آموزش طراحی برنامه‌های بزرگ‌تر پایتون برای علم داده - آخرین آپدیت

دانلود Designing Larger Python Programs for Data Science

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: برنامه‌های مدرن ساختارهای پیچیده‌ای هستند که شامل صدها تا هزاران خط کد می‌شوند، اما چگونه می‌توان به‌طور کارآمد از برنامه‌های کوچک به سمت برنامه‌های قدرتمندتر و پیچیده‌تر حرکت کرد؟ دانشمندان داده چگونه تصادفی بودن مسائل دنیای واقعی را در برنامه‌های خود شبیه‌سازی می‌کنند؟ چه تکنیک‌ها و روش‌های بهینه‌ای را می‌توانید برای طراحی نرم‌افزارهایی که بتوانند حجم عظیم داده‌ها را به‌طور کارآمد مدیریت کنند، به کار بگیرید؟ در این دوره آموزشی از دانشگاه دوک (Duke University)، کاربران پایتون یاد می‌گیرند که چگونه برنامه‌های بزرگ‌تر و چندمنظوره‌ای بسازند که قادر به انجام وظایف پیچیده‌تر باشند. توصیه نمی‌کنیم که این اولین دوره پایتون شما باشد، زیرا ما بخش قابل توجهی از سینتکس‌های خاص برنامه‌نویسی را پوشش خواهیم داد. با این حال، اگر دانش پیش‌نیاز در زمینه جبر مقدماتی، برنامه‌نویسی پایتون و کتابخانه Pandas را داشته باشید، باید بتوانید مطالب این دوره را تکمیل کنید. در ماژول اول، درباره طراحی بالا به پایین (top-down design) برای برنامه‌های بزرگ‌تر، از جمله سینتکس برنامه‌نویسی و تکنیک‌هایی که برای پیوند دادن برنامه‌های بزرگ‌تر به یکدیگر مفید هستند، بحث خواهیم کرد. سپس در ماژول‌های بعدی، به بحث درباره شبیه‌سازی‌های مونت‌کارلو می‌پردازیم و شما را با پروژه پوکر (Poker Project) آشنا می‌کنیم؛ برنامه‌ی بزرگی که تا پایان دوره خواهید ساخت. در پایان این دوره، شما باید بتوانید یک مسئله برنامه‌نویسی را به بخش‌های قابل مدیریت تجزیه کنید، اصول روش‌های مونت‌کارلو را توضیح دهید و قطعات کوچک‌تر کد را به‌طور کارآمد در یک برنامه کامل و بزرگ‌تر ادغام کنید. این امر شما را برای برداشتن قدم بعدی در مسیر دانشمند داده آماده می‌کند: ساخت برنامه‌های پیچیده‌ای که می‌توانند مسائل دنیای واقعی را با خلاقیت بیشتری شبیه‌سازی کنند.

سرفصل ها و درس ها

مقدمه‌ای بر برنامه‌های بزرگ‌تر Introduction to Larger Programs

مقدمه دوره: حرکت به سمت برنامه‌های بزرگ‌تر Course Introduction: Moving on to Larger Programs
مهندسی نرم‌افزار در مقابل تحلیل داده Software Engineering vs. Data Analysis
داستان تصادفی: برنامه‌ریزی Random Story: Planning
داستان تصادفی: از تجزیه (Parsing) تا انواع Blank Random Story: from Parsing to Blank Types
داستان تصادفی: از انواع Blank تا دسته‌بندی‌ها Random Story: from Blank Types to Categories
داستان تصادفی: از دسته‌بندی‌ها تا ارجاع‌های معکوس (Backreferences) Random Story: from Categories to Backreferences