تسلط به برنامهنویسی Python با انجام پروژههای علمی
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- Python
- برنامهنویسی علمی
- مصورسازی داده
- تحلیل سریهای زمانی
- مدلسازی
- عبارات باقاعده
- تحلیل طیفی
- فیلترینگ
- خوشهبندی داده
- کاهش گرادیان
- پردازش متن
- پروژههای داده
- انیمیشن داده
پیشنیازهای دوره
- آشنایی با چگونگی استفاده از کامپیوتر!
- انگیزه برای یادگیری کدنویسی Python
توضیحات دوره
مهارتهای Python خود را با پروژههای علمی دنیای واقعی آزاد کنید.
به دوره «تسلط به برنامهنویسی Python با انجام پروژههای علمی» خوش آمدید. اگر به دنبال دورهای هستید که رویکردی جدید و عملی برای یادگیری Python در حین حل مسائل علمی واقعی داشته باشد، جای درستی آمدهاید. این دوره فقط در مورد یادگیری لیستی از توابع Python نیست. بلکه درباره غرق شدن در قابلیتهای Python، درک ویژگیهای خاص آن و استفاده از آن برای انجام پروژههای جذاب است.
چرا این دوره را انتخاب کنید؟
Python یک زبان پویا است که به طور گسترده در جامعه علمی استفاده میشود. اما احتمالاً فکر میکنید، «چرا باید این دوره Python را از بین صدها دوره موجود در Udemy انتخاب کنم؟» بیایید به اصل مطلب بپردازیم و بر آنچه این دوره را منحصر به فرد میکند تمرکز کنیم:
- رویکرد حل مسئله: این دوره فقط Python را آموزش نمیدهد؛ بلکه یادگیری را با مجموعهای از پروژههای علمی که ممکن است در زندگی آکادمیک، حرفهای یا شخصی خود با آنها روبرو شوید، تقویت میکند. این تمرکز قوی بر یادگیری پروژهمحور، شما را به تجربه کدنویسی عملی مجهز میکند. یاد خواهید گرفت که چگونه مانند یک برنامهنویس فکر کنید و مهارتهای خود را در موقعیتهای عملی به کار ببرید.
- شفافیت: مدرس یک متعصب Python نیست که آن را به عنوان یک زبان بینقص ببیند. او اذعان میکند که مانند هر زبانی، Python ویژگیهای خاص خود را دارد. در طول این دوره، او از جنبههای آزاردهنده یا گیجکننده Python طفره نمیرود. در عوض، او درکی واقعبینانه و جامع از زبان، شامل نقاط قوت و ضعف آن، به شما ارائه خواهد داد.
- طیف گستردهای از پروژهها: از پردازش متن تا فیلترینگ سریهای زمانی، از شبیهسازی مدار مغزی تا رسم مسیرهای فضای حالت، از پردازش سیگنالهای زیستپزشکی تا سرمایهگذاری در ارزهای دیجیتال، این دوره طیف وسیعی از پروژهها را ارائه میدهد. هر پروژه با دقت طراحی شده است تا اطمینان حاصل شود که بیشترین دانش و مهارتهای عملی را از آن کسب میکنید.
- جامعه تعاملی: مدرس استراتژیهای کدنویسی Python، انواع داده، بهترین الگوهای کدنویسی علمی و موارد دیگر را مورد بحث قرار میدهد. به اشتراکگذاری راه حلهای هوشمندانه کدنویسی خود و یادگیری از تجربیات دیگران، سفر یادگیری شما را بیشتر ارتقا خواهد داد.
- کدنویسی با ChatGPT: بینشهایی در مورد نحوه استفاده از ChatGPT، مدل زبانی هوشمند توسعهیافته توسط OpenAI، برای کمک به شما در نوشتن کدهای اولیه و دیباگ کردن اسکریپتهایتان به دست آورید. این ویژگی تعاملی، کدنویسی را شهودیتر و کارآمدتر میکند، بهویژه زمانی که با باگها مواجه میشوید یا به راه حلی سریع نیاز دارید.
اکنون چه کاری باید انجام دهید؟
- نگاهی به ویدیوهای پیشنمایش بیندازید تا با سبک تدریس مدرس و محتوای دوره آشنا شوید.
- نظرات این دوره را بررسی کنید. بازخوردهای مثبت و تجربیات به اشتراک گذاشته شده توسط دانشجویان، حس خوبی از آنچه باید انتظار داشته باشید به شما میدهد.
- همچنین، نظرات سایر دورههای مدرس را بررسی کنید تا تعهد و اشتیاق او به تدریس را درک کنید.
- این سفر هیجانانگیز را آغاز کنید و همین امروز بپیوندید! با هم، به عمق دنیای Python شیرجه خواهیم زد و در طول مسیر مسائل علمی جذابی را حل خواهیم کرد. این دوره فراتر از یک تجربه یادگیری است. این یک ماجراجویی در قلمروهای Python و کدنویسی علمی است.
