🎞 هیستوگرام | Histogram | مفاهیم و کد پایتون

هیستوگرام از نمودارهای آماریه که در تحلیل داده‌های عددی بسیار موثره. با رسم هیستوگرام داده‌های عددی گسسته یا پیوسته، می‌تونیم توزیع داده‌ رو ببینیم یا مثلا مفاهیمی مثل داده پرت، میزان پراکندگی و چولگی به خوبی روی هیستوگرام مشخص می‌شن. در این ویدیو اول هیستوگرام تعریف شده بعد به سراغ کشیدن هیستوگرام برای داده‌های عددی با پایتون رفتیم..

👉📎 https://youtu.be/LQFyY5Zfx2Q

👈📎 مشاهده پلی‌لیست داده در یوتیوب

#YouTube
#Data_Analysis
#Diagram_Types

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

👨‍🎓 نمودار پراکندگی در تجزیه و تحلیل داده‌ها

نمودار پراکندگی (Scatter Plot) یک نمودار دو بعدی است که در آن هر داده به صورت یک نقطه روی محورهای x و y نمایش داده می‌شود. محور x نمایانگر متغیر مستقل (independent variable) و محور y نمایانگر متغیر وابسته (dependent variable) است. این نوع نمودار برای تشخیص نوع رابطه (مثلاً خطی یا نمایی) بین دو متغیر استفاده می‌شه.

🔵 کاربردهای نمودار پراکندگی

🔵تشخیص الگوها: از نمودار پراکندگی برای کشف الگوها یا روابط مختلف بین دو متغیر استفاده میشه. برای مثال، میشه تأثیر تبلیغات بر فروش یک محصول رو بررسی کرد.

🔵تشخیص خوشه‌ها (Clusters): گاهی اوقات داده‌ها در نمودار پراکندگی به شکل خوشه‌هایی جدا از هم قرار می‌گیرن که می‌تونن نشون‌دهنده زیرگروه‌های مختلف در داده‌ها باشن.

🔵تشخیص داده‌های پرت (Outliers): نمودار پراکندگی راهی عالی برای شناسایی داده‌های پرته که گاهی نتیجه خطاهای اندازه‌گیری یا شرایط خاصن.

🔵 نکاتی برای ترسیم نمودار پراکندگی

🔵انتخاب محورها: حتما متغیر مستقل روی محور x و متغیر وابسته روی محور y قرار بگیره.

🔵نمایش داده‌ها: استفاده از رنگ‌ها، اشکال مختلف نقاط و اندازه‌های متفاوت برای نشان دادن گروه‌های مختلف داده‌ها یا متغیرهای اضافی کاربرد داره و می‌تونه ابعاد مختلف داده رو به تصویر بکشه.

🔵اجتناب از استفاده در داده‌های نامرتبط: اگه داده‌ها هیچ ارتباطی با هم ندارن یا مجموعه داده بسیار بزرگی دارین، استفاده از نمودار پراکندگی توصیه نمیشه.

🔵استفاده از Trend lines: اضافه کردن Trend lines به نمودار پراکندگی به تفسیر بهتر روابط کمک می‌کنه.

#Data_Analysis
#Diagram_Types

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

🎞 اسکتر پلات در آنالیز داده | scatter plot | مفهوم و کد پایتون

اسکتر پلات یکی از پلات‌های مهم در آنالیز داده‌های عددی (Numerical) هست. اینکه بتونیم همبستگی دو تا متغیر عددی رو جلوی هم تصویر کنیم، این امکان رو می‌ده که بشه شدت تاثیر‌گذاری متغیرها روی هم آنالیز شن.

مخصوصا در مفاهیم ماشین‌لرنینگ، بررسی همبستگی یکی از کارهای ابتدایی آنالیز داده‌ست و با اسکتر پلات امکان نمایش ابعاد بالاتر از طریق رنگ، سایز و شکل وجود داره.

