لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
راهنمای کامل پایتون برای مهندسی داده: از مبتدی تا پیشرفته
Complete Guide to Python for Data Engineering: From Beginner to Advanced
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
قبل از پیشرفت به موضوعات پیشرفته تر مخصوص مهندسی داده، با اصول اولیه پایتون آشنا شوید و اجرا کنید. در این دوره عملی و تعاملی، به مربی دیپاک گویال بپیوندید تا انجام طیف گسترده ای از وظایف مهندسی داده در پایتون را تمرین کنید تا دانش فنی خود را تقویت کنید، برای مصاحبه آماده شوید یا نقش جدیدی را به دست آورید. این دوره شامل چالش های کد است که توسط CoderPad طراحی شده است. چالشهای کد، تمرینهای کدنویسی تعاملی با بازخورد بلادرنگ هستند، بنابراین میتوانید برای پیشبرد مهارتهای کدنویسی خود تمرین کدنویسی را انجام دهید. دیپک به شما کمک می کند تا مهارت های خود را به عنوان یک برنامه نویس پایتون با شش چالش برنامه نویسی خاص تقویت کنید. اصول زبان، مجموعههای پایتون، مدیریت فایل، پانداها، NumPy، OOP و ابزارهای پیشرفته مهندسی دادهای که از پایتون استفاده میکنند را کاوش کنید. این دوره با یک پروژه اصلی متمرکز بر تجزیه و تحلیل خرده فروشی به پایان می رسد.
سرفصل ها و درس ها
مقدمه
Introduction
آنچه شما باید بدانید
What you should know
به دوره خوش آمدید
Welcome to the course
تور کودرپد
CoderPad tour
1. مبانی پایتون
1. Python Basics
توابع
Functions
دستکاری رشته
String manipulation
رسیدگی به خطا
Error handling
مقدمه ای بر پایتون و مهندسی داده
Introduction to Python and data engineering
راه حل: شرایط
Solution: Conditions
عملگرها و عبارات
Operators and expressions
ساختارهای کنترلی
Control structures
متغیرها و انواع داده ها
Variables and data types
ماژول ها و بسته ها
Modules and packages
راه اندازی محیط پایتون
Setting up your Python environment
کاربرگ Google Colab را کاوش کنید
Explore the Google Colab worksheet
2. مجموعه های پایتون
2. Python Collections
مجموعه های پایتون: دیکشنری ها
Python collections: Dictionaries
راه حل: مجموعه ها
Solution: Collections
مجموعه های پایتون: لیست ها
Python collections: Lists
مجموعه های پایتون: تاپل ها
Python collections: Tuples
نمای کلی مجموعه
Collection overview
مجموعه های پایتون: مجموعه ها
Python collections: Sets
3. مدیریت فایل پایتون
3. Python File Handling
نمای کلی فایل ورودی/خروجی
File I/O overview
کار با فایل های JSON
Working with JSON files
راه حل: مدیریت فایل
Solution: File handling
کار با فایل های CSV
Working with CSV files
4. Pandas DataFrame API
4. pandas DataFrame API
تجسم داده ها
Data visualization
راه حل: پانداها
Solution: pandas
پاکسازی و پیش پردازش داده ها
Data cleaning and preprocessing
دستکاری و تجمیع داده ها
Data manipulation and aggregation
خواندن فایل ها به صورت DataFrame
Read files as DataFrames
یک DataFrame در یک فایل بنویسید
Write a DataFrame to a file
آشنایی با پانداها
Introduction to pandas
5. NumPy
5. NumPy
جبر خطی و آمار
Linear algebra and statistics
ایجاد آرایه و ویژگی ها
Array creation and attributes
یک آرایه NumPy در یک فایل بنویسید
Write a NumPy array to a file
نمایه سازی و برش
Indexing and slicing
مقدمه ای بر NumPy
Introduction to NumPy
عملیات آرایه
Array operations
راه حل: NumPy
Solution: NumPy
6. OOP با پایتون
6. OOP with Python
راه حل: OOP
Solution: OOP
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
7. مهندسی داده های پیشرفته
7. Advanced Data Engineering
نکاتی برای نوشتن کد پایتون کارآمد
Tips to write efficient Python code
در محل در مقابل مهندسی داده ابری
On-premises vs. cloud data engineering
هادوپ چیست؟
What is Hadoop
ETL در دنیای مهندسی داده چیست؟
What is ETL in the data engineering world?
اهمیت ابزارهای تجسم در مهندسی داده
Importance of visualization tools in data engineering
PySpark برای مهندسی داده را بدانید
Understand PySpark for data engineering
8. Web Scraping با پایتون
8. Web Scraping with Python
والدین، فرزندان و فرزندان HTML
HTML parents, children, and descendants
اصول اولیه سوپ زیبا
BeautifulSoup basics
نصب BeautifulSoup
Installing BeautifulSoup
خراش وب را درک کنید
Understand web scraping
مبانی HTML
HTML basics
HTML را از یک صفحه وب دریافت کنید
Get HTML from a web page
صفحه وب را خراش دهید
Scrape the web page
داده ها را به عنوان یک فایل TXT صادر کنید
Export data as a TXT file
9. توابع داخلی پیشرفته
9. Advanced Built-in Functions
ژنراتورها در پایتون
Generators in Python
تکرارپذیرها در پایتون
Iterables in Python
کلاس های مولد پایتون و تکرار کننده ها
Python generator classes and iterators
توابع any() و all() در پایتون
any() and all() functions in Python
توابع filter() و map().
filter() and map() functions
لینکدین: شبکه اجتماعی حرفهای برای ارتباط و کارآفرینی
لینکدین به عنوان یکی از بزرگترین شبکههای اجتماعی حرفهای، به میلیونها افراد در سراسر جهان این امکان را میدهد تا ارتباط برقرار کنند، اطلاعات حرفهای خود را به اشتراک بگذارند و فرصتهای شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان میدهد تا رزومه حرفهای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمنها و گروههای حرفهای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهرهمند شوند.
لینکدین همچنین به کارفرمایان امکان میدهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفهای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصتهای شغلی و گسترش شبکه حرفهای خود، نقش مهمی را ایفا میکند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفهای در دنیای امروز مورد توجه قرار دارد.
Deepak بیش از سیزده سال تجربه فناوری اطلاعات و بیش از ده سال تجربه در زمینه های بزرگ دارد. دنیای داده دیپک به شرکتها کمک میکند تا کسبوکار خود را با معماری مبتنی بر داده و پلتفرمهای دادهای که از ابر مدیریت میشوند، توسعه دهند. دیپک عاشق نوشتن در مورد فناوریهای Azure مانند Data Factory، DataBricks و Snowflake Data Ware است. میتوانید در وبلاگ فنی با رتبهی بالای او، جایی که او توصیهها و بینشهایی را برای کمک به پیشرفت دیگران در این زمینه ارائه میدهد، و همچنین در YouTube و LinkedIn، جایی که او ویدیوهای آموزشی در Hadoop، pySpark، Azure و موارد دیگر تولید میکند، بیابید.
نمایش نظرات