این دوره برای چه کسانی مناسب است؟
- مبتدیان کامل در Python
- (اختیاری) مقداری تجربه در سایر زبانها (مانند MATLAB یا R)
- علاقهمند به استفاده از Python برای داده، علم، مهندسی، فیزیک، زیستشناسی
تسلط به برنامهنویسی Python با انجام پروژههای علمی
-
پیشنیازها و چگونگی موفقیت در این دوره 06:58
-
کدنویسی مثلث Sierpinski! 12:29
-
استفاده از Python از طریق Google Colab 05:52
-
اجرای Jupyter Notebook محلی از طریق Anaconda 05:38
-
استفاده از انجمن پرسش و پاسخ 05:17
-
فهرست توابع در دوره 04:38
-
متغیرها 17:35
-
عملگرهای ریاضی 10:48
-
چاپ کردن و ورودی گرفتن 12:04
-
لیستها 17:13
-
تاپلها 07:51
-
بولیها 16:49
-
دیکشنریها 14:44
-
ایندکسگذاری 11:13
-
برش 08:51
-
ورودیها و خروجیها 05:26
-
کتابخانههای Python (numpy) 12:43
-
کتابخانههای Python (pandas) 15:18
-
کمک گرفتن در مورد توابع 08:58
-
ایجاد توابع 19:36
-
دامنه متغیرهای سراسری و محلی 11:17
-
کلاسها و برنامهنویسی شیءگرا 12:57
-
دستورات If-else 27:01
-
حلقههای For 17:31
-
دستور Continue 07:23
-
حلقههای While 19:56
-
مقداردهی اولیه متغیرها 23:09
-
بررسی و مدیریت خطای توابع 17:42
-
ورودیهای چندگانه با zip 10:07
-
حلقههای تکخطی 16:32
-
Broadcasting در numpy 21:13
-
fprintf و f-strings 23:13
-
رسم نقاط و خطوط 13:56
-
هندسه Subplot 15:56
-
زیباسازی نمودارها 24:56
-
افزودن توضیحات 17:26
-
Seaborn 16:13
-
تصاویر 18:51
-
اکسپورت کردن از نمودارها با کیفیت پایین و بالا 09:46
-
شبهکد Sierpinski، بخش دوم 01:27
-
دریافت کد از Github/Google Drive 02:51
-
مهم: دانلود منابع دوره 03:59
-
استراتژیهایی برای حل این پروژهها 13:23
-
بررسی اجمالی و اهداف پروژه 00:54
-
ایمپورت کردن یک فایل متنی 06:19
-
حذف فرمتبندی متن 13:48
-
جایگزینی کلمات 4 حرفی و ذخیره در دیسک 09:53
-
امتیازی: خوانایی کلمات بهم ریخته 17:14
-
بررسی و اهداف پروژه 04:20
-
تولید جامعهای از اعداد تصادفی 11:50
-
نمونهبرداری مونت کارلو 14:10
-
میانگینگیری تجمعی 19:45
-
امتیازی: قضیه حد مرکزی 10:33
-
بررسی و اهداف پروژه 06:00
-
ایمپورت کردن متن از وب 08:31
-
توزیع طول کلمات 12:29
-
فرکانس حروف 10:15
-
آنتروپی حروف 09:43
-
آنتروپی شرطی (توالی) 16:45
-
امتیازی: ساخت ابر کلمات 03:04
-
بررسی و اهداف پروژه 08:22
-
ایمپورت کردن و تمیز کردن داده 23:22
-
ایجاد ماتریس کوواریانس کانال 12:02
-
اجرای PCA و محاسبه مؤلفهها 19:59
-
مسیرهای فضای حالت 06:53
-
امتیازی: نمایش زمان با استفاده از فامهای رنگی 07:48
-
بررسی و اهداف پروژه 02:53
-
ایمپورت کردن و بررسی داده 21:54
-
آزمون T برای تأثیر اسیدیته بر کیفیت شراب 20:36
-
رگرسیون چندگانه 14:34
-
رگرسیون لجستیک 16:16
-
امتیازی: تبدیل به گاوسی 16:39
-
بررسی و اهداف پروژه 07:27
-
شبیهسازی یک فرآیند AR 13:02
-
کدنویسی تبدیل فوریه 17:02
-
افزودن صفر به FFT 13:17
-
متد Welch 22:13
-
امتیازی: اسپکتروگرام 11:44
-
بررسی و اهداف پروژه 05:29
-
نویز سفید و قهوهای 21:31
-
نویز صورتی و آبی 18:58
-
رنگینکمان طیفی رنگارنگ 10:09
-
امتیازی: صدای آنها چگونه است؟ 04:38
-
بررسی و اهداف پروژه 01:09
-
مثلث پاسکال 18:05
-
اتحاد اویلر 17:59
-
گاوسی پارامتریک 23:08
-
اتساع زمان در نسبیت خاص 11:01
-
مقادیر ویژه روی دایره مختلط 15:09
-
امتیازی: من عاشق ریاضی هستم 04:36
-
بررسی و اهداف پروژه 02:31
-