👉📎 https://youtu.be/VF4t4WpF7r4

👈📎 مشاهده پلی‌لیست داده در یوتیوب

#YouTube
#Data_Analysis
#Diagram_Types

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

👨‍🎓 نمودار جعبه‌ای در تجزیه و تحلیل داده‌ها

نمودار جعبه‌ای که بهش Box and Whisker Plot هم گفته می‌شه، یک برای توصیف توزیع آماری مجموعه داده‌هاست. این نمودار دیدگاه وسیعی از توزیع داده‌ها ارائه میده و به تشخیص داده‌های پرت (outliers) و ویژگی‌های توزیع کمک می‌کنه.

🔵 ساختار نمودار جعبه‌ای

🔵مدیان (Median): خطی که در وسط جعبه قرار داره و نیمه دوم داده‌ها رو از نیمه اول جدا می‌کنه. این خط نشون‌دهنده مقدار میانه داده‌هاست.

🔵جعبه (Box): این جعبه دارای دو خط انتهایی هست که چارک‌های اول (Q1) و سوم (Q3) رو نشون می‌ده. این دو خط، ۵۰ درصد مرکزی داده‌ها رو در بر می‌گیرن.

🔵ریشه‌ها (Whiskers): خطوطی که از جعبه خارج میشن و به نقاط داده‌ای می‌رسن که داخل بازه‌های قابل قبول قرار دارن. این ریشه‌ها معمولاً تا ۱.۵ برابر فاصله بین چارکی (IQR) از جعبه کشیده می‌شن.

🔵داده‌های پرت (Outliers): نقاطی که خارج از محدوده ریشه‌ها قرار دارن و به صورت نقاط مجزا نمایش داده می‌شن.

🔵 تفسیر نمودار جعبه‌ای

🔵موقعیت مدیان: اگر مدیان در مرکز جعبه قرار نگیره، نشون‌دهنده توزیع نامتقارن داده‌هاست.

🔵طول Whiskerها: اگه یکی نسبت به دیگری بلندتر باشه، نشون‌دهنده نامتقارن بودن توزیع در دو طرف میانه است.

🔵 کاربردهای نمودار جعبه‌ای

🔵مقایسه توزیع‌ها: این نمودارها امکان مقایسه توزیع‌های چند مجموعه داده رو فراهم می‌کنن.

🔵تشخیص داده‌های پرت: تشخیص داده‌های پرت رو به سادگی و با وضوح بالا انجام می‌ده.

🔵بررسی تقارن توزیع: میشه تقارن یا عدم تقارن توزیع داده‌ها رو تشخیص داد.

🔵 برای رسم نمودارهای جعبه‌ای، استفاده از نرم‌افزارهای آماری، R ، Python و کتابخانه‌هایی مثل Matplotlib، Seaborn و ggplot2 کارآمده.

#Data_Analysis
#Diagram_Types

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

🎞 باکس پلات در آنالیز داده | Box Plot | مفهوم و کد پایتون

یکی از روش‌های نمایش توزیع داده، باکس پلات یا نمودار جعبه‌ایه. در باکس پلات علاوه بر اینکه چارک‌های اول تا سوم رو می‌تونیم ببینیم،‌ امکان آنالیز داده‌های پرت و شاخص شکل توزیع یا چولگی رو هم داریم.

در این ویدیو اول یاد می‌گیریم باکس پلات چیه و چطور فیچرهای دیاگرام رو بینیم، بعد وارد پایتون می‌شیم و نحوه کشیدن باکس پلات با پایتون رو یاد می‌گیریم.

👉📎 https://youtu.be/r2DGPCDgh_U

👈📎 مشاهده پلی‌لیست داده در یوتیوب
#YouTube
#Data_Analysis
#Diagram_Types

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

⏰ پست‌های هفته‌ای که گذشت رو این‌جا پیدا کنین!

