آموزش گوگل کولب (Google Colab) برای علوم داده و هوش مصنوعی با پایتون [ویدئویی] - آخرین آپدیت

دانلود Google Colab for Data Science & AI using Python [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره با بررسی ریشه‌های پایتون و دلیل تبدیل شدن آن به یکی از محبوب‌ترین زبان‌های برنامه‌نویسی آغاز می‌شود. در این دوره، عوامل کلیدی موفقیت پایتون مانند سادگی، تطبیق‌پذیری و جامعه فعال کاربران بررسی خواهد شد. پس از یادگیری مبانی، شما وارد دنیای برنامه‌نویسی عملی پایتون با استفاده از گوگل کولب خواهید شد؛ ابزاری ابری که به شما اجازه می‌دهد بدون نیاز به نصب هیچ نرم‌افزاری روی سیستم، کدنویسی کنید. همزمان با پیشروی در دوره، پارادایم‌های مختلف برنامه‌نویسی از جمله برنامه‌نویسی رویه‌ای (Procedural)، شیءگرا (OOP) و تابعی (Functional) را همراه با مثال‌های واقعی بررسی خواهید کرد. مفاهیم کلیدی پایتون مانند متغیرها، انواع داده‌ها، توابع و جریان‌های کنترلی به طور کامل پوشش داده می‌شوند. همچنین یاد می‌گیرید که چگونه با ساختارهای داده پیشرفته مانند لیست‌ها، تاپل‌ها، دیکشنری‌ها و مجموعه‌ها برای مدیریت داده‌های پیچیده کار کنید. علاوه بر این، در تحلیل داده‌ها عمیق شده و با استفاده از کتابخانه‌هایی مانند Pandas، NumPy، Matplotlib و Seaborn، بصری‌سازی داده‌ها را خواهید آموخت. این دوره با مباحث پیشرفته‌ای نظیر اصول OOP، مدیریت فایل‌ها، مدیریت استثناها و یکپارچه‌سازی API ادامه می‌یابد. همچنین قابلیت‌های پایتون برای تحلیل داده‌های تعاملی با استفاده از Plotly را بررسی خواهید کرد. چه به دنبال اتوماسیون وظایف باشید، چه تحلیل داده یا ساخت اپلیکیشن‌های وب، این دوره شما را به مهارت‌های لازم برای پروژه‌های واقعی پایتون مجهز می‌کند. آنچه در این دوره می‌آموزید: - درک ریشه‌ها، تکامل و رشد جامعه پایتون - به‌کارگیری پارادایم‌های برنامه‌نویسی رویه‌ای، شیءگرا و تابعی - تسلط بر مفاهیم اصلی مانند متغیرها، انواع داده‌ها و توابع - کار با ساختارهای داده پیشرفته (لیست، تاپل و دیکشنری) - تحلیل داده‌ها با Pandas، NumPy و ابزارهای بصری‌سازی - پیاده‌سازی مدیریت استثناها و مدیریت فایل‌ها در پایتون این دوره برای مبتدیانی که هیچ تجربه برنامه‌نویسی ندارند و می‌خواهند پایتون را بیاموزند و همچنین یادگیرندگان سطح متوسطی که قصد ارتقای مهارت‌های خود را دارند، ایده‌آل است. همچنین برای دانشمندان داده، تحلیلگران و مهندسان نرم‌افزاری که هدفشان استفاده از پایتون برای دستکاری، تحلیل و بصری‌سازی داده‌هاست، بسیار مناسب است. چه دانشجو باشید، چه متخصصی در حال تغییر مسیر شغلی به تکنولوژی، یا علاقه‌مند به اتوماسیون و توسعه وب، این دوره مهارت‌های عملی لازم برای موفقیت را در اختیار شما قرار می‌دهد. از مبانی پایتون تا مباحث پیشرفته مانند OOP و API * یادگیری کدنویسی در فضای ابری با گوگل کولب برای دسترسی آسان و همکاری تیمی * کشف نقش پایتون در تحلیل داده‌ها، توسعه وب و اتوماسیون

سرفصل ها و درس ها

مقدمه‌ای بر پایتون و گوگل کولب Introduction to Python and Google Colab

  • ریشه‌ها و تکامل پایتون Origins and evolution of Python

  • چرا پایتون محبوب است؟ Why Python is popular?

