آریا آکادمی
ثبت‌نام ورود
دوره آنلاین و زنده آریا آکادمی

علم داده با Python و تحلیل داده

از پاک‌سازی داده تا استخراج insight و ساخت گزارش، مسیر تحلیل داده را قدم‌به‌قدم تمرین می‌کنید.

★★★★★5از 34 نظر دانشجویان
12 جلسه آموزشیمدیر ارشد آریا آکادمی مدرس دورهپروژه‌محور سبک یادگیری
تصویر دوره علم داده با Python و تحلیل داده
01
قبل از شروع

این دوره چه مسیری را برایت می‌سازد؟

از پاک‌سازی داده تا استخراج insight و ساخت گزارش، مسیر تحلیل داده را قدم‌به‌قدم تمرین می‌کنید.

مناسب برای

  • علاقه‌مندان تحلیل داده و گزارش‌سازی
  • برنامه‌نویسان Python که می‌خواهند وارد Data شوند

دستاوردهای اصلی

  • کار با NumPy و Pandas
  • پاک‌سازی و ترکیب داده
  • تحلیل آماری و مصورسازی
  • ارائه گزارش قابل تصمیم‌گیری
پروژه نهایی

در پایان چه چیزی می‌سازی؟

تحلیل یک دیتاست فروش یا رفتار کاربران و ارائه داشبورد و گزارش مدیریتی.

↗
02
مسیر آموزشی

سرفصل جلسات دوره

کارگاه داده‌محور با فایل‌های واقعی، تمرین و ساخت notebook مرحله‌به‌مرحله.

فصل 1

پایه‌گذاری و ساخت هسته پروژه

01جلسه 1: بارگذاری و شناخت دیتاست+
توضیحات جلسه

در این جلسه، «بارگذاری و شناخت دیتاست» را برای ساخت بخشی از گزارش و تحلیل داده واقعی یاد می‌گیرید. آموزش با نمایش خروجی نهایی شروع می‌شود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده می‌شوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیاده‌سازی می‌کنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام می‌شود.

مینی‌پروژه

راه‌اندازی ماژول بارگذاری و شناخت دیتاست برای گزارش و تحلیل داده واقعی. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.

02جلسه 2: پاک‌سازی داده با Pandas+
توضیحات جلسه

در این جلسه، «پاک‌سازی داده با Pandas» را برای ساخت بخشی از گزارش و تحلیل داده واقعی یاد می‌گیرید. آموزش با نمایش خروجی نهایی شروع می‌شود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده می‌شوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیاده‌سازی می‌کنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام می‌شود.

مینی‌پروژه

ساخت ماژول پاک‌سازی داده با Pandas برای گزارش و تحلیل داده واقعی. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.

03جلسه 3: تحلیل آماری مقدماتی+
توضیحات جلسه

در این جلسه، «تحلیل آماری مقدماتی» را برای ساخت بخشی از گزارش و تحلیل داده واقعی یاد می‌گیرید. آموزش با نمایش خروجی نهایی شروع می‌شود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده می‌شوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیاده‌سازی می‌کنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام می‌شود.

مینی‌پروژه

توسعه ماژول تحلیل آماری مقدماتی برای گزارش و تحلیل داده واقعی. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.

فصل 2

پیاده‌سازی قابلیت‌های اصلی

04جلسه 4: کار با NumPy برای محاسبه+
توضیحات جلسه

در این جلسه، «کار با NumPy برای محاسبه» را برای ساخت بخشی از گزارش و تحلیل داده واقعی یاد می‌گیرید. آموزش با نمایش خروجی نهایی شروع می‌شود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده می‌شوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیاده‌سازی می‌کنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام می‌شود.

مینی‌پروژه

تکمیل ماژول کار با NumPy برای محاسبه برای گزارش و تحلیل داده واقعی. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.