🔺 آموزشی

🔵آشنایی با انواع نمودارها در تحلیل داده‌
👉🔗 https://t.me/data_ml/504

🔵نمودار میله‌ای (Bar Chart)
👉🔗 https://t.me/data_ml/508

🔵نمودار دایره‌ای (Pie Chart)
👉🔗 https://t.me/data_ml/511

🔵هیستوگرام در تجزیه و تحلیل داده‌ها
👉🔗 https://t.me/data_ml/514

🔵نمودار پراکندگی یا Scatter Plot
👉🔗 https://t.me/data_ml/517

🔵نمودار جعبه‌ای در تجزیه و تحلیل داده‌ها
👉🔗 https://t.me/data_ml/520


🔺 کوئیز

🔵کوییز شماره ۱۴۰: نوع مناسب داده برای نمایش با Radar Chart
👉🔗 https://t.me/data_ml/506

🔵کوییز شماره ۱۴۱: مزیت استفاده از نمودار میله‌ای انباشته
👉🔗 https://t.me/data_ml/509

🔵کوییز شماره ۱۴۲: میزان اثربخشی استفاده از نمودار دایره‌ای
👉🔗 https://t.me/data_ml/512

🔵کوییز شماره ۱۴۳: جابه‌جایی قله‌های هیستوگرام به سمت چپ
👉🔗 https://t.me/data_ml/515

🔵کوییز شماره ۱۴۴: تخمین خط رگرسیون در نمودار پراکندگی
👉🔗 https://t.me/data_ml/518

🔵کوییز شماره ۱۴۵: داده با توزیع نامتقارنه در نمودار جعبه‌ای
👉🔗 https://t.me/data_ml/521

🔺 نکته

🔵 انواع دیاگرام در آنالیز داده
👉🔗 https://t.me/data_ml/507

🔵نمودار میله‌ای | بار چارت | استک بار | کلاستر بار
👉🔗 https://t.me/data_ml/510

🔵درک نمودار دایره ای و نحوه کار با آن در پایتون
👉🔗 https://t.me/data_ml/513

🔵هیستوگرام: مفاهیم و کد پایتون
👉🔗 https://t.me/data_ml/516

🔵اسکتر پلات در آنالیز داده
👉🔗 https://t.me/data_ml/519

🔵باکس پلات در آنالیز داده
👉🔗 https://t.me/data_ml/522

#Weekend
#Deep_Learning

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

👩‍🎓 برنامه آموزشی هفته: ابزارهای مصورسازی داده - پارت ۱

🟠شنبه: نکات مقدماتی Excel

🔵یک‌شنبه: نکات پیشرفته Excel

🟢دوشنبه: آشنایی با Google Sheet

🔴سه‌شنبه: نکات پیشرفته Google Sheet

🟠چهارشنبه: آشنایی با Google Looker

🔵پنج‌شنبه: آشنایی با Google Analytics

🟢جمعه: جمع بندی

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

❓چه روند تکاملی‌ای طی شد تا به ChatPGT برسیم؟

در این ویدئو از مسیری گفته شده که در انتها، به دست آورد بزرگی به نام ChatGPT و مدل‌های زبانی بزرگ رسید.

🟡 وبینار رایگان ماشین لرنینگ ۲۰۲۴

🗓 جمعه، ۱۱ خرداد
⏰ ساعت ۲۰:۳۰

▶️ این وبینار ضبط نمیشه و فقط به صورت لایو در دسترس خواهند بود.

برای مطالعه سرفصل‌ها و دریافت جزئیات بیشتر، روی لینک زیر کلیک کنین.

🟢 رایگان ثبت‌نام کنین:‌

👉📎 https://ctdrs.ir/cr15594

@DSLanders | دی‌اس‌لندرز

➖ نکات مقدماتی Excel برای تجزیه و تحلیل داده

اکسل (Excel) یکی از نرم‌افزارهای بسیار قدرتمند مجموعه مایکروسافت آفیسه که برای تحلیل داده‌ها، محاسبات ریاضی، آمار و مدیریت اطلاعات کاربرد داره. هر چند که ابزارهای پیشرفته‌ای برای مصورسازی داده‌ها به وجود اومدن، اما هنوز بسیاری از سازمان‌های کوچک و متوسط از اکسل استفاده می‌کنن و مهارت کار با اکسل از مهارت‌های واجب برای یک تحلیلگر داده است.

🔵 فرمول‌ها و سلول‌ها

در اکسل، هر صفحه‌کار (Worksheet) از تعدادی سلول (Cell) تشکیل شده که در قالب شبکه‌ای از سطرها (Rows) و ستون‌ها (Columns) سازماندهی شدن. هر سلول دارای آدرس خاصیه که از ترکیب شماره سطر و حرف ستون تشکیل میشه.

فرمول‌ها در اکسل برای انجام محاسبات مختلف کاربرد دارن. برای نوشتن یک فرمول در یک سلول، اول با گذاشتن = شروع کرده و سپس عملیات ریاضی یا تابع مورد نظر رو وارد می‌کنیم.

🔵 استفاده از ویژگی‌های مرتب‌سازی و فیلتر کردن

اکسل امکاناتی برای مرتب‌سازی و فیلتر کردن داده‌ها فراهم می‌کنه تا داده‌ها رو بهتر مدیریت کنیم. می‌توانیم داده‌ها رو بر اساس یک یا چند ستون به ترتیب صعودی یا نزولی مرتب کنیم. همچنین با استفاده از ابزار Filter می‌توانیم فقط داده‌هایی که معیارهای خاصی رو دارن نمایش بدیم و بقیه رو پنهان کنیم.

🔵 معرفی فرمول‌های ساده

فرمول‌های ساده در اکسل شامل عملیات ریاضی ابتدایی مثل جمع (+)، تفریق (-)، ضرب (*) و تقسیم (/) میشن. برای مثال، برای جمع دو عدد در سلول‌های A1 و B1، می‌تونیم در سلول C1 فرمول =A1+B1 رو وارد کنیم.

🔵 استفاده از توابع ریاضی و آماری ساده

اکسل دارای توابع ریاضی و آماری بسیاریه که امکان انجام محاسبات پیچیده‌ رو ممکن می‌کنه. از جمله این توابع میشه به SUM (برای جمع کردن مقادیر چند سلول)، AVERAGE (برای محاسبه میانگین)، MAX (برای پیدا کردن بیشترین مقدار) و MIN (برای پیدا کردن کمترین مقدار) اشاره کرد.

🔵 استفاده از توابع متنی

توابع متنی به ما کمک می‌کنن تا عملیات مختلفی رو روی متن انجام دهیم. برای مثال، تابع CONCATENATE برای ترکیب متن دو یا چند سلول استفاده می‌شه. تابع LEFT و RIGHT به ترتیب برای استخراج تعدادی از حروف از سمت چپ یا راست یک متن استفاده می‌شن.

🔵 ایجاد نمودارهای ستونی و خطی

نمودارها ابزار برای نمایش تصویری داده‌ها هستن. اکسل امکانات گسترده‌ای برای ایجاد انواع نمودارها مثل نمودارهای ستونی (Column) و خطی (Line) فراهم می‌کنه. برای ایجاد یک نمودار، کافیه محدوده‌ای از داده‌ها رو انتخاب کرده و از زبانه Insert نوع نمودار مورد نظر رو وارد کنیم.

🔵 سفارشی‌سازی نمودارها

بعد از ایجاد نمودار، می‌تونیم با تغییر رنگ‌ها، نوع خطوط، اندازه‌ها و بسیاری از ویژگی‌های دیگه سفارشی‌سازیش کنیم تا بهتر با نیازهای ما مطابقت داشته باشه. همچنین امکان اضافه یا حذف کردن عناصر مختلفی مثل عناوین، برچسب‌ها و راهنماها به نمودار وجود داره.

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

💡روش‌های پاکسازی داده در اکسل

🔵 حذف داده‌های تکراری

یکی از اولین مراحل در پاکسازی داده‌ها، حذف مقادیر تکراریه. برای این کار میشه از ابزار Remove Duplicates در تب Data استفاده کرد.

🔵 استفاده از ابزار Flash Fill

ابزار Flash Fill به شما کمک می‌کنه تا الگوهای خاصی رو در داده‌ها شناسایی و به صورت خودکار داده‌ها رو تکمیل کنین.

🔵 استفاده از توابع متنی

توابع متنی مثل TRIM، CLEAN و SUBSTITUTE به شما کمک می‌کنن تا فضای‌های اضافی، کاراکترهای ناخواسته و متن‌های خاص رو از داده‌ها حذف کنین.

🔵TRIM: حذف فضای‌های اضافی از ابتداء، انتها و میان متن
🔵CLEAN: حذف کاراکترهای غیرقابل چاپ
🔵SUBSTITUTE: جایگزینی یک متن خاص با متن دیگر

🔵 استفاده از ابزار Text to Columns

این ابزار برای جدا کردن داده‌ها به ستون‌های جداگانه بر اساس جداکننده‌های خاص (مثل کاما، تب یا فضای خالی) استفاده میشه. برای استفاده ازش محدوده‌ای که می‌خواین جدا کنین رو انتخاب و از تب Data گزینه Text to Columns رو بزنین.

🔵 استفاده از توابع IFERROR و ISERROR

برای مدیریت خطاها در داده‌ها، میشه از توابع IFERROR (جایگزینی مقدار خطا با یک مقدار مشخص) و ISERROR (بررسی وجود خطا در یک سلول) استفاده کرد تا خطاهای موجود رو شناسایی و با مقادیر مناسب جایگزین کرد.

🔵 استفاده از ابزارهای فیلتر و مرتب‌سازی

فیلتر و مرتب‌سازی داده‌ها به شما کمک می‌کنه تا داده‌های نامربوط رو پنهان و داده‌های مرتبط رو بهتر مشاهده کنین.

🔵 استفاده از Power Query

ابزار Power Query برای وارد کردن، تبدیل و تمیز کردن داده‌ها از منابع مختلف کاربرد داره. با استفاده از Power Query میشه فرآیندهای پیچیده پاکسازی داده‌ها رو به صورت خودکار انجام داد.

برای این کار از تب Data گزینه Get Data، منبع داده مورد نظر رو انتخاب کرده و داده‌ها رو وارد کنین. از رابط کاربری Power Query برای تمیز کردن و تبدیل داده‌ها استفاده کنین.

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

👨‍🎓 نکات پیشرفته Excel برای تجزیه و تحلیل داده

🔵 استفاده از توابع شرطی (IF، SUMIF، COUNTIF)

توابع شرطی امکان فیلتر کردن داده‌ها بر اساس شرط رو ممکن می‌کنن. تابع IF به شما امکان می‌ده یک شرط منطقی رو بررسی کنین و بر اساسش یکی از دو پاسخ متفاوت رو برگردونین. تابع SUMIF و COUNTIF هم به شما امکان می‌دن جمع یا تعداد داده‌هایی که یک شرط خاص رو برآورده می‌کنن رو محاسبه کنین.

🔵 توابع جستجو (VLOOKUP، HLOOKUP، INDEX، MATCH)

توابع جستجو برای پیدا کردن داده‌ها در یک جدول بزرگ استفاده می‌شن. VLOOKUP داده‌ها رو در یک ستون مشخص جستجو می‌کنه و HLOOKUP در یک ردیف. INDEX و MATCH هم به صورت ترکیبی کاربرد دارن تا موقعیت یک داده رو در یک جدول پیدا کنن و مقدار مربوطه ر برگردونن.

🔵 توابع تاریخی و زمانی

توابع تاریخ و زمان در اکسل به شما کمک می‌کنن تا داده‌های مربوط به زمان و تاریخ رو مدیریت کنین. مثلاً، ()TODAY تاریخ امروز رو برمی‌گردونه و NETWORKDAYS تعداد روزهای کاری بین دو تاریخ رو محاسبه می‌کنه.