هموارسازی با فیلتر میانگین متحرک 23:55
-
هموارسازی با کانولوشن گاوسی 35:19
-
حذف لکهها با فیلتر میانه 21:22
-
نویزگیری این داده زیستپزشکی! 16:40
-
امتیازی: هایلایت کردن نواحی نمودار 11:58
-
بررسی و اهداف پروژه 06:13
-
تولید یک سیگنال با نویز تصادفی 14:25
-
حذف نویز خط 14:15
-
فیلتر بالاگذر FIR 11:51
-
فیلتر پایینگذر IIR (باترورث) 08:57
-
امتیازی: منظره بیابانی 11:10
-
بررسی اجمالی و اهداف پروژه 01:53
-
میانگین و میانه 10:21
-
جدول فراوانیها 18:26
-
مد 10:09
-
انحراف معیار 09:14
-
امتیازی: ایجاد فایل گزارش csv 11:53
-
بررسی و اهداف پروژه 02:59
-
ایمپورت کردن و نرمالسازی داده ابری 19:02
-
محاسبه و بررسی ماتریسهای کوواریانس 15:51
-
تعیین تعداد مؤلفهها با استفاده از PCA 10:54
-
خوشهبندی داده با استفاده از t-SNE و k-means 15:33
-
امتیازی: ساخت نمودار چگالی احتمال دوبعدی 18:02
-
بررسی و اهداف پروژه 01:30
-
ایمپورت کردن چندین فایل ipynb 09:22
-
شناسایی فراخوانیهای تابع 19:36
-
ایجاد فهرست الفبایی توابع 24:55
-
مرتبسازی الفبایی لیست توابع 02:06
-
ایجاد لیست فایل مرتب شده به ترتیب الفبا 07:47
-
امتیازی: کدام فایل بیشترین امتیاز را دارد؟ 15:35
-
بررسی و اهداف پروژه 06:10
-
تابع و مشتق آن 08:12
-
کاهش گرادیان 17:30
-
تکرار در حالت دوبعدی 26:18
-
امتیازی: مصورسازی سهبعدی 08:44
-
بررسی و اهداف پروژه 02:02
-
برازش یک گاوسی 16:06
-
برازش یک زوال نمایی 09:35
-
استفاده از تابع تعریف شده توسط کاربر (سیگوئید) 11:03
-
برازش مدل ترکیبی 07:38
-
برازش مدل چندمتغیره 16:15
-
امتیازی: چشم سائورون! 09:31
-
بررسی و اهداف پروژه 05:48
-
موجکهای Morlet با مقادیر حقیقی 14:34
-
موجکهای Morlet با مقادیر مختلط 09:11
-
ایجاد خانواده موجک 16:08
-
ایمپورت کردن و مصورسازی داده 11:37
-
کانولوشن موجک 17:01
-
ایجاد نقشه زمان-فرکانس 07:15
-
امتیازی: نقشه فاز با نقشه رنگی چرخشی 05:33
-
بررسی و اهداف پروژه 03:10
-
نمونهبرداری کاهشی/افزایشی یک سری زمانی 13:53
-
درونیابی یکبعدی 14:45
-
برونیابی یکبعدی 08:29
-
بازبینی نمونهبرداری مجدد 07:31
-
ترمیم تصویر خراب با درونیابی 26:26
-
امتیازی: رسم مکعب Necker 13:24
-
بررسی و اهداف پروژه 11:43
-
شبیهسازی یک سلول مغزی 16:09
-
ایجاد مدار 1000 نورونی 17:44
-
شبیهسازی مدار عصبی 23:49
-
مصورسازی فعالیت جمعیت 12:40
-
اجرای چند آزمایش! 18:04
-
امتیازی: تفکیک تحریک و بازداری 11:15
-
بررسی و اهداف پروژه 02:22
-
موجکهای موجی در plotly، بخش 1 22:13
-
موجکهای موجی در plotly، بخش 2 10:34
-
موجکهای موجی در matplotlib 13:19
-
تبدیل موبیوس در matplotlib 22:49
-
امتیازی: اعداد اول سرگردان 25:19
-
ChatGPT چیست؟ 06:20
-
دسترسی به ChatGPT 04:34
-
نحوه کار با بخش 3 05:09
-
تمرین تستی None
-
محاسبات فیثاغورثی None
-
شمارش اعداد 7 None
-
ادغام دیکشنریها None
-
ایندکسگذاری و برش None
-
ماتریسهای ریاضی با استفاده از numpy None
-
تابع ضرب نقطهای None
-
شمارنده پواسون None
-
جمع اعداد اول None
-
فرمتبندی ارز None
-
جمع مضارب None
-
پیدا کردن اولین None
-
مقادیر ویژه مرتب شده None
-
شبیهسازی فیزیک None
-
تحلیل طیفی None
مشخصات آموزش
تسلط به برنامهنویسی Python با انجام پروژههای علمی
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:مقدماتی
- تعداد درس:179
- مدت زمان :34:53:17
- حجم :13.34GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy