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 هوشمندتر برای یادگیری با گفتگوهای تعاملی و آنی که به شما کمک میکند دانش خود را بسنجید، پیشفرضها را به چالش بکشید و با پیشرفت در دوره، درک خود را عمیقتر کنید.
این دوره برای ارتقای مهارتهای پایتون شما از طریق آموزش نحوه استفاده از کتابخانههای قدرتمند، ابزارها و پروژههای عملی طراحی شده است. شما با کتابخانههای کلیدی پایتون مانند Pandas برای تحلیل داده، NumPy برای محاسبات علمی و Bokeh برای بصریسازی دادهها کار خواهید کرد. علاوه بر این، تجربه عملی در پروژههای دنیای واقعی مانند نقشهبرداری وب و ساخت یک فرهنگ لغت انگلیسی تعاملی را کسب خواهید کرد. چه علاقهمند به خودکارسازی وظایف باشید و چه بخواهید عمیقاً در تحلیل دادهها غرق شوید، این دوره شما را برای مدیریت چالشهای پیچیده با پایتون آماده میکند.
در طول این دوره، ابتدا با تسلط بر دستکاری دادهها با فایلهای CSV، JSON و Excel شروع خواهید کرد. مسیر یادگیری با تمرکز بر محاسبات عددی با استفاده از NumPy و ایجاد نقشههای وب تعاملی با پایتون ادامه مییابد. همچنین پردازش تصویر و ویدیو را بررسی خواهید کرد و توانایی کار با بینایی ماشین و کنترل وبکمها را به دست خواهید آورد. در ماژولهای نهایی، اپلیکیشنهایی توسعه خواهید داد که تحلیل و بصریسازی دادهها را ترکیب میکنند و در نهایت به ساخت یک اپلیکیشن وب تعاملی برای بصریسازی دادهها به صورت آنی ختم میشود.
این دوره برای یادگیرندگان سطح متوسط پایتون که میخواهند دانش خود را با کار بر روی کاربردهای عملی ارتقا دهند، ایدهآل است. شما تخصص عمیقی در کتابخانههای پایتون کسب خواهید کرد و در پایان، برای مدیریت انواع مختلف تحلیل داده و چالشهای برنامهنویسی با استفاده از پایتون مجهز خواهید بود.
در پایان دوره، شما قادر خواهید بود مجموعهدادهها را بارگذاری و تحلیل کنید، دادهها را با استفاده از کتابخانههای پیشرفتهای مانند Pandas، NumPy و Bokeh دستکاری و بصریسازی کنید، اپلیکیشنهای وب تعاملی برای بصریسازی دادهها بسازید و پردازش تصویر و ویدیو را با پایتون مدیریت کنید.
سرفصل ها و درس ها
استفاده از پایتون با فایلهای CSV، JSON و Excel
Using Python with CSV, JSON, and Excel Files
مقدمه بخش
Section Introduction
کتابخانه تحلیل داده "pandas"
The "pandas" Data Analysis Library
شروع کار با Pandas
Getting Started with Pandas
شروع کار با Jupyter
Getting Started with Jupyter
بارگذاری فایلهای CSV
Loading CSV Files
بارگذاری فایلهای Excel
Loading Excel Files
بارگذاری دادهها از فایلهای متنی ساده
Loading Data from Plain Text Files
تنظیم ردیف هدر جدول
Set Table Header Row
تنظیم نام ستونها
Set Column Names
تنظیم ستون ایندکس
Set Index Column
فیلتر کردن دادهها از یک Pandas Data Frame
Filtering Data from a Pandas Data Frame
حذف ستونها و ردیفها
Deleting Columns and Rows
بهروزرسانی و افزودن ستونها و ردیفهای جدید
Updating and Adding New Columns and Rows
مثال تحلیل داده: تبدیل آدرسها به مختصات
Data Analysis Example: Converting Addresses to Coordinates
محاسبات عددی و علمی با پایتون و NumPy
Numerical and Scientific Computing with Python and NumPy
NumPy چیست؟
What Is NumPy?
