آموزش ضروریات علوم داده: نقشه راه عملی با استفاده از پایتون - آخرین آپدیت

سرفصل ها و درس ها

مهندسی داده و بینش‌های آماری Data Engineering & Statistical Insights

• چرخه حیات علوم داده: استانداردهای صنعت در مقابل تئوری‌های دانشگاهی The Data Science Lifecycle: Industry Standards vs. Academic Theory

• کدنویسی تمیز برای علوم داده: نوشتن پایتون ماژولار و قابل نگهداری Clean Code for Data Science: Writing Maintainable, Modular Python

• تسلط بر Jupyter، VS Code و محیط‌های مجازی (Conda/Venv) Mastering Jupyter, VS Code, and Virtual Environments (Conda/Venv).

• کنترل نسخه با Git: مدیریت آزمایش‌های علوم داده Version Control with Git: Managing Data Science Experiments.

• پایتون پیشرفته برای داده‌ها: Comprehensions، Lambda و Decorators Advanced Python for Data: Comprehensions, Lambda, and Decorators.

• عملی: ساخت محیط؛ اجرای پایتون در Jupyter و VS Code Hands-on: The Environment Build: Running python in Jupyter and VS Code

• مهندسی داده و بینش‌های آماری Data Engineering & Statistical Insights

دستکاری داده‌های با کارایی بالا (Pandas/NumPy) High-Performance Data Manipulation (Pandas/NumPy)

• برداری‌سازی در مقابل تکرار: درک کارایی محاسباتی Vectorization vs. Iteration: Understanding Computational Efficiency.

• پانداس پیشرفته: جداول Pivot، Multi Indexing و منطق Group By Advanced Pandas: Pivot Tables, Multi-Indexing, and Group-By Logic.

• مدیریت داده‌های «کثیف»: استراتژی‌های جایگذاری و شناسایی داده‌های پرت Handling "Dirty" Data: Strategies for Imputation and Outlier Detection.

• عملی: آزمایشگاه پاک‌سازی داده‌ها: تبدیل یک مجموعه داده خام و «شکسته» به داده‌های ارزشمند Hands-on: The Data Cleaning Lab: Transforming a Raw, "Broken" Dataset into Gold.

• دستکاری داده‌های با کارایی بالا (Pandas و NumPy) High-Performance Data Manipulation (Pandas & NumPy)

تحلیل اکتشافی استراتژیک داده‌ها (EDA) Strategic Exploratory Data Analysis (EDA)

• ذهنیت EDA: تولید فرضیه‌ها قبل از بررسی داده‌ها The EDA Mindset: Generating Hypotheses Before Looking at Data.

• بصری‌سازی آماری با Seaborn: نمایش توزیع‌ها و روابط Statistical Viz with Seaborn: Visualizing Distributions and Relationships.

• تحلیل همبستگی: درک هم‌خطی چندگانه و متغیرهای مخدوش‌کننده Correlation Analysis: Understanding Multicollinearity and Confounders.

• خودکارسازی EDA: استفاده از ابزارهای پروفایلینگ و اسکریپت‌های بصری‌سازی سفارشی Automating EDA: Using Profiling Tools and Custom Visualization Scripts.

• عملی: ارائه بینش‌ها: ایجاد استوری‌بورد بصری برای ذینفعان Hands-on: The Insight Presentation: Creating a Visual Storyboard for Stakeholder

• تحلیل اکتشافی استراتژیک داده‌ها (EDA) Strategic Exploratory Data Analysis (EDA)

استخراج و مدیریت داده‌های واقعی Real-World Data Sourcing & Management

• تعامل با REST APIها: استفاده از کتابخانه Requests برای داده‌های زنده Interacting with REST APIs: Using the Requests Library for Live Data.

• عملی: خط لوله ورود خودکار: همگام‌سازی داده‌های زنده API در پایگاه داده Hands-on:The Automated Ingestion Pipeline: Syncing Live API Data into a Database

• استخراج و مدیریت داده‌های واقعی Real-World Data Collection & Management

مبانی آماری و مهندسی ویژگی Statistical Foundations & Feature Engineering

• آمار توصیفی در مقابل استنباطی در محیط تجاری Descriptive vs. Inferential Statistics in a Business Context.

• نرمال‌سازی در مقابل استانداردسازی: چه زمانی و چرا مقیاس‌بندی کنیم Normalization vs. Standardization: When and Why to Scale.

• انتخاب ویژگی: آستانه‌های واریانس، RFE و اطلاعات متقابل Feature Selection: Variance Thresholds, RFE, and Mutual Information.

• کاهش ابعاد: شهود بصری برای PCA و t-SNE Dimensionality Reduction: A Visual Intuition for PCA and T-SNE.

• عملی: کارخانه ویژگی‌ها: مهندسی بیش از ۲۰ ویژگی جدید از داده‌های ۵ ستونی Hands-on: The Feature Factory: Engineering 20+ New Features from a 5-Column Data

• مبانی آماری و مهندسی ویژگی Statistical Foundations & Feature Engineering

یادگیری نظارت شده – رگرسیون و طبقه‌بندی Supervised Learning – Regression & Classification

• مدل‌های غیرخطی: ماشین‌های بردار پشتیبان (SVM) و K-نزدیک‌ترین همسایه Non-Linear Models: Support Vector Machines (SVM) and K-Nearest Neighbors.

• درخت‌های تصمیم: آنتروپی، ناخالصی جینی و هرس کردن درخت Decision Trees: Entropy, Gini Impurity, and Tree Pruning.

• منظم‌سازی: Lasso (L1) و Ridge (L2) برای جلوگیری از Overfitting Regularization: Lasso ($L1$) and Ridge ($L2$) to Prevent Overfitting.

• عملی: ساخت و اعتبارسنجی یک طبقه‌بندی‌کننده جامع (End to End) Hands-on: Building and Validating an End-to-End Classifier.

• یادگیری نظارت شده – رگرسیون و طبقه‌بندی Supervised Learning – Regression & Classification

روش‌های Ensemble و بهینه‌سازی Ensemble Methods & Optimization

• تنظیم هایپرپارامترها: خودکارسازی بهینه‌سازی با Optuna یا GridSearch Hyperparameter Tuning: Automating Optimization with Optuna or GridSearch.

• عملی: دوی سرعت عملکرد: ارتقای دقت مدل از ۷۰٪ به ۹۰٪ Hands-on: The Performance Sprint: Pushing a Model from 70% to 90% Accuracy.

• روش‌های Ensemble و بهینه‌سازی Ensemble Methods & Optimization

ارزیابی، اعتبارسنجی و MLOps Evaluation, Validation & MLOps

• متریک‌های حیاتی: ماتریس‌های اغتشاش، F1 Score و AUC ROC Metrics That Matter: Confusion Matrices, F1-Score, and AUC-ROC.

• استراتژی‌های اعتبارسنجی متقاطع: K-Fold، Stratified و تقسیم‌بندی سری زمانی Cross-Validation Strategies: K-Fold, Stratified, and Time-Series Splits.

• عملی: ساخت API: تبدیل یک مدل یادگیری ماشین به یک سرویس وب Hands-on: The API Build: Wrapping a Machine Learning Model into a Web Service.

• ارزیابی، اعتبارسنجی و MLOps Evaluation, Validation & MLOps