لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش برنامهنویسی پایتون و کتابخانههای تحلیل داده (Data Science)
- آخرین آپدیت
دانلود Python Programming And Libraries for Data Science
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره دارای قابلیت Coursera Coach است! روشی هوشمندانهتر برای یادگیری با گفتگوهای تعاملی و لحظهای که به شما کمک میکند دانش خود را آزمایش کنید، پیشفرضها را به چالش بکشید و در حین پیشروی در دوره، درک خود را عمیقتر کنید.
در این دوره جامع، شما برنامهنویسی پایتون را با تمرکز ویژه بر کتابخانههای قدرتمند علم داده (Data Science) کاوش خواهید کرد. شما تجربه عملی با کتابخانههای ضروری پایتون مانند NumPy، Pandas، Matplotlib و Seaborn کسب کرده و میآموزید که چگونه از این ابزارها در تحلیل و بصریسازی دادهها بهره ببرید. از طریق مثالهای جذاب و تمرینهای کاربردی، یاد میگیرید که چگونه دادهها را به طور بهینه مدیریت کنید، محاسبات را انجام دهید و بصریسازیهای خیرهکنندهای خلق کنید.
همچنین در مباحث برنامهنویسی شیگرا (OOP) عمیق شده و مفاهیم کلیدی مانند کلاسها، اشیاء، ارثبری و چندریختی را به طور کامل فرا خواهید گرفت. این دوره شما را گامبهگام در فرآیند نوشتن کدهای تمیز و ماژولار راهنمایی میکند و همزمان مهارتهای حل مسئله شما را ارتقا میدهد. در کنار OOP، بینشهای ارزشمندی در مورد مدیریت فایلها و مدیریت استثناها (Exception Handling) به دست خواهید آورد که برای ایجاد برنامههای کاربردی و مقاوم در پایتون ضروری هستند.
این دوره برای هر کسی که به علم داده علاقه دارد، چه در ابتدای مسیر برنامهنویسی باشد و چه به دنبال ارتقای مهارتهای خود، ایدهآل است. محتوای دوره برای مبتدیان مناسب است، هرچند داشتن دانش قبلی از مفاهیم برنامهنویسی مفید خواهد بود. رویکرد عملی این دوره تضمین میکند که بتوانید بلافاصله مهارتهای جدید خود را در پروژههای واقعی به کار بگیرید و پایهای قوی در پایتون بسازید.
در پایان این دوره، شما قادر خواهید بود از کتابخانههای پایتون برای دستکاری و بصریسازی دادهها استفاده کنید، اصول شیگرایی را در کدنویسی پیادهسازی نمایید، فایلها و خطاها را به طور موثر مدیریت کنید و برنامههای پایتونی پویا برای تحلیل دادههای واقعی خلق کنید.
سرفصل ها و درس ها
کار با کتابخانهها در کولب
Working with Libraries in Colab
کتابخانهها در پایتون
Libraries in Python
نصب کتابخانهها در کولب
Installing Libraries in Colab
پروژه عملی: استفاده از NumPy برای عملیات ماتریسی
Hands-on - Use NumPy to perform matrix operations
پروژه عملی: بارگذاری مجموعه داده CSV در Pandas و تحلیل آن
Hands-on - Load a CSV dataset into a Pandas Data Frame and perform Analysis
پروژه عملی: ایجاد نمودار خطی و ستونی با Matplotlib برای بصریسازی دادهها
Hands-on - Create a line plot and a bar chart using Matplotlib to visualize data
پروژه عملی: استفاده از Seaborn برای ایجاد نمودار پراکندگی با خط رگرسیون
Hands-On - Use Seaborn to create a scatter plot with a regression line
مدیریت فایل: کار با انواع مختلف فایلها
File Handling - Working with Different file types
خطاها و استثناها
Errors and Exceptions
بلاکهای Try و Except
Try and Except Blocks
ایجاد استثنا (Raising Exceptions)
Raising Exceptions
استثناهای سفارشی
Custom Exceptions
پروژه عملی: نوشتن برنامهای برای خواندن فایل متنی و شمارش تعداد کلمات
Hands On - Write a program to read a text file and count the number of words
پروژه عملی: نوشتن برنامهای برای خواندن فایل CSV و محاسبه میانگین یک ستون
Hands On - Write a program to read a CSV file and calculate the average of a column
پروژه عملی: ایجاد برنامهای برای مدیریت خطاهای احتمالی
Hands On - Create a program to handle potential errors
پروژه عملی: پیادهسازی استثنای سفارشی برای فرمتهای نامعتبر فایل
Hands On - Implement a custom exception for invalid file formats
نمایش نظرات