من سرفصل های زیر را برای دوره آموزشی علم داده تدریس می کنم. هزینه هر جلسه 1 ساعت تدریس خصوصی برای یک نفر برابر 150 هزار تومان و برای دو نفر، هر نفر 120 هزار تومان و برای 3 نفر، هر نفر 100 هزار تومان می باشد. در صورت تمایل جهت رزرو کلاس، می توانید با شماره 09124908372، تماس بگیرید.


دوره جامع علم داده با کتابخانه پاندا

درس

موضوع درس

فایل pdf

1

Introduction to Data Science

درس 1

2

Introduction to Pandas in Python

درس 2

3

How to Install Python Pandas on Windows and Linux

درس 3

4

How To Use Jupyter Notebook: An Ultimate Guide

درس 4

5

Python → Pandas DataFrame

درس 5

6

Creating a Pandas DataFrame

درس 6

7

Python → Pandas Series

درس 7

8

Creating a Pandas Series

درس 8

9

View the top rows of the frame

درس 9

10

View the bottom rows of the frame

درس 10

11

View basic statistical details

درس 11

12

Convert the pandas DataFrame to numpy Array

درس 12

13

Convert the pandas Series to numpy Array

درس 13

14

()Convert series or dataframe object to Numpy-array using .as_matrix

درس 14

15

Dealing with Rows and Columns in Pandas DataFrame

درس 15

16

How to select multiple columns in a pandas dataframe

درس 16

17

[ ]Python → Pandas Extracting rows using .loc

درس 17

18

[ ]Python → Extracting rows using Pandas .iloc

درس 18

19

Indexing and Selecting Data with Pandas

درس 19

20

Boolean Indexing in Pandas

درس 20

21

[ ]Label and Integer based slicing technique using DataFrame.ix

درس 21

22

Adding new column to existing DataFrame in Pandas

درس 22

23

Python → Delete rows/columns from DataFrame

درس 23

24

Truncate a DataFrame before and after some index value

درس 24

25

Truncate a Series before and after some index value

درس 25

26

Iterating over rows and columns in Pandas DataFrame

درس 26

27

Working with Missing Data in Pandas

درس 27

28

Sorts a data frame in Pandas → Set-1

درس 28

29

Sorts a data frame in Pandas → Set-2

درس 29

30

Pandas GroupBy

درس 30

31

Grouping Rows in pandas

درس 31

32

Combining multiple columns in Pandas groupby with dictionary

درس 32

33

Python → Pandas Merging, Joining, and Concatenating

درس 33

34

Concatenate Strings

درس 34

35

Append rows to Dataframe

درس 35

36

Concatenate two or more series

درس 36

37

Append a single or a collection of indices

درس 37

38

Combine two series into one

درس 38

39

Add a row at top in pandas DataFrame

درس 39

40

Join all elements in list present in a series

درس 40

41

Join two text columns into a single column in Pandas

درس 41

42

Python → Working with date and time using Pandas

درس 42

43

Timestamp using Pandas

درس 43

44

Current Time using Pandas

درس 44

45

Convert timestamp to ISO Format

درس 45

46

Get datetime object using Pandas

درس 46

47

Replace the member values of the given Timestamp

درس 47

48

Convert string Date time into Python Date time object using Pandas

درس 48

49

Get a fixed frequency DatetimeIndex using Pandas

درس 49

50

Python → Pandas Working With Text Data

درس 50

51

Convert String into lower, upper or camel case

درس 51

52

Replace Text Value

درس 52

53

()Replace Text Value using series.replace

درس 53

54

Removing Whitespaces

درس 54

55

Move dates forward a given number of valid dates using Pandas

درس 55

56

Read csv using pandas

درس 56

57

Saving a Pandas Dataframe as a CSV

درس 57

58

Loading Excel spreadsheet as pandas DataFrame

درس 58

59

Creating a dataframe using Excel files

درس 59

60

Working with Pandas and XlsxWriter → Set – 1

درس 60

61

Working with Pandas and XlsxWriter → Set – 2

درس 61

62

Working with Pandas and XlsxWriter → Set – 3

درس 62

63

Apply a function on the possible series

درس 63

64

Apply function to every row in a Pandas DataFrame

درس 64

65

Apply a function on each element of the series

درس 65

66

Aggregation data across one or more column

درس 66

67

Mean of the values for the requested axis

درس 67

68

Mean of the underlying data in the Series

درس 68

69

Mean absolute deviation of the values for the requested axis

درس 69

70

Mean absolute deviation of the values for the Series

درس 70

71

Unbiased standard error of the mean

درس 71

72

Find the Series containing counts of unique values

درس 72

73

()Find the Series containing counts of unique values using Index.value_counts

درس 73

74

Pandas Built-in Data Visualization

درس 74

75

Data analysis and Visualization with Python → Set 1

درس 75

76

Data analysis and Visualization with Python → Set 2

درس 76

77

Box plot visualization with Pandas and Seaborn

درس 77

78

How to Do a vLookup in Python using pandas

درس 78

79

Convert CSV to HTML Table in Python

درس 79

80

KDE Plot Visualization with Pandas and Seaborn

درس 80

81

Analyzing selling price of used cars using Python

درس 81

82

Add CSS to the Jupyter Notebook using Pandas

درس 82

زمان تخمینی مورد نیاز برای این دوره: 90 ساعت



توجه:
تمامی فایل های علم داده مرتبط با این درس ها اعم از مثال ها، تمرین های خانه، کوئیزها و ... و همچنین فایل pdf کامل تدریس دوره در اختیار دانشجویانی که در دوره ها ثبت نام نمایند، قرار خواهد گرفت.
هزینه هر جلسه 1 ساعت تدریس خصوصی برای هر یک از دوره های بالا، برای 1 نفر معادل 150 هزار تومان و برای 2 نفر هر نفر 120 هزار تومان و برای هر 3 نفر هر نفر 100 هزار تومان می باشد.



تماس با من!

مکان

خیابان شهید نامجو، تهران، ایران

ایمیل

info@mohammadijoo.ir

شماره تماس

09124908372

لیسانس

مهندسی مکانیک، دانشگاه صنعتی شریف

فوق لیسانس

مهندسی مکانیک، دانشگاه علم و صنعت

پیام خود را از طریق فرم زیر ارسال نمائید: