزایمر ساختار مغز را تغییر می دهد یا خیر. حتی اگر قبلاً با تصاویر کار نکرده اید، دوره را با یک جعبه ابزار محکم برای ورود به این زمینه پویا به پایان خواهید رساند.

آیا تا به حال در مورد دستگاه های اینترنت اشیا شنیده اید؟ البته که دارید. شاید شما نیز یک Raspberry PI در خانه خود داشته باشید که دما و رطوبت را کنترل می کند. دستگاه های اینترنت اشیا همه جا در اطراف ما هستند و داده های مربوط به محیط ما را جمع آوری می کنند. شما داده های زیست محیطی، داده های ترافیک و همچنین داده های شمارنده انرژی را تجزیه و تحلیل خواهید کرد. پس از دوره آموزشی، نحوه جمع آوری و ذخیره داده ها را از یک جریان داده یاد خواهید گرفت. قبل از اجرا، داده های اینترنت اشیا را برای تجزیه و تحلیل، تجزیه و تحلیل و تجسم داده های اینترنت اشیا آماده می کنید یک مدل یادگیری ماشینی ساده برای انجام اقدامات در هنگام وقوع رویدادهای خاص و استقرار این مدل به یک جریان داده در زمان واقعی.

تجزیه و تحلیل داده‌های رسانه‌های اجتماعی می‌تواند بینش‌های ارزشمندی را در اختیار شما قرار دهد. می تواند استراتژی های کمپین را اطلاع رسانی کند، بازاریابی و فروش را بهبود بخشد، مشارکت مشتری را اندازه گیری کند، تجزیه و تحلیل رقبا را انجام دهد و شبکه های دست نخورده را شناسایی کند. در این دوره، از R برای استخراج و تجسم داده‌های توییتر، انجام تحلیل شبکه و مشاهده موقعیت جغرافیایی توییت‌ها استفاده می‌کنید. از مجموعه داده‌های مختلفی برای به کار بردن چیزهایی که آموخته‌اید، استفاده می‌کنید، از جمله توییت‌هایی درباره افراد مشهور، شرکت‌های فناوری، موضوعات پرطرفدار و ورزش.

تویتر صدها میلیون پیام در روز تولید می کند و مردم در سراسر جهان در مورد ورزش، سیاست، تجارت و سرگرمی بحث می کنند. شما می توانید در عرض چند دقیقه به هزاران پیامی که در این جریان جریان دارد دسترسی داشته باشید. در این دوره آموزشی، نحوه جمع آوری داده های توییتر و تجزیه و تحلیل متن توییت، شبکه های توییتر و منشاء جغرافیایی توییت را یاد می گیرید. ما این کار را با مجموعه داده‌های شرکت‌های فناوری، هشتگ‌های علم داده و آدرس سال ۲۰۱۸ انجام خواهیم داد. با استفاده از این روش‌ها، می‌توانید با کشف فراوانی موضوعات مهم، تنوع شبکه‌های بحث و گستره جغرافیایی یک موضوع، تصمیم‌گیری تجاری و سیاسی را آگاه کنید.

آخرین باری که در سوپرمارکت بودید، چه چیزی در سبد خریدتان بود؟ آیا ارتباطی بین محصولاتی که خریداری کردید، مانند اسپاگتی و گوجه فرنگی یا ژامبون و آناناس وجود داشت؟ چه آنلاین و چه آفلاین، خرده‌فروشان از اطلاعات میلیون‌ها سبد مشتری برای تجزیه و تحلیل ارتباط بین اقلام و استخراج اطلاعات بینش با استفاده از قوانین مرتبط استفاده می‌کنند.

برای کمک به تعیین میزان ارتباط بین اقلام، از تجزیه و تحلیل سبد بازار برای کشف ارتباطات نادیده و تجسم قوانین مرتبط و روشنگر استفاده خواهید کرد. سپس می‌توانید آنچه را که در مجموعه داده‌های فیلم یاد گرفته‌اید تمرین کنید، زیرا پیش‌بینی می‌کنید کدام فیلم‌ها با هم تماشا می‌شوند تا توصیه‌های فیلم شخصی‌سازی شده برای کاربران ایجاد کنید.

اکنون که پایه‌های پانداها را آموخته‌اید، این دوره به شما این فرصت را می‌دهد که با پاسخ دادن به سؤالات جالب در مورد یک مجموعه داده واقعی، آن دانش را به کار ببرید! شما مجموعه داده پروژه پلیس باز استانفورد را بررسی خواهید کرد و تأثیر جنسیت بر رفتار پلیس را تجزیه و تحلیل خواهید کرد. در طول دوره، تمرین بیشتری برای تمیز کردن داده های آشفته، ایجاد تجسم، ترکیب و تغییر شکل مجموعه داده ها، و دستکاری داده های سری زمانی به دست خواهید آورد. تجزیه و تحلیل فعالیت پلیس با پانداها به شما تجربه ارزشمندی در تجزیه و تحلیل مجموعه داده از ابتدا تا انتها می دهد و شما را برای حرفه علم داده خود آماده می کند!

