آموزش پایتون برای مهندسی داده: از مبتدی تا پیشرفته

معرفی Introduction

• آنچه شما باید بدانید What you should know

• تور کودرپد CoderPad tour

• به دوره خوش آمدید Welcome to the course

1. مبانی پایتون 1. Python Basics

• کاربرگ Google Colab را کاوش کنید Explore a Google Colab worksheet

• رسیدگی به خطا Error handling

• متغیرها و انواع داده ها Variables and data types

• دستکاری رشته String manipulation

• راه اندازی محیط پایتون Setting up your Python environment

• کارکرد Functions

• ساختارهای کنترلی Control structures

• راه حل: شرایط Solution: Conditions

• ماژول ها و بسته ها Modules and packages

• مقدمه ای بر پایتون و مهندسی داده Introduction to Python and data engineering

• عملگرها و عبارات Operators and expressions

2. مجموعه های پایتون 2. Python Collections

• نمای کلی مجموعه Collection overview

• مجموعه های پایتون: دیکشنری ها Python collections: Dictionaries

• مجموعه های پایتون: مجموعه ها Python collections: Sets

• راه حل: مجموعه ها Solution: Collections

• مجموعه های پایتون: تاپل ها Python collections: Tuples

• مجموعه های پایتون: لیست ها Python collections: Lists

3. مدیریت فایل پایتون 3. Python File Handling

• کار با فایل های CSV Working with CSV files

• راه حل: مدیریت فایل Solution: File handling

• نمای کلی فایل ورودی/خروجی File I/O overview

• کار با فایل های JSON Working with JSON files

4. Pandas DataFrame API 4. pandas DataFrame API

• دستکاری و تجمیع داده ها Data manipulation and aggregation

• خواندن فایل ها به صورت DataFrames Read files as DataFrames

• راه حل: پانداها Solution: pandas

• پاکسازی و پیش پردازش داده ها Data cleaning and preprocessing

• تجسم داده ها Data visualization

• آشنایی با پانداها Introduction to pandas

• DataFrames را به صورت فایل بنویسید Write DataFrames as files

5. NumPy 5. NumPy

• مقدمه ای بر NumPy Introduction to NumPy

• DataFrames را به صورت فایل بنویسید Write DataFrames as files

• راه حل: NumPy Solution: NumPy

• نمایه سازی و برش Indexing and slicing

• جبر خطی و آمار Linear algebra and statistics

• عملیات آرایه Array operations

• ایجاد آرایه و ویژگی ها Array creation and attributes

6. OOP با پایتون 6. OOP with Python

• پیاده سازی: کلاس ها و اشیاء در پایتون Implementation: Classes and objects in Python

• درک کلاس ها و اشیا Understanding classes and objects

• ویژگی های OOP را درک کنید: انتزاع، وراثت و موارد دیگر Understand OOP features: Abstraction, inheritance, and more

• راه حل: OOP Solution: OOP

7. مهندسی داده های پیشرفته 7. Advanced Data Engineering

• اهمیت ابزارهای تجسم در DE Importance of visualization tools in DE

• مهندسی داده On-prem در مقابل ابر On-prem vs. cloud data engineering

• ETL در دنیای مهندسی داده چیست؟ What is ETL in the data engineering world?

• نکاتی برای نوشتن کد پایتون کارآمد Tips to write efficient Python code

• PySpark برای مهندسی داده را بدانید Understand PySpark for data engineering

• هادوپ چیست؟ What is Hadoop?

8. پروژه Capstone 8. Capstone Project

• راه حل: پروژه Capstone Solution: Capstone project

• پروژه Capstone: تجزیه و تحلیل خرده فروشی Capstone project: Retail sales analysis

نتیجه Conclusion

• مراحل بعدی Next steps