آموزش برای جلوگیری از اشتباهات علم داده پایتون

سرفصل ها و درس ها

مقدمه Introduction

• اجتناب از اشتباهات رایج پایتون Avoiding common Python mistakes

• بیشترین بهره را از این دوره بگیرید Getting the most from this course

1. از اشتباه در شیوه های کدگذاری خودداری کنید 1. Avoid Mistakes in Coding Practices

• نظر ننوشتن Not writing comments

• فهرست شما را سازماندهی نمی کند Not organizing your directory

• آزمایش نکردن Not testing

• عدم اشتراک داده های ارجاع شده در کد Not sharing data referenced in code

• رمزگذاری سخت مسیرهای غیرقابل دسترسی Hard coding inaccessible paths

• تقابل نام با کتابخانه استاندارد پایتون Name clashing with Python standard library

• وارد کردن کتابخانه ها و ماژول های مربوطه Not importing relevant libraries and modules

• نامگذاری مبهم Naming vaguely

2. از اشتباهات در ساختار ساختار خودداری کنید 2. Avoid Mistakes in Structuring Code

• تغییر لیستی در حالی که روی آن تکرار می شود Modifying a list while iterating over it

• استفاده از حلقه ها به جای توابع بردار شده Using for loops instead of vectorized functions

• استفاده از متغیرهای کلاس در مقابل متغیرهای نمونه Using class variables vs. instance variables

• فراخوانی توابع قبل از تعریف Calling functions before defining

• ایجاد وابستگی های دایره ای Creating circular dependencies

3. از اشتباه در مدیریت داده ها خودداری کنید 3. Avoid Mistakes in Handling Data

• عدم انتخاب ساختار داده مناسب Not choosing the right data structure

• داده های لاغری Skimming data

• عدم استفاده از نوع تجسم مناسب Not using the right visualization type

• مخاطب قرار دادن خارج نیست Not addressing outliers

• مجموعه داده شما به روز نمی شود Not updating your dataset

• تمیز نکردن داده ها Not cleaning data

4- از اشتباه در یادگیری ماشین پرهیز کنید 4. Avoid Mistakes in Machine Learning

• استفاده از ویژگی هایی که بعداً در دسترس نخواهند بود Using features that will be unavailable later

• با استفاده از ویژگی های زاید Using redundant features

نتیجه Conclusion

• با پایتون شروع کنید Get started with Python