05جلسه 5: تحلیل اکتشافی و سؤال‌سازی+
توضیحات جلسه

در این جلسه، «تحلیل اکتشافی و سؤال‌سازی» را برای ساخت بخشی از گزارش و تحلیل داده واقعی یاد می‌گیرید. آموزش با نمایش خروجی نهایی شروع می‌شود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده می‌شوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیاده‌سازی می‌کنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام می‌شود.

مینی‌پروژه

امن‌سازی ماژول تحلیل اکتشافی و سؤال‌سازی برای گزارش و تحلیل داده واقعی. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.

06جلسه 6: گروه‌بندی و استخراج insight+
توضیحات جلسه

در این جلسه، «گروه‌بندی و استخراج insight» را برای ساخت بخشی از گزارش و تحلیل داده واقعی یاد می‌گیرید. آموزش با نمایش خروجی نهایی شروع می‌شود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده می‌شوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیاده‌سازی می‌کنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام می‌شود.

مینی‌پروژه

آزمایش ماژول گروه‌بندی و استخراج insight برای گزارش و تحلیل داده واقعی. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.

فصل 3

یکپارچه‌سازی و تکمیل محصول

07جلسه 7: ساخت نمودارهای معنادار+
توضیحات جلسه

در این جلسه، «ساخت نمودارهای معنادار» را برای ساخت بخشی از گزارش و تحلیل داده واقعی یاد می‌گیرید. آموزش با نمایش خروجی نهایی شروع می‌شود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده می‌شوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیاده‌سازی می‌کنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام می‌شود.

مینی‌پروژه

بهینه‌سازی ماژول ساخت نمودارهای معنادار برای گزارش و تحلیل داده واقعی. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.

08جلسه 8: نوشتن گزارش قابل تصمیم+
توضیحات جلسه

در این جلسه، «نوشتن گزارش قابل تصمیم» را برای ساخت بخشی از گزارش و تحلیل داده واقعی یاد می‌گیرید. آموزش با نمایش خروجی نهایی شروع می‌شود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده می‌شوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیاده‌سازی می‌کنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام می‌شود.

مینی‌پروژه

انتشار ماژول نوشتن گزارش قابل تصمیم برای گزارش و تحلیل داده واقعی. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.

09جلسه 9: تحلیل یک دیتاست واقعی+
توضیحات جلسه

در این جلسه، «تحلیل یک دیتاست واقعی» را برای ساخت بخشی از گزارش و تحلیل داده واقعی یاد می‌گیرید. آموزش با نمایش خروجی نهایی شروع می‌شود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده می‌شوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیاده‌سازی می‌کنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام می‌شود.

مینی‌پروژه

بازطراحی ماژول تحلیل یک دیتاست واقعی برای گزارش و تحلیل داده واقعی. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.

فصل 4

تست، انتشار و ارائه پروژه

10جلسه 10: ساخت pipeline تحلیل+
توضیحات جلسه

در این جلسه، «ساخت pipeline تحلیل» را برای ساخت بخشی از گزارش و تحلیل داده واقعی یاد می‌گیرید. آموزش با نمایش خروجی نهایی شروع می‌شود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده می‌شوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیاده‌سازی می‌کنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام می‌شود.

مینی‌پروژه

مستندسازی ماژول ساخت pipeline تحلیل برای گزارش و تحلیل داده واقعی. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.

11جلسه 11: ارائه پروژه و دفاع از نتیجه+
توضیحات جلسه

در این جلسه، «ارائه پروژه و دفاع از نتیجه» را برای ساخت بخشی از گزارش و تحلیل داده واقعی یاد می‌گیرید. آموزش با نمایش خروجی نهایی شروع می‌شود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده می‌شوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیاده‌سازی می‌کنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام می‌شود.

مینی‌پروژه

اتصال ماژول ارائه پروژه و دفاع از نتیجه برای گزارش و تحلیل داده واقعی. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.

