دوره کاربردی Python برای تحلیل داده‌های انرژی و شبیه‌سازی ساختمان

آشنایی با محیط برنامه‌نویسی

• معرفی زبان برنامه‌نویسی Python و کاربردهای آن در تحلیل داده

• آشنایی با محیط Jupyter Notebook

• نصب و راه‌اندازی ابزارها و کتابخانه‌های موردنیاز

• آشنایی با ساختار اجرای کدها در محیط Jupyter

مبانی و داده‌های اولیه در Python

• فرمان Print

• Variables و انواع داده‌ها

• Dictionary

• Tuples

• Sets

• IF Statements

• For Loops

• While Loops

• Functions

آموزش کتابخانه NumPy

• معرفی NumPy و کاربرد آن در تحلیل داده

• Arrays

• Indexing و Slicing

• عملیات ریاضی روی آرایه‌ها

• Operations

آموزش کتابخانه Pandas

• معرفی Pandas و ساختار داده‌ها

• Series

• DataFrames

• Operations

• Index Levelling

• Missing Data و Data Cleaning

• Joining، Merging و Concatenating

• GroupBy

• Resampling و Truncate

• آماده‌سازی داده‌ها برای تحلیل و مدل‌سازی

آموزش کتابخانه Matplotlib

• معرفی Matplotlib

• ترسیم نمودارهای پایه

• شخصی‌سازی نمودارها

• مصورسازی داده‌های شبیه‌سازی ساختمان

• ذخیره و خروجی گرفتن از نمودارها

آموزش کتابخانه Seaborn

• معرفی Seaborn و تفاوت آن با Matplotlib

• Regression Plots

• Matrix Plots

• Grids

• Distribution Plots

• Categorical Plots

• Style و Color

• مصورسازی حرفه‌ای داده‌ها

آموزش الگوریتم‌های پرکاربرد یادگیری ماشین (Machine Learning)

Linear Regression

• مبانی رگرسیون خطی

• آموزش مدل‌سازی و پیش‌بینی

Logistic Regression

• مبانی طبقه‌بندی

• آموزش مدل‌سازی داده‌های دودویی

K-Nearest Neighbors (KNN)

• مفهوم همسایگی و فاصله

• آموزش پیاده‌سازی مدل

Support Vector Machine (SVM)

• مبانی ماشین بردار پشتیبان

• آموزش مدل‌سازی و ارزیابی

Decision Trees

• ساختار درخت تصمیم

• آموزش طبقه‌بندی و پیش‌بینی

Random Forest

• مبانی مدل‌های تجمیعی

• آموزش پیاده‌سازی و تحلیل نتایج

کاربرد Python در تحلیل داده‌های شبیه‌سازی ساختمان

• آماده‌سازی داده‌های خروجی نرم‌افزارهای شبیه‌سازی

• تحلیل داده‌های انرژی ساختمان

• تحلیل داده‌های آسایش حرارتی

• تحلیل داده‌های روشنایی

• مصورسازی و مقایسه سناریوهای مختلف شبیه‌سازی

• استخراج شاخص‌های کلیدی عملکرد (KPI)

بدون پیش نیاز