Python Powerhouse Gen AI از اصول اولیه تا برنامه نویسی پیشرفته

Python Powerhouse Gen AI From Basics to Advanced Programming

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: شکستن کد هوش مصنوعی با پایتون پایتون: سلاح مخفی برای موفقیت در هوش مصنوعی. API های RESTful را با اصول و مفاهیم پیشرفته Flask Master Flask طراحی و پیاده سازی کنید. استقرار برنامه های Flask در محیط های تولیدی، استقرار برنامه های Flask در محیط های تولیدی. پیش نیازها: دانش اولیه برنامه نویسی پایتون توصیه می شود. هیچ تجربه قبلی در Flask مورد نیاز نیست. دانش اولیه برنامه نویسی پایتون درک HTML، CSS و جاوا اسکریپت (توصیه می شود)

Python Powerhouse Gen AI از اصول اولیه تا برنامه نویسی پیشرفته


به Master the Machine Muse خوش آمدید: برنامه نویسی پایتون برای طراحی هنری مولد، دوره ای جامع که برای ترکیب قلمرو هنر و فناوری از طریق قدرت برنامه نویسی پایتون طراحی شده است. این دوره به دقت برای کسانی طراحی شده است که می خواهند از قابلیت های پایتون و هوش مصنوعی مولد برای ایجاد هنرهای بصری خیره کننده و راه حل های طراحی نوآورانه استفاده کنند.

در این دوره، سفری را آغاز می‌کنید که با اصول پایتون شروع می‌شود و از طریق تکنیک‌های پیشرفته در هنر و طراحی مولد پیشرفت می‌کند. چه مبتدی یا یک برنامه نویس باتجربه باشید، این دوره مسیری ساختاریافته برای تسلط بر ویژگی های ضروری پایتون و استفاده از آنها در زمینه خلاقانه هنر مولد ارائه می دهد.


بخش 1: لیست ها و تاپل ها در پایتون

سفر خود را با درک ساختارهای داده پایه در پایتون - لیست ها و تاپل ها - آغاز کنید. شما چگونگی ایجاد، دستکاری و استفاده موثر از این ساختارها را کشف خواهید کرد. از طریق تمرین‌های عملی و مطالعات موردی، انجام عملیاتی مانند مرتب‌سازی، فهرست‌بندی، و برش فهرست‌ها و همچنین درک ماهیت تغییرناپذیر تاپل‌ها را خواهید آموخت. این بخش یک پایه محکم در انواع داده های اصلی پایتون فراهم می کند که برای هر کار برنامه نویسی پیشرفته ضروری است.


بخش 2: مجموعه ها و دیکشنری ها در پایتون

در ساختارهای داده پیشرفته‌تر کاوش کنید: مجموعه‌ها و واژه‌نامه‌ها. تعریف و دستکاری مجموعه ها، مدیریت عملیات های مختلف مانند اتحاد، تقاطع و تفاوت و مدیریت فرهنگ لغت ها با جفت های کلید-مقدار را بیاموزید. این بخش شما را به مهارت‌هایی مجهز می‌کند تا سناریوهای داده‌های پیچیده‌تر را مدیریت کنید و استراتژی‌های مدیریت داده خود را بهینه کنید.


بخش 3: دستکاری تاریخ و زمان

به هنر مدیریت داده های تاریخ و زمان با پایتون مسلط شوید. شما یاد خواهید گرفت که چگونه اشیاء تاریخ-زمان را قالب بندی و دستکاری کنید، اجزای معنی دار را استخراج کنید و این مهارت ها را در سناریوهای داده های دنیای واقعی به کار ببرید. این بخش شامل یک مطالعه موردی در مورد پیش‌بینی ریزش مشتری است، که در آن شما پیش‌پردازش داده‌ها و تکنیک‌های مهندسی ویژگی‌هایی را که برای تجزیه و تحلیل دقیق داده‌ها حیاتی هستند، تمرین خواهید کرد.


بخش 4: برنامه نویسی عملکردی

پاردایم‌های برنامه‌نویسی کاربردی را با پایتون، با تمرکز بر توابع لامبدا، نقشه‌برداری، کاهش و فیلتر کردن عملیات کاوش کنید. نحوه به کارگیری این مفاهیم برای ساده کردن کد و انجام تبدیل داده های کارآمد را بدانید. این بخش با ارائه مثال‌ها و کاربردهای عملی، به روش‌های برنامه‌نویسی کاربردی اشاره می‌کند.


بخش 5: برنامه نویسی پیشرفته پایتون

تخصص پایتون خود را با مفاهیم برنامه نویسی پیشرفته مانند بازگشت، مهندسی ویژگی ها و تجزیه و تحلیل داده ها گسترش دهید. شما با استفاده از روش‌های تکراری و بازگشتی، با مشکلاتی مانند محاسبات دست دادن مقابله خواهید کرد و یاد خواهید گرفت که ویژگی‌های تاریخ-زمان را برای مدل‌های یادگیری ماشین مهندسی کنید. این بخش همچنین شامل نگاهی عمیق به مجموعه داده IRIS است که درک شما از معیارهای ارزیابی مانند دقت، فراخوان و AUC ROC را افزایش می‌دهد.


بخش 6: کتابخانه‌های پایتون و تجزیه و تحلیل داده‌ها

در استفاده از کتابخانه‌های استاندارد پایتون برای عملیات‌های ریاضی، تولید اعداد تصادفی و مدیریت فایل مهارت کسب کنید. تکنیک‌های تجزیه و تحلیل داده‌های اکتشافی را از طریق مثال‌های عملی، مانند تجزیه و تحلیل بازی فوتبال، کاوش کنید و نحوه مدیریت و پاکسازی مؤثر داده‌ها را درک کنید.


بخش 7: تکنیک‌های پیشرفته تجسم داده‌ها

تکنیک های تجسم پیشرفته را برای تفسیر و ارائه بینش داده ها بیاموزید. این بخش نمودارهای توزیع، نمودارهای KDE، نمودارهای مشترک و شناسایی نقاط پرت را پوشش می دهد. شما مهارت‌هایی را برای ایجاد نمایش‌های بصری قانع‌کننده از داده‌ها، کمک به تحلیل و داستان‌گویی، توسعه خواهید داد.


بخش 8: ساخت و ارزیابی مدل

در نهایت، مهارت‌های خود را برای ساخت و ارزیابی مدل‌های یادگیری ماشین به کار ببرید. فرآیند پیش پردازش داده ها، آموزش مدل و ارزیابی را با تمرکز بر رگرسیون لجستیک بیاموزید. معیارهای ارزیابی کلیدی و نحوه تفسیر آنها برای بهبود عملکرد مدل خود را بدانید.


در پایان این دوره، درک قوی از برنامه نویسی پایتون و کاربرد آن در هنر و طراحی مولد خواهید داشت. شما به مهارت هایی برای ایجاد هنرهای نوآورانه، مدیریت داده های پیچیده و به کارگیری تکنیک های پیشرفته برای مشکلات دنیای واقعی مجهز خواهید شد. این که آیا قصد دارید حرفه ای در علم داده، هنر یا طراحی دنبال کنید، این دوره مهارت های اساسی و پیشرفته مورد نیاز برای برتری در این زمینه ها را ارائه می دهد.


سرفصل ها و درس ها

مقدمه ای بر پایتون و لیست ها و اصول پایه پایتون برای هنرمندان Introduction To Python And Lists And Python Fundamentals Basics for Artists

  • فهرست‌های پایتون: بلوک‌های ساختمانی برای فهرست‌های داده‌های خلاقانه و عملیات پایه Python Lists: Building Blocks for Creative Data Lists and Basic Operations

  • دستکاری لیست و برنامه های کاربردی آزادسازی خلاقیت با لیست های پایتون List Manipulation and Applications Unleashing Creativity with Python Lists

  • تاپل ها و تجزیه و تحلیل داده ها برای هنرمندان و تجزیه و تحلیل داده ها Tuples and Data Analysis for Artists and Data Analysis

ساختارهای داده برای کدنویسی خلاق ساختارهای داده ضروری Data Structures for Creative Coding Essential Data Structures

  • مجموعه ها: پایه ای برای مجموعه های هنری منحصر به فرد و عملیات مجموعه Sets: A Foundation for Unique Art Sets and Set Operations

  • سازماندهی هنر خود با دیکشنری ها و سازماندهی داده ها Organizing Your Art with Dictionaries and Data Organization

  • متن به عنوان هنر: دستکاری رشته در رشته های پایتون و دستکاری متن Text as Art: String Manipulation in Python Strings and Text Manipulation

تجزیه و تحلیل داده ها و تجسم هنر مبتنی بر داده Data Analysis and Visualization Data-Driven Art