تبدیل تصاویر به آرایههای NumPy
Convert Images to NumPy Arrays
ایندکسگذاری، برشدهی و پیمایش در آرایههای NumPy
Indexing, Slicing, and Iterating NumPy Arrays
انباشتن و تقسیم آرایههای NumPy
Stacking and Splitting NumPy Arrays
اپلیکیشن ۱: نقشهبرداری وب با پایتون: نقشهبرداری تعاملی جمعیت و آتشفشانها
App 1: Web Mapping with Python: Interactive Mapping of Population and Volcanoes
نمایش دمو از نقشه وب
Demo of the Web Map
ایجاد یک نقشه HTML با پایتون
Creating an HTML Map with Python
افزودن نشانگر (Marker) به نقشه
Adding a Marker to the Map
تمرین حلقه های for با افزودن چندین نشانگر
Practicing "for-loops" by Adding Multiple Markers
تمرین پردازش فایل با افزودن نشانگرها از فایلها
Practicing File Processing by Adding Markers from Files
تمرین دستکاری رشتهها با افزودن متن به پنجره پاپآپ نقشه
Practicing String Manipulation by Adding Text to the Map Popup Window
تمرین توابع با ایجاد تابع تولید رنگ برای نشانگرها
Practicing Functions by Creating a Color Generation Function for Markers
راه حل: افزودن و استایلدهی به نشانگرها
Solution: Add and Stylize Markers
کاوش در دادههای JSON جمعیت
Exploring the Population JSON Data
تمرین دادههای JSON با افزودن لایه نقشه جمعیت از دادهها
Practicing JSON Data by Adding a Population Map Layer from the Data
استایلدهی به لایه جمعیت
Stylizing the Population Layer
افزودن پنل کنترل لایهها
Adding a Layer Control Panel
اپلیکیشن ۲: ساخت یک فرهنگ لغت انگلیسی
App 2: Building an English Thesaurus
نمایش دمو از دیکشنری انگلیسی تعاملی
Demo of the Interactive English Dictionary
شناخت مجموعهداده خود
Know Your Dataset
بارگذاری دادههای JSON
Loading JSON Data
بازگرداندن تعریف یک کلمه
Returning the Definition of a Word
کلمات موجود
Existing Words
کار با کلمات حساس به حروف بزرگ و کوچک
Dealing with Case-Sensitive Words
محاسبه شباهت بین کلمات
Calculating the Similarity Between Words
بهترین تطبیقها از لیست کلمات
Best Matches Out of a List of Words
یافتن شبیهترین کلمه از یک گروه از کلمات
Finding the Most Similar Word from a Group of Words
گرفتن تایید از کاربر
Getting Confirmation from the User
بهینهسازی خروجی نهایی
Optimizing the Final output
رفع خطاهای برنامهنویسی
Fixing Programming Errors
خطاهای سینتکس (Syntax Errors)
Syntax Errors
خطاهای زمان اجرا (Runtime Errors)
Runtime Errors
چگونه خطاهای دشوار را رفع کنیم
How to Fix Difficult Errors
چگونه یک سوال برنامهنویسی خوب بپرسیم
How to Ask a Good Programming Question
ساخت کد برای مدیریت خودکار خطاها
Making the Code Handle Errors by Itself
پردازش تصویر و ویدیو با پایتون
Image and Video Processing with Python
مقدمه
Introduction
بارگذاری، نمایش، تغییر اندازه و ایجاد تصاویر
Loading, Displaying, Resizing, and Creating Images
توضیح بیشتر راه حل
Solution Further Explained
تشخیص چهره در تصاویر
Detecting Faces in Images
ضبط ویدیو با پایتون
Capturing Video with Python
اپلیکیشن ۳: کنترل وبکم و تشخیص اشیاء
App 3: Controlling the Webcam and Detecting Objects
نمایش دمو از اپلیکیشن تشخیص حرکت وبکم
Demo of the Webcam Motion Detector App
تشخیص اشیاء متحرک از طریق وبکم
Detecting Moving Objects from the Webcam
ذخیره برچسبهای زمانی تشخیص اشیاء در فایل CSV
Storing Object Detection Timestamps in a CSV File
بصریسازی تعاملی دادهها با پایتون و Bokeh
Interactive Data Visualization with Python and Bokeh
مقدمهای بر Bokeh
Introduction to Bokeh
اولین نمودار Bokeh شما
Your First Bokeh Plot
استفاده از Bokeh با Pandas
Using Bokeh with Pandas
ایجاد نمودار سری زمانی
Creating a Time-Series Plot
نمونههای بیشتر بصریسازی با Bokeh
More Visualization Examples with Bokeh
رسم فواصل زمانی از دادههای تولید شده توسط اپلیکیشن وبکم
Plotting Time Intervals from the Data Generated by the Webcam App
پیادهسازی قابلیت Hover (نگاه کردن روی نمودار)
Implementing a Hover Feature
اپلیکیشن ۴ (بخش ۱): تحلیل و بصریسازی دادهها با Pandas و Matplotlib
App 4 (Part 1): Data Analysis and Visualization with Pandas and Matplotlib
پیشنمایش نتایج نهایی
Preview of the End Results
کاوش در مجموعهداده با پایتون و Pandas
Exploring the Dataset with Python and Pandas
انتخاب دادهها
Selecting Data
فیلتر کردن مجموعهداده
Filtering the Dataset
فیلتر کردن مبتنی بر زمان
Time-Based Filtering
تبدیل دادهها به اطلاعات
Turning Data into Information
تجمیع و رسم میانگین امتیازها بر حسب روز
Aggregating and Plotting Average Ratings by Day
کاهش نمونهبرداری و رسم میانگین امتیازها بر حسب هفته
Down-sampling and Plotting Average Ratings by Week
کاهش نمونهبرداری و رسم میانگین امتیازها بر حسب ماه
Down-Sampling and Plotting Average Ratings by Month
میانگین امتیازها بر حسب دوره آموزشی در هر ماه
Average Ratings by Course by Month
مردم در چه روزی از هفته شادتر هستند؟
What Day of the Week Are People the Happiest?
انواع دیگر نمودارها
Other Types of Plots
اپلیکیشن ۴ (بخش ۲): تحلیل و بصریسازی دادهها در نمودارهای تعاملی مرورگر
App 4 (Part 2): Data Analysis and Visualization - in-Browser Interactive Plots
مقدمهای بر بخش بصریسازی تعاملی
Introduction to the Interactive Visualization Section
ساخت یک اپلیکیشن وب ساده
Making a Simple Web App
ساخت یک اپلیکیشن وب بصریسازی دادهها
Making a Data Visualization Web App
تغییر برچسبهای نمودار در اپلیکیشن وب
Changing Graph Labels in the Web App
افزودن نمودار سری زمانی به اپلیکیشن وب
Adding a Time-Series Graph to the Web App
نمودارهای سری زمانی متعدد
Multiple Time-Series Plots
نمودار جریان (Streamgraph) برای سریهای زمانی متعدد
Multiple Time-Series Streamgraph
افزودن نمودار دایرهای به اپلیکیشن وب
Adding a Pie Chart to the Web App
نمایش نظرات