12جلسه 12: مستندسازی و تحویل notebook+
توضیحات جلسه

در این جلسه، «مستندسازی و تحویل notebook» را برای ساخت بخشی از گزارش و تحلیل داده واقعی یاد می‌گیرید. آموزش با نمایش خروجی نهایی شروع می‌شود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده می‌شوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیاده‌سازی می‌کنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام می‌شود.

مینی‌پروژه

ارائه ماژول مستندسازی و تحویل notebook برای گزارش و تحلیل داده واقعی. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.

03
آمادگی شروع

پیش‌نیازها و مناسب چه کسانی است؟

✓

پیش‌نیازهای دوره

  • آشنایی مقدماتی با Python
  • مفاهیم ساده آمار مزیت محسوب می‌شود
◎

این دوره برای شماست اگر...

  • علاقه‌مندان تحلیل داده و گزارش‌سازی
  • برنامه‌نویسان Python که می‌خواهند وارد Data شوند
04
سبک برگزاری

کلاس آنلاین و زنده

کارگاه داده‌محور با فایل‌های واقعی، تمرین و ساخت notebook مرحله‌به‌مرحله. در طول کلاس می‌توانی سؤال بپرسی، صفحه‌ات را به اشتراک بگذاری، تمرین را همان لحظه انجام بدهی و بازخورد مستقیم بگیری.

بازخورد یادگیرندگان

نظر دانشجویان درباره این دوره

تجربه‌های واقعی دانشجویان بعد از شرکت در کلاس‌های آنلاین و انجام پروژه.

5★★★★★34 نظر تأییدشده
م
مهسا احمدی2026/07/07
★★★★★

توضیحات مدرس منظم و کاملاً پروژه‌محور بود و هر جلسه خروجی مشخصی داشت.

پ
پارسا کریمی2026/07/04
★★★★★

مثال‌های عملی باعث شد موضوع را خیلی سریع‌تر از مطالعه تنها یاد بگیرم.

ا
الهام نادری2026/07/01
★★★★★

کلاس زنده و امکان پرسش‌وپاسخ مهم‌ترین نقطه قوت این دوره بود.

م
محمدحسین موسوی2026/06/28
★★★★★

مطالب از پایه شروع شد و قدم‌به‌قدم به مباحث حرفه‌ای رسید.

ر
رها کاظمی2026/06/25
★★★★★

تمرین‌ها کاربردی بودند و الان یک نمونه‌کار قابل ارائه دارم.

آ
آرمان یوسفی2026/06/22
★★★★★

پشتیبانی و بازخورد مدرس کمک کرد اشتباهاتم را درست متوجه شوم.

تجربه‌ات را بنویس

این دوره را گذرانده‌ای؟ نظر بده

نظر تو بعد از بررسی کوتاه تیم، در همین صفحه نمایش داده می‌شود.

ورود برای ثبت نظر
برای ادامه مسیر

دوره‌های مشابه یا موردنیاز

همه دوره‌ها ←
✦گواهیپایان دوره
دستاورد قابل ارائه

مدرک پایان دوره آریا آکادمی

پس از حضور در کلاس‌های زنده، تحویل پروژه و موفقیت در ارزیابی نهایی، گواهی پایان دوره برایت صادر می‌شود.

  • نام دوره و نام دانشجو روی گواهی درج می‌شود.
  • شماره گواهی برای پیگیری و ارائه در رزومه ثبت می‌شود.
  • پروژه نهایی و مهارت‌های کسب‌شده بخشی از مسیر ارزیابی هستند.
دوره‌های پروژه‌محوریاد بگیر، تمرین کن، بساز
کلاس آنلاین و ضبط‌شدهیادگیری با زمان‌بندی خودت
مسیر یادگیری روشناز شروع تا مهارت قابل ارائه
گواهی پایان مسیرنتیجه‌ی تلاش تو قابل ارائه است
پشتیبانی آموزشیدر مسیر یادگیری تنها نیستی