آموزش پایتون و پانداز برای مهندسی داده - آخرین آپدیت

شروع کار با پایتون Getting Started with Python

• مروری بر ضروریات پایتون، بش و اس‌کی‌ال برای مهندسی داده Overview of Python, Bash and SQL Essentials for Data Engineering

• آشنایی با مدرس دوره: کندی برمن Meet your Course Instructor: Kennedy Behrman

• مروری بر مفاهیم کلیدی Overview of Key Concepts

• مقدمه‌ای بر راه‌اندازی محیط پایتون Introduction to Setting Up Your Python Environment

• نصب بسته‌ها با استفاده از pip در پایتون Installing Packages with pip in Python

• ذخیره فایل نیازمندی‌ها (Requirements) در پایتون Saving Requirements File in Python

• ایجاد و استفاده از محیط مجازی پایتون Creating and Using a Python Virtual Environment

• عبارات بیانی در پایتون Expression Statements in Python

• عبارات تخصیص در پایتون Assignment Statements in Python

• عبارات Import در پایتون Import Statements in Python

• سایر عبارات ساده در پایتون Other Simple Statements in Python

• عبارات ترکیبی در پایتون Compound Statements in Python

• عبارات شرطی (If) در پایتون If Statements in Python

• حلقه‌های While در پایتون While Loops in Python

• توابع در پایتون Functions in Python

ضروریات پایتون Essential Python

• مقدمه‌ای بر ضروریات پایتون Introduction to Python Essentials

• توالی‌ها در پایتون Sequences in Python

• لیست‌ها و تاپل‌ها در پایتون Lists and Tuples in Python

• رشته‌ها در پایتون Strings in Python

• ایجاد اشیاء Range در پایتون Creating Range Objects in Python

• ایجاد دیکشنری‌ها در پایتون Creating Dictionaries in Python

• دسترسی به داده‌های دیکشنری در پایتون Accessing Dictionary Data in Python

• نماهای دیکشنری (Dictionary Views) در پایتون Dictionary Views in Python

• مجموعه‌ها و عملیات مجموعه‌ای در پایتون Sets and Set Operations in Python

• لیست‌های جامع (List Comprehensions) در پایتون List Comprehensions in Python

• عبارات مولد (Generator Expressions) در پایتون Generator Expressions in Python

• توابع مولد (Generator Functions) در پایتون Generator Functions in Python

داده‌ها در پایتون: پانداز و جایگزین‌ها Data in Python: Pandas and Alternatives

• مقدمه‌ای بر داده‌ها در پایتون: پانداز و جایگزین‌ها Introduction to Data in Python: Pandas and Alternatives

• ایجاد دیتافریم‌های پانداز در پایتون Creating Pandas DataFrames in Python

• بررسی داده‌ها در یک دیتافریم پانداز Investigating Data in a Pandas DataFrame

• انتخاب داده‌ها در یک دیتافریم پانداز Selecting Data in a Pandas DataFrame

• دستکاری دیتافریم‌های پانداز Manipulating Pandas DataFrames

• به‌روزرسانی داده‌های دیتافریم پانداز Updating Pandas DataFrame Data

• اعمال توابع در یک دیتافریم پانداز Applying Functions in a Pandas DataFrame

• ایجاد آرایه‌های NumPy در پایتون Creating NumPy Arrays in Python

• دیتافریم‌های Spark و PySpark در پایتون Spark and PySpark DataFrames in Python

• ایجاد دیتافریم‌های Dask در پایتون Creating Dask DataFrames in Python

محیط‌های توسعه پایتون Python Development Environments

• مقدمه‌ای بر محیط‌های توسعه پایتون Introduction to Python Development Environments

• آشنایی با حالت Normal در Vim Introduction to Vim Normal Mode

• تغییر حالت از Normal به Insert و Visual در Vim Switching from Normal to Insert and Visual Modes in Vim

• کار با خط فرمان Vim Working with the Vim Command Line

• پیکربندی Vim Vim Configuration

• مقدمه‌ای بر Visual Studio Code Introduction to Visual Studio Code

• راه‌اندازی Visual Studio Code Setting Up Visual Studio Code

• دیباگ کردن در Visual Studio Code Debugging Visual Studio Code

• کنترل نسخه چیست؟ What is Version Control?

• مقدمه‌ای بر گیت و مفاهیم Git Introduction to Git and Git Concepts

• کنترل نسخه با GitHub Version Control with GitHub

• جمع‌بندی پایتون و پانداز برای مهندسی داده Summary of Python and Pandas for Data Engineering