  • کار با زمان: دستکاری زمان در زمان دستکاری پایتون Working with Time: Datetime Manipulation in Python Datetime Manipulation

  • رونمایی از داستان های داده کاوش و پاکسازی داده ها Unveiling Data Stories Data Exploration and Cleaning

  • تجسم داده ها، تجسم داده های هنری الهام بخش Visualizing Data, Inspiring Art Data Visualization

بلوک های سازنده خلاقیت: توابع و توابع پارادایم های برنامه نویسی Building Blocks of Creativity: Functions and Programming Paradigms Functions

  • نقشه، کاهش و تسخیر: ملزومات برنامه نویسی کاربردی Map, Reduce, and Conquer: Functional Programming Essentials

  • بلوک های سازنده خلاقیت: توابع در پایتون Building Blocks of Creativity: Functions in Python

  • تسلط بر عملکرد: استدلال ها، دامنه و فراتر از آن Function Mastery: Arguments, Scope, and Beyond

بازگشتی و متغیرهای جهانی Recursion and Global Variables

  • هنر بازگشتی: باز کردن قفل الگوها با پایتون Recursive Art: Unlocking Patterns with Python

  • زمان به عنوان یک ویژگی: ویژگی های تاریخ-زمان مهندسی Time as a Feature: Engineering Date-Time Attributes

  • رونمایی از مجموعه داده عنبیه: طبقه بندی و ارزیابی Unveiling the Iris Dataset: Classification and Evaluation

کتابخانه های استاندارد و EDA Standard Libraries and EDA

  • مجموعه ابزار پایتون: کتابخانه های ریاضی ضروری و تصادفی Python's Toolkit: Essential Math and Random Libraries

  • کاوش در داده های شما: مدیریت فایل و EDA Exploring Your Data: File Handling and EDA

  • یافتن الگوها: همبستگی و تجسم Finding Patterns: Correlation and Visualization

توزیع و تشخیص بیرونی Distribution and Outlier Detection

  • درک شکل داده های شما: نمودارهای توزیع Understanding Your Data's Shape: Distribution Plots

  • تشخیص موارد غیرمعمول: تکنیک های تشخیص بیرونی Spotting the Unusual: Outlier Detection Techniques

  • تسلط بر موارد پرت: تشخیص و مدیریت پیشرفته Mastering Outliers: Advanced Detection and Handling

پیش پردازش داده ها و ساخت مدل Data Preprocessing and Model Building

  • آماده سازی داده های خود برای هنر: تکنیک های پیش پردازش Preparing Your Data for Art: Preprocessing Techniques

  • الگوهای پیش بینی: رگرسیون لجستیک برای هنرمندان Predictive Patterns: Logistic Regression for Artists

  • Bootcamp توسعه وب Flask: ساخت برنامه های قوی با پایتون Flask Web Development Bootcamp: Build Robust Applications with Python

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

Python Powerhouse Gen AI از اصول اولیه تا برنامه نویسی پیشرفته
جزییات دوره
3 hours
24
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,504
5 از 5
ندارد
دارد
دارد
Akhil Vydyula
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Akhil Vydyula Akhil Vydyula

Full Stack Data Scientist

سلام!

اسم من Akhil Vydyula است، من یک دانشمند داده هستم

من قبلاً روی تجزیه و تحلیل داده های BFSI کار کرده بودم و مهارت های مدل سازی برای نظارت بر چرخه تمام عمر توسعه و اجرا. او دارای توانایی قوی است.

قابلیت بحث در مورد داده ها، مهندسی ویژگی، توسعه الگوریتم، آموزش مدل و پیاده سازی.

مهارت ها و شایستگی ها

دانش و تجربه تخصصی با برنامه نویسی C/C++/python و SQL.

باید قادر به یادگیری و اجرای سریع و موثر فناوری های جدید باشد.

مهارت های ریاضی عالی، مهارت های منطقی حل مسئله .

شرکت فعال در هکاتون ها در پلتفرم های مختلف و نوشتن وبلاگ در رسانه.

مهارت های فنی

یادگیری ماشین، پردازش زبان طبیعی (NLP)، Computer Vision، Regression، Multi Label

Classification.Transfer Learning، Transformers، Ensembles، Stacking Classifiers.AutoML، SQL، Python، Keras، Pandas، NumPy، Seaborn، Matplotlib، Clustering، Systems Recommendation ,تحلیل سری زمانی.