  • مقایسه پایتون با سایر زبان‌های برنامه‌نویسی Compare and contrast Python with other languages

  • نمایش کاربردهای پایتون در دنیای واقعی Showcase real-world applications

  • برنامه‌نویسی رویه‌ای (Procedural) Procedural Programming

  • برنامه‌نویسی شیءگرا (OOP) Object-Oriented Programming (OOP)

  • برنامه‌نویسی تابعی (Functional) Functional Programming

  • نصب محلی پایتون Local Installation

  • مدیریت وابستگی‌ها (Dependency Management) Dependency Management

  • محیط‌های مجازی (Virtual Environments) Virtual Environments

  • گوگل کولب چیست؟ اهداف و مزایا What is Google Colab? Its purpose & Advantages

  • راه‌اندازی حساب کاربری گوگل کولب Setting up a Google Colab account

  • تور مفصل رابط کاربری کولب (منوها، نوار ابزار، مدیریت فایل) Detailed tour of the Colab interface (menus, toolbar, file explorer)

  • توضیح مفهوم سلول‌ها (Cells) Explain the concept of cells

  • نمایش عملیات پایه سلول‌ها (افزودن، حذف، جابجایی و اجرا) Demonstrate basic cell operations (adding, deleting, moving, running)

  • مبانی پایتون: متغیرها Python Basics - Variables

  • انواع داده‌ها: اعداد صحیح و تبدیل نوع Data Types - Integers & Type Conversion

  • عملگرها: عملگرهای حسابی، مقایسه‌ای و منطقی Operators - Arithmetic, Comparison & Logical Operators

  • کار با رشته‌ها (String Manipulations) String Manipulations

  • تابع ()Input Input() Function

  • تابع ()Print Print() Function

  • کامنت‌گذاری در پایتون Comments in Python

  • دستورالعمل‌های استایل کدنویسی پایتون (PEP 8) Python Code Style Guidelines

  • تمرین عملی: نوشتن برنامه‌ای برای دریافت نام کاربر و خوش‌آمدگویی Hands On - Write a program that takes the user's name as input and greets them

  • تمرین عملی: نوشتن برنامه‌ای برای انجام عملیات ریاضی پایه Hands On - Write a program that performs basic arithmetic operations

  • تمرین عملی: قالب‌بندی نوت‌بوک Hands On - Format the Notebook

ماژول ۲: جریان کنترل و توابع Module 2: Control Flow and Functions

  • دستورات شرطی: If, Elif, Else Conditional Statements: If, Elif, Else

  • دستورات شرطی: Ifهای تو در تو Conditional Statements: Nested If Statements

  • حلقه‌ها: حلقه For Loops: For Loop

  • حلقه‌ها: حلقه While Loops: While Loop

  • حلقه‌ها: حلقه‌های تو در تو Loops: Nested Loops

  • دستورات کنترل حلقه: Break Loop Control Statements: Break

  • دستورات کنترل حلقه: Continue Loop Control Statements: Continue

  • دستورات کنترل حلقه: Pass Loop Control Statements: Pass

  • توابع: تعریف تابع Functions: Definition

  • توابع: پارامترها و مقادیر بازگشتی Functions: Parameter and Return Values

  • توابع: آرگومان‌های پیش‌فرض Functions: Default Arguments

  • توابع: آرگومان‌های کلیدواژه‌ای Functions: Keyword Arguments

  • توابع: محدوده متغیرها (Scope) Functions: Scope of Variables

  • توابع لَمبدا: توابع ناشناس Lambda Functions: Anonymous Functions

  • توابع لَمبدا: سینتکس توابع لَمبدا Lambda Functions: Syntax of Lambda Functions

  • توابع لَمبدا: موارد استفاده Lambda Functions: Use Cases

  • تمرین عملی: نوشتن تابعی برای محاسبه فاکتوریل یک عدد Hands On - Write a function to calculate the factorial of a number

  • تمرین عملی: نوشتن تابعی برای بررسی اول بودن عدد Hands On - Write a function to check if a number is prime

  • تمرین عملی: نوشتن تابعی برای معکوس کردن یک رشته Hands On - Write a function to reverse a string

  • تمرین عملی: ایجاد تابعی برای محاسبه مساحت اشکال مختلف Hands On - Create a function to calculate the area of different shapes

ماژول ۳: ساختارهای داده Module 3: Data Structures

  • لیست‌ها: ایجاد لیست با استفاده از کروشه [] Lists: Creating lists using Square brackets

  • لیست‌ها: ایندکس‌گذاری و برش (Slicing) Lists: Indexing and slicing accessing elements by their position

  • لیست‌ها: تغییر دادن لیست‌ها Lists: Modifying Lists

  • لیست‌ها: متدهای لیست Lists: List Methods

  • لیست‌ها: List Comprehensions Lists: List Comprehensions

  • لیست‌ها: پیمایش روی لیست‌ها Lists: Iterating over Lists

  • تاپل‌ها: ایجاد تاپل با استفاده از پرانتز () Tuples: Creating tuples using Parentheses()

  • تاپل‌ها: دسترسی به عناصر Tuples: Accessing Elements

  • تاپل‌ها: تغییرناپذیری (Immutability) Tuples: Immutability

  • تاپل‌ها: موارد استفاده از تاپل Tuples: Tuples use cases

  • دیکشنری‌ها: ایجاد دیکشنری Dictionaries: Creating Dictionaries

  • دیکشنری‌ها: دسترسی به مقادیر Dictionaries: Accessing Values

  • دیکشنری‌ها: تغییر دادن دیکشنری‌ها Dictionaries: Modifying Dictionaries

  • دیکشنری‌ها: متدهای دیکشنری Dictionaries: Dictionary Methods

  • دیکشنری‌ها: Dictionary Comprehensions Dictionaries: Dictionary Comprehensions

  • دیکشنری‌ها: پیمایش روی دیکشنری‌ها Dictionaries: Iterating over Dictionaries

  • مجموعه‌ها (Sets): پیمایش روی مجموعه‌ها Sets: Iterating over Dictionaries

  • مجموعه‌ها: ویژگی یکتا بودن Sets: Uniqueness

  • عملیات روی مجموعه‌ها Set Operations

  • متدهای مجموعه (Set Methods) Set Method

  • تمرین عملی: ایجاد دیکشنری برای ذخیره اطلاعات دانشجویان Hands On - Create a dictionary to store student information

  • تمرین عملی: استفاده از مجموعه‌ها برای یافتن عناصر مشترک بین دو لیست Hands On - Use sets to find common elements between two lists

  • تمرین عملی: پیاده‌سازی سبد خرید با استفاده از دیکشنری Hands On - Implement a shopping cart using a dictionary to store items

  • تمرین عملی: نوشتن برنامه‌ای برای یافتن پرتکرارترین عنصر در یک لیست Hands On - Write a program to find the most frequent element in a list

ماژول ۴: کار با کتابخانه‌ها در کولب Module 4: Working with Libraries in Colab

  • کتابخانه‌ها در پایتون Libraries in Python

  • نصب کتابخانه‌ها در گوگل کولب Installing Libraries in Colab

  • وارد کردن (Import) کتابخانه‌ها Importing the Libraries

  • کتابخانه‌های ضروری: Numpy Essential Libraries: Numpy

  • کتابخانه‌های ضروری: Pandas Essential Libraries: Pandas

  • کتابخانه‌های ضروری: Matplotlib Essential Libraries: Matplotlib

  • کتابخانه‌های ضروری: Seaborn Essential Libraries: Seaborn

  • تمرین عملی: استفاده از NumPy برای عملیات ماتریسی Hands-on - Use NumPy to perform matrix operations

  • تمرین عملی: بارگذاری مجموعه داده CSV در Pandas و تحلیل آن Hands-on - Load a CSV dataset into a Pandas Data Frame and perform Analysis

  • تمرین 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

  • تمرین عملی: استفاده از Seaborn برای ایجاد نمودار پراکندگی (Scatter plot) با خط رگرسیون Hands-On - Use Seaborn to create a scatter plot with a regression line

ماژول ۵: برنامه‌نویسی شیءگرا (OOP) Module 5: Object-Oriented Programming (OOP)

  • برنامه‌نویسی شیءگرا (OOP) چیست؟ What is OOP

  • اصول برنامه‌نویسی شیءگرا Principles of OOP

  • کلاس‌ها و اشیاء Classes and Objects

  • سازنده‌ها (Constructors) Constructors

  • متغیرهای نمونه (Instance Variables) Instance Variables

  • متدها (Methods) Methods

  • مفاهیم پیشرفته OOP: ارث‌بری (Inheritance) Advanced OOP Concepts - Inheritance

  • مفاهیم پیشرفته OOP: چندریختی (Polymorphism) Advanced OOP Concepts - Polymorphism

  • مفاهیم پیشرفته OOP: کپسوله‌سازی (Encapsulation) Advanced OOP Concepts - Encapsulation

  • مفاهیم پیشرفته OOP: انتزاع (Abstraction) Advanced OOP Concepts - Abstraction

  • ماژول‌ها (Modules) Modules

  • پکیج‌ها (Packages) Packages

  • وارد کردن ماژول‌ها و توابع Importing Modules & Functions

  • تمرین عملی: ایجاد کلاس DOG با ویژگی‌های مختلف Hands On - Create a DOG class with attributes

  • تمرین عملی: ایجاد کلاس CAT و نمایش ارث‌بری Hands On - Create a CAT Class and demonstrate Inheritance

  • تمرین عملی: ساخت یک سیستم بانکی ساده Hands On - Building a Simple Banking System

ماژول ۶: مدیریت فایل‌ها و مدیریت استثناها Module 6: File Handling and Exception Management

  • مدیریت فایل: باز کردن فایل‌ها File Handling - Opening Files

  • مدیریت فایل: خواندن فایل‌ها File Handling - Reading Files

  • مدیریت فایل: نوشتن در فایل‌ها File Handling - Writing Files

  • مدیریت فایل: بستن فایل‌ها File Handling - Closing Files

  • مدیریت فایل: کار با انواع مختلف فایل‌ها File Handling - Working with Different file types

  • خطاها و استثناها (Errors and Exceptions) Errors and Exceptions

  • بلاک‌های Try و Except Try and Except Blocks

  • ایجاد استثناها (Raising Exceptions) Raising Exceptions

  • استثناهای سفارشی (Custom Exceptions) Custom Exceptions

  • تمرین عملی: نوشتن برنامه‌ای برای خواندن فایل متنی و شمارش کلمات Hands On - Write a program to read a text file and count the number of words

  • تمرین 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

  • تمرین عملی: ایجاد برنامه‌ای برای مدیریت خطاهای احتمالی Hands On - Create a program to handle potential errors

  • تمرین عملی: پیاده‌سازی استثنای سفارشی برای فرمت‌های نامعتبر فایل Hands On - Implement a custom exception for invalid file formats

ماژول ۷: پایتون سطح متوسط Module 7: Intermediate Python

  • تکرارکننده‌ها و مولدها: Iterators Iterators and Generators: Iterators

  • تکرارکننده‌ها و مولدها: Generators Iterators and Generators: Generators

  • دکوراتورها (Decorators) Decorators

  • سینتکس: استفاده از علامت @decorator Syntax: Using the @decorator syntax

  • موارد استفاده از دکوراتورها Use Cases of Decorators

  • مدیران زمینه (Context Managers): دستور With Context Managers - The With Statement

  • متدهای enter() و exit(): تعریف مدیران زمینه سفارشی enter() and exit() methods: Defining custom context managers

  • موارد استفاده از مدیران زمینه Use Cases of Context Managers

  • تمرین عملی: ایجاد یک مولد برای تولید اعداد فیبوناتچی Hands On - Create a generator that yields Fibonacci numbers

  • تمرین عملی: نوشتن دکوراتوری برای ثبت زمان فراخوانی توابع (Logging) Hands On - Write a decorator to log function calls with time stamps

  • تمرین عملی: پیاده‌سازی مدیر زمینه برای اطمینان از بسته شدن فایل Hands On - Implement a context manager to ensure a file is always closed

مفاهیم پیشرفته پایتون Advanced Python Concepts

  • مقدمه‌ای بر عبارات منظم (Regular Expressions) Introduction to regular expressions

  • سینتکس پایه Basic syntax

  • ماژول Re The Re Module

  • موارد استفاده از Regex Use Cases

  • API (رابط برنامه‌نویسی کاربردی) چیست؟ What is