پایتون برای علم داده - از ابتدا تا تحلیل داده

آنچه یاد خواهید گرفت:

• مبانی برنامه‌نویسی پایتون: یادگیری کامل مبانیپایتون، از جمله انواع داده، ساختارهای کنترلی، توابع و برنامه‌نویسی شیءگرا
• تحلیل و دستکاری داده: یادگیری استفاده از کتابخانه‌های پایتون مانند NumPy و پانداس برای پاک‌سازی، دستکاری و تحلیل مجموعه داده‌ها
• مصورسازی پیشرفته داده: یادگیری ایجاد مصورسازی‌ها با Matplotlib و Plotly برای انتقال موثر بینش‌ها و روندهای مبتنی بر داده
• کسب تجربه عملی با PyTorch برای ساخت و ارزیابی مدل‌های یادگیری ماشین، شامل وظایف طبقه‌بندی و رگرسیون
• توسعه کد قابل اطمینان با بهره‌گیری از تکنیک‌های مدیریت خطا و اجرای تست واحد با pytest برای اطمینان از اجرای روان اسکریپت‌های تحلیل داده
• به‌عنوان جایزه، اصول پایتون را در عین با سرگرمی با turtle graphics بررسی خواهید کرد، این رویکرد امکان یادگیری مشترک برای والدین و کودکان را فراهم می‌کند.

پیش‌نیازهای دوره

• کامپیوتری با دسترسی به اینترنت: برای نصب نرم‌افزارهای لازم و دسترسی به محتویات دوره به یک کامپیوتر با اینترنت پایدار نیاز دارید.
• انگیزه برای یادگیری: این دوره برای مبتدیان طراحی شده و نیاز به تجربه قبلی در برنامه‌نویسی یا علم داده ندارد. تنها چیزی که لازم است، انگیزه و تمایل برای یادگیری پایتون در حوزه علم داده است.
• هیچ تجربه قبلی لازم نیست، فقط کنجکاوی و اشتیاق برای یادگیری پایتون و علم داده داشته باشید!

توضیحات دوره

به این دوره خوش آمدید!

این دوره دروازه‌ای به سوی تسلط به پایتون در تحلیل داده است. چه تازه‌کار باشید و چه بخواهید مهارت‌های خود را توسعه دهید، ما از مبانی شروع می‌کنیم تا پایه‌ای مستحکم برای شما بسازیم و سپس به تدریج وارد کاربردهای علم داده می‌شویم.

باید تأکید کنیم که به داشتن پیش‌زمینه برنامه‌نویسی یا آشنایی قبلی با پایتون نیازی ندارید.

آنچه خواهید آموخت:

• اصول پایتون: الزامات پایتون، شامل انواع داده، رشته‌ها، اسلایس، f-stringها و غیره را درک کنید تا پایه‌ای قوی برای دستکاری داده ایجاد کنید.
• دستورات شرطی و کنترلی: به تصمیم‌گیری در پایتون با دستورات if-else و عملگرهای منطقی مسلط شوید.
• حلقه‌ها: وظایف تکراری را با حلقه‌های for و while خودکار کنید و کارایی کد خود را افزایش دهید.
• پروژه نهایی - Turtle Graphics: دانش پایه خود را در یک پروژه خلاقانه و سرگرم‌کننده با Turtle Graphics به کار ببرید.
• توابع: کد قابل استفاده مجدد با توابع بسازید و آرگومان‌ها، مقادیر بازگشتی و اسکوپ را درک کنید.
• لیست‌ها: کالکشن‌های داده را با لیست‌های پایتون مدیریت و دستکاری کنید که شامل استفاده از list comprehension است.
• برابری در برابر هویت: به عمق چگونگی مدیریت داده در پایتون با موضوعاتی مانند کپی سطحی و عمیق، و تفاوت نوع و isinstance بپردازید.
• مدیریت خطا: کد مقاوم با تسلط به مدیریت استثنا و مدیریت خطا بنویسید.
• برنامه‌نویسی بازگشتی: مسائل پیچیده را با بازگشت به زیبایی حل کنید و تفاوت آن با iteration را درک کنید.
• الگوریتم‌های جستجو و مرتب‌سازی: الگوریتم‌های اساسی را برای بهینه‌سازی پردازش داده بیاموزید.
• ساختارهای داده پیشرفته: ساختارهای داده فراتر از لیست‌ها مانند دیکشنری‌ها، مجموعه‌ها و تاپل‌ها را بررسی کنید که برای مدیریت موثر داده مهم هستند.
• برنامه‌نویسی شیءگرا: کد مقیاس‌پذیر و قابل نگهداری با کلاس‌ها، وراثت، پلی‌مورفیسم و غیره بسازید و متدهای dunder را عمیقا بررسی کنید.
• تست واحد با pytest: قابلیت اطمینان کد خود را با تست‌های خودکار pytest تضمین کنید که مهارتی حیاتی برای هر توسعه‌دهنده است.
• فایل‌ها و ماژول‌ها: ورودی و خروجی فایل را مدیریت کنید و کد خود را با ماژول‌ها سازماندهی کنید.
• NumPy: محاسبات عددی با NumPy که پایه علم داده در پایتون است را بررسی کنید.
• پانداس: به دستکاری و تحلیل داده با پانداس، ابزاری حیاتی برای علم داده، تسلط یابید.
• Matplotlib - رسم نمودارها و آمار: داده را با Matplotlib مصورسازی کنید و تحلیل آماری انجام دهید.
• Matplotlib - پردازش تصویر: تکنیک‌های اولیه پردازش تصویر با Matplotlib را بررسی کنید.
• Seaborn: مهارت‌های مصورسازی خود را با Seaborn ارتقا دهید و نمودارهای آماری جذاب‌تری بسازید.
• Plotly: مصورسازی تعاملی داده با Plotly را یاد بگیرید و نمودارهای تعاملی تولید کنید که کاربران را جذب می‌کند.
• اصول PyTorch: کار با یادگیری عمیق با PyTorch را آغاز کنید و تنسورها و شبکه‌های عصبی را درک کنید.

چرا در این دوره شرکت کنید؟

• راهنمایی تخصصی: از آموزش‌های گام‌به‌گام و توضیحات روشن بهره‌مند شوید.

همین حالا در این دوره شرکت کنید و سفر خود را برای تسلط به پایتون در علم داده و تحلیل داده آغاز کنید!

این دوره برای چه کسانی مناسب است؟

• مبتدیان پایتون: کسانی که تازه برنامه‌نویسی را شروع کرده‌اند و تمرکزشان بر علم داده است.
• تازه‌واردان در تحلیل داده: افرادی با تجربه کم یا بدون تجربه در تحلیل داده که قصد دارند پایه‌ای قوی در پایتون ایجاد کنند.
• دانشمندان داده آینده: طراحی شده برای کسانی که می‌خواهند به علم داده وارد شوند و مهارت‌های لازم را کسب کنند.
• متخصصانی که می‌خواهند مهارت‌های خود را ارتقا دهند: متخصصان در صنایع مختلف که می‌خواهند از پایتون برای تصمیم‌گیری مبتنی بر داده استفاده کنند.
• دانشجویان و پژوهشگران: ارزشمند برای دانشجویان و پژوهشگرانی که به تحلیل داده در پروژه‌ها، تحقیقات یا مطالعات دانشگاهی نیاز دارند.