داده‌ها در طبیعت می‌توانند ترسناک باشند—وقتی با یک مجموعه داده پیچیده و نامرتب مواجه می‌شوید ممکن است از خود بپرسید، اصلاً از کجا شروع کنم؟ بسته tidyr به شما این امکان را می دهد که چنین جانورانی را در مجموعه داده های زیبا و مرتبی بچینید. مقادیر غیرقابل دسترس ذخیره شده در نام ستون ها در ردیف ها قرار می گیرند، فایل های JSON به فریم های داده تبدیل می شوند و مقادیر از دست رفته دیگر هرگز از بین نمی روند. شما این تکنیک ها را در طیف گسترده ای از مجموعه داده های نامرتب تمرین خواهید کرد و در طول مسیر یاد خواهید گرفت که اتحاد جماهیر شوروی چند سگ را به فضا فرستاد و چه پرنده ای در نیوزلند محبوب ترین است. با بسته tidyr در جعبه ابزار tidyverse خود، می‌توانید تقریباً هر مجموعه داده را در قالبی مرتب تبدیل کنید که در طول بقیه تجزیه و تحلیل شما نتیجه خواهد داد.

اغلب داده‌ها در قالبی قابل خواندن برای انسان هستند، اما برای تجزیه و تحلیل داده‌ها مناسب نیستند. این جایی است که پانداها می توانند کمک کنند - این ابزار قدرتمندی برای تغییر شکل DataFrame به فرمت های مختلف است. در این دوره، مهارت‌های دانشمند داده و تحلیلگر خود را افزایش می‌دهید زیرا یاد می‌گیرید چگونه ستون‌های رشته‌ای و داده‌های تودرتو موجود در DataFrame را به هم بزنید. وقتی یاد می‌گیرید چگونه یک DataFrame را از قالب گسترده به طولانی تغییر شکل دهید، ردیف‌ها و ستون‌ها را پشته و جدا کنید، و آمار توصیفی یک DataFrame چند شاخصه را دریافت کنید، با داده‌های دنیای واقعی، از جمله رتبه‌بندی بازیکنان فیفا، بررسی کتاب‌ها، و داده‌های تجزیه و تحلیل خرد کار خواهید کرد.

موفق ترین شرکت های امروزی آنهایی هستند که مشتریان خود را آنقدر خوب می شناسند که بتوانند نیازهای آنها را پیش بینی کنند. تحلیلگران داده نقش کلیدی در بازگشایی این بینش های عمیق و تقسیم بندی مشتریان برای ارائه خدمات بهتر به آنها ایفا می کنند. در این دوره، با استفاده از یک مجموعه داده واقعی حاوی تراکنش‌های مشتری ناشناس از یک خرده‌فروش آنلاین، تکنیک‌های دنیای واقعی در تقسیم‌بندی مشتری و تجزیه و تحلیل رفتاری را خواهید آموخت. ابتدا تجزیه و تحلیل گروهی را برای درک روند مشتری اجرا خواهید کرد. سپس یاد خواهید گرفت که چگونه بخش های مشتری را برای تفسیر آسان بسازید. علاوه بر آن، بخش هایی را که ایجاد کرده اید آماده می کنید و آنها را برای یادگیری ماشین آماده می کنید. در نهایت، بخش‌های خود را با خوشه‌بندی k-means، تنها در چند خط کد، قدرتمندتر خواهید کرد! در پایان این دوره، می‌توانید از تکنیک‌های تجزیه و تحلیل رفتاری مشتری و بخش‌بندی عملی استفاده کنید.

تعدادی از ابزارهای جدید حل مسئله را با قدرت عملکردهای پنجره Snowflake باز کنید! در این دوره، بر ابزارهای مورد نیاز برای حل مسائلی مانند شناسایی نقاط پرت در داده‌های خود و محاسبه میانگین متحرک تسلط خواهید داشت.

ابتدا، بین توابع تجمع سنتی و توابع پنجره تفاوت قائل می شوید. آناتومی یک تابع پنجره را با تخصیص اعداد ردیف و رتبه‌بندی به همه رکوردها در یک جستجوی Snowflake کاهش خواهید داد. هنگامی که پاهای خود را زیر خود قرار دادید، این توابع پنجره را با پارتیشن ها جفت خواهید کرد. این به شما قدرت ایجاد گروه های مرتب شده از رکوردها و مقایسه مقادیر متوالی را می دهد.

شما دوره را با توابع مجموع پنجره و میانگین‌های چرخشی تکمیل خواهید کرد. دو تا از کاربردی ترین کاربردهای توابع پنجره برای بحث و تحلیل داده ها. وقتی همه چیز گفته شد و انجام شد، یک مجموعه مهارت کاملاً جدید خواهید داشت که سؤالات Snowflake شما را افزایش می دهد!

به‌عنوان یک دانشمند داده، اغلب متوجه می‌شوید که با داده‌های غیر عددی کار می‌کنید، مانند عناوین شغلی، پاسخ‌های نظرسنجی، یا اطلاعات جمعیتی. R روش خاصی برای نمایش آنها دارد که به آن فاکتورها می گویند، و این دوره به شما کمک می کند تا با استفاده از بسته های tidyverse forcats با آنها کار کنید. ما همچنین با سایر بسته‌های tidyverse، از جمله ggplot2، dplyr، stringr، و tidyr کار خواهیم کرد و از مجموعه داده‌های دنیای واقعی مانند مجموعه داده‌های پرواز پنجاه و هشتم و Kaggle's State of Data Science و ML Survey استفاده خواهیم کرد. پس از این دوره، می‌توانید متغیرهای عامل را شناسایی و دستکاری کنید، داده‌های خود را به سرعت و کارآمد تجسم کنید و نتایج خود را به‌طور مؤثر ارتباط برقرار کنید. برای دسته بندی آماده شوید!