🔵 تحلیل داده‌های مالی

اکسل ابزارهای بسیار قدرتمندی برای تحلیل داده‌های مالی داره. شما می‌تونین از توابعی مثل XNPV و XIRR برای محاسبه‌ی خالص ارزش فعلی و نرخ بازده داخلی تعدیل شده استفاده کنین.

🔵 استفاده از ابزارهای تحلیل مثل What-If Analysis

ابزار What-If Analysis به شما کمک می‌کنه تا سناریوهای مختلف رو بررسی و تأثیر تغییرات در فرضیات رو ارزیابی کنین. این ابزار شامل Data Tables، Scenario Manager و Goal Seek هست.

🔵 استفاده از PivotTables برای خلاصه‌سازی داده‌ها

ویژگی PivotTables یکی از قدرتمندترین ابزارهای اکسل برای تجزیه و تحلیل داده‌هاست. با استفاده ازش می‌تونین داده‌ها رو خلاصه کرده، گروه‌بندی کنین و از دیدگاه‌های مختلف مشاهده کنین.

🔵 ماکروها و VBA

ماکروها اسکریپت‌هایی هستن که می‌تونن فرآیندهای تکراری رو در اکسل خودکار سازی کنن. با استفاده از ماکروها، میشه زمان زیادی صرفه‌جویی کرد و خطاها رو کاهش داد.

ضبط ماکروها برای اتوماسیون وظایف ساده بسیار مؤثره. VBA یا Visual Basic for Applications، زبان برنامه‌نویسیه که برای نوشتن ماکروها و اسکریپت‌های پیچیده‌تر در اکسل استفاده می‌شه.

🔵 ابزار تحلیل داده Solver

ابزار تحلیل محدودیت‌بندی یک نوع ابزار تحلیلیه که در مدیریت و تحلیل داده‌ها به کار می‌ره تا بهترین راه‌حل‌ها رو برای مسائلی که دارای محدودیت‌های مختلف هستن، پیدا کنه.

این نوع تحلیل به شما کمک می‌کنه تا با در نظر گرفتن محدودیت‌هایی مثل بودجه، زمان، یا منابع دیگه، بهینه‌ترین استفاده ممکن از منابع موجود رو داشته باشین.

در اکسل، ابزار Solver یک مثال برجسته از ابزارهای تحلیل محدودیت‌بندیه. این ابزار به شما امکان می‌ده که یک هدف مشخص (مثل حداکثر کردن سود یا کاهش هزینه‌ها) رو تعیین کنین.

با تعیین محدودیت‌هایی روی متغیرهای مختلف، Solver سعی می‌کنه بهترین راه حل رو برای رسیدن به اون هدف با توجه به محدودیت‌ها پیدا کنه. این ابزار می‌تونه در مواردی مثل برنامه‌ریزی منابع، مدیریت بودجه یا سایر تصمیم‌گیری‌های استراتژیک که نیاز به در نظر گرفتن چندین فاکتور و محدودیت دارن، استفاده شه.

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

🎞 ساخت یک داشبورد تعاملی از صفر تا ۱۰۰ در اکسل

اکسل یکی از ابتدایی ترین و کاربردی ترین ابزارهای تحلیل داده‌ست که به صورت گسترده در اکثر کمپانی‌های کوچیک و متوسط استفاده میشه.

این ویدئو یوتیوب قسمتی از جلسه اول دوره آنلاین هوش تجاری و تحلیل داده با Tableau و Power BI هست و داخلش خیلی ساده، گام‌های لازم برای طراحی و ساخت یک داشبورد تعاملی آموزش داده شدن.

👉📎 https://youtu.be/JcgCBoSMYlE

#YouTube
#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

👨‍🎓 آشنایی با Google Sheet در تحلیل داده‌

گوگل شیت امکان ایجاد، مدیریت و تحلیل داده‌ها رو به صورت آنلاین فراهم می‌کنه. این ابزار منعطف، به کاربران اجازه می‌ده تا با استفاده از صفحات گسترده (spreadsheet)، داده‌های رو سازمان‌دهی کرده و تحلیل‌ کنن.

از اونجایی که Google Sheets آنلاینه، به راحتی می‌تونین به اسناد از هر دستگاهی دسترسی داشته باشین و با دیگران به صورت همزمان روی یک سند کار کنین. همچنین فرمول‌ها و توابعی، اکسل اینجا هم در دسترسن.

🔵 بصری‌سازی داده‌ها

در گوگل شیت هم امکان مصورسازی داده‌ها و ایجاد انواع مختلف نمودارها (Charts) مثل نمودارهای خطی، میله‌ای، دایره‌ای و پراکنده فراهمه. این نمودارها کمک می‌کنن تا الگوها و روندهای موجود در داده‌ها بهتر درک شن و تحلیل‌های دقیق‌تری انجام شه.

🔵 افزونه‌ها و سفارشی‌سازی

گوگل شیت از افزونه‌های مختلفی (Add-ons) پشتیبانی می‌کنه که می‌تونن قابلیت‌های اضافی رو به این ابزار اضافه کنن. این افزونه‌ها شامل ابزارهای پیشرفته تحلیل داده، ابزارهای بصری‌سازی و حتی اتصال به منابع داده خارجی هستن. با استفاده از افزونه‌ها، می‌توانید Google Sheets رو بر اساس نیازهای خاص سفارشی‌سازی کنین و بهره‌وری رو افزایش بدین.

🔵 مدیریت و تمیز کردن داده‌ها

برای تحلیل داده‌ها، اول باید داده‌ها رو تمیز و مرتب کرد. مثلا حذف داده‌های تکراری و فاصله‌ها با استفاده از توابعی مثل CLEAN و TRIM فراهمه. همچنین میشه با استفاده از افزونه‌های مختلف، داده‌ها رو از منابع خارجی وارد و به طور موثر مدیریت کرد.

🔵 استفاده از توابع و فرمول‌های پیشرفته

گوگل شیت شامل توابعیه که به شما امکان تحلیل‌های پیچیده‌تر رو می‌ده. توابعی مثل SUMIF و SUMIFS برای جمع کردن داده‌ها بر اساس شرایط خاص، VLOOKUP برای جستجو و تطبیق داده‌ها و QUERY برای انجام کوئری‌های پیشرفته روی داده‌ها بسیار مفیده.

🔵 تحلیل‌های آماری

گوگل شیت دارای افزونه‌های بسیاری برای انجام تحلیل‌های آماری پیشرفته‌ است. افزونه Statistical Analysis Tools شامل ابزارهایی برای انجام تحلیل‌هایی مثل همبستگی، نمونه‌برداری، هموارسازی نمایی، میانگین متحرک و تحلیل‌های واریانسه.

🔵 خودکارسازی وظایف

گوگل شیت با استفاده از Google Apps Script به کاربران امکان می‌ده وظایف تکراری رو خودکار کنن. با استفاده از این زبان اسکریپت‌نویسی مبتنی بر جاوااسکریپت، میشه توابع سفارشی ایجاد کرد، افزونه‌ ساخت و پردازش داده‌ها رو خودکار و در مصرف زمان صرفه جویی کرد.

🔵 ایجاد داشبوردهای تعاملی

یکی از کاربردهای جذاب Google Sheets، امکان ایجاد داشبوردهای تعاملی برای نمایش داده‌ها و گزارش‌هاست. با استفاده از افزونه‌هایی مانند Awesome Table، میشه داده‌ها رو به قالب‌های وب پویا و تعاملی تبدیل و به راحتی با دیگران به اشتراک گذاشت.

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

💡تابع GOOGLETRANSLATE در Google Sheets

تابع GOOGLETRANSLATE امکان ترجمه از یک زبان به زبان دیگه رو فراهم می‌کنه.

=GOOGLETRANSLATE(text, [source_language], [target_language])

🔵 text: متنی که می‌خواین ترجمه شه (می‌تونه مستقیماً در فرمول وارد شه یا به یک سلول اشاره کنه).
🔵 source_language: کد زبانی که متن مبدأ نوشته شده
🔵 target_language: کد زبانی که متن باید بهش ترجمه شه

🔵 کد زبان‌ها: کد زبان‌ها باید به صورت دو حرفی و مطابق با استاندارد ISO 639-1 وارد شن. مثلا "en" برای انگلیسی، "fa" برای فارسی، "es" برای اسپانیایی و "fr" برای فرانسوی.

🔵 پشتیبانی از زبان‌ها: تابع GOOGLETRANSLATE از بسیاری از زبان‌های دنیا پشتیبانی می‌کنه، اما ممکنه بعضی زبان‌ها به طور کامل پشتیبانی نشن.

🔵 دقت ترجمه: دقت ترجمه بستگی به پیچیدگی متن و جفت زبانی داره که استفاده می‌شه. برای متن‌های پیچیده، ممکنه ترجمه‌ها نیاز به ویرایش دستی داشته باشن.

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

👨‍🎓 طراحی داشبورد تعاملی در Google Sheets

🔵 برنامه‌ریزی و طراحی داشبورد

قبل از شروع به ساخت داشبورد، باید اهداف و نیازهای پروژه رو مشخص کنین.

🔵 جمع‌آوری و آماده‌سازی داده‌ها

بعد از وارد کردن داده‌ها از منابع مختلف مثل فایل‌های CSV، Excel یا دیتابیس‌ها، باید اونها رو تمیز و مرتب کرد. این کار شامل حذف داده‌های تکراری، تصحیح اشتباهات و فرمت‌بندی مناسب داده‌هاست.

🔵 استفاده از افزونه‌ها (Add-ons)

افزونه‌ها ابزارهای جانبی هستن که قابلیت‌های Google Sheets رو افزایش می‌دن. مثلا Awesome Table برای تبدیل داده‌ها به جداول و نمودارهای تعاملی، ChartExpo برای ایجاد نمودارها و گراف‌های پیچیده و Power Tools برای انجام وظایف تکراری و پیچیده.

🔵 طراحی داشبورد

طراحی داشبورد به معنی سازمان‌دهی و چیدمان نمودارها، جداول و سایر عناصر بصریه. برای طراحی یک داشبورد موثر:

🔵از رنگ‌ها و قالب‌های مناسب استفاده کنین تا داشبورد خوانا و جذاب باشه.
🔵نمودارها و جداول رو به شکلی قرار بدین که به راحتی قابل دسترس و فهم باشن.
🔵از عناوین و توضیحات مناسب برای هر بخش استفاده کنین تا کاربران بدونن هر قسمت به چه چیزی اشاره داره.

🔵 یکپارچه‌سازی داده‌ها از منابع مختلف

برای ایجاد داشبوردهای جامع و کامل، ممکنه نیاز به یکپارچه کردن داده‌ها از منابع مختلف باشه. با استفاده از توابعی مثل IMPORTRANGE و IMPORTDATA، میشه داده‌ها رو از شیت‌های دیگه یا منابع خارجی وارد و تحلیل کرد.

🔵 استفاده از Google Data Studio

اگه نیاز به ابزارهای پیشرفته‌تر برای بصری‌سازی داده‌ها و ایجاد داشبوردهای تعاملی باشه، میشه از Google Data Studio استفاده کرد چون به سادگی با Google Sheets یکپارچه میشه.

🔵 ایجاد گزارش‌های پویا با Google Sheets

با استفاده از توابعی مثل QUERY و IMPORTRANGE میشه داده‌ها رو بر اساس معیارهای خاصی فیلتر و داشبوردهایی ایجاد کرد که همیشه با آخرین داده‌ها به‌روز باشن.

🔵 تصویر: داشبورد طراحی شده با گوگل شیت در دوره آنلاین هوش تجاری و تحلیل داده با Tableau و Power BI

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