چگونه از یک اقتصاددان به یک دانشمند داده تبدیل شویم؟

در این ویدئوی بسیار جالب، فرآیند تبدیل شدن از یک اقتصاددان به دانشمند داده به زبان ساده تشریح شده است. (زبان ویدئو انگلیسی روان است)
#پایتون_مالی
#دانشمند_داده
#اقصاددان
#ویدئو
#video
#Data_Science
#Economist
@python4finance

اطلاعات جامع در خصوص علم داده

📌آیا علم داده برای من مناسب است؟
📌آینده شغلی علم داده چیست؟
📌برای کسب شغل در این حیطه چه استانداردهایی باید داشته باشم؟
📌چطور در حوزه علم داده شغل مورد نظر خود را پیدا کنم؟
📌چه سازمان هایی به دنبال متخصص علم داده هستند؟

پاسخ این سوالات را می توانید در فایل ضمیمه پست بعد پیدا کنید (زبان این فایل انگلیسی روان است.)

#علم_داده
#سوالات_متداول
#پایتون_مالی
#data_science
#faq

@python4finance

کار با داده ها به راحتی یک صفحه گسترده
حتما همه شما با اکسل کار کرده اید و لذت استفاده از یک صفحه گسترده را تجربه کرده اید. در پایتون ماژول Pandas شاید سلطان بلامنازع کار با داده ها باشد اما همواره استفاده از خروجی های آن علی الخصوص برای تازه وارد ها کمی سخت است.
یکی از کتابخانه های بسیار زیبا در این خصوص کتابخانه D-Tale است. این کتابخانه بیشتر امکانات رایج کار با داده ها را در یک رابط کاربری زیبا در اختیار شما می گذارد و لذت استفاده از پایتون رو دو چندان می کند.
اگر به این ماژول ارزشمند علاقه مند شدید سری به صفحه گیت هاب آن به نشانی بزنید.
در پست های آتی در خصوص این ماژول با هم بیشتر صحبت می کنیم.


#Data_table
#Data_farme
#pandas
#dtale
#python

پایتون برای مالی در تلگرام
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

استفاده از ماژول Dtale برای تحلیل داده ها
در پست قبل در خصوص ویژگی های ماژول Dtale صحبت کردیم. برای استفاده از امکانات این ماژول لازم است دیتافریم خود را با تابع show باز کنید.
در تصویر این پست داده های سهم اپل، از ابتدای سال 2021 با استفاده از ماژول Dtale باز شده است. برای استفاده از امکانات ماژول، کافی است بر روی علامت مثلث سمت چپ تصویر کلیک کنید تا کلیه امکانات تحلیلی ماژول برای شما باز شود.
با استفاده از این ماژول تقریبا بیشتر کارهای متداول نرم افزهای آماری مانند spss و eviews را می توانید انجام دهید.


#Data_table
#Data_farme
#pandas
#dtale
#python

پایتون برای مالی در تلگرام
t.me/python4finance

معرفی کتاب «دستور العمل تمیزکردن داده ها» به انگلیسی «Python Data Cleaning Cookbook»

داده مهمترین دارایی ما در دنیای اطلاعات است و دریافت داده و پاکسازی آن اولین قدم در مدلسازی و ارائه تحلیل است.
در این کتاب کلیه فرآیندهای تبدیل داده های کثیف به داده های قابل استفاده در مدلسازی را به زبان پایتون توضیح داده می شود.
دانستن موضوعات این کتاب برای همه علاقه مندان علم داده و نیز مدلسازی مالی ضروری است.

#معرفی_کتاب
#تمیز_کردن_داده_ها
#داده_های_کثیف
#پایتون_مالی

#Data_cleaning

t.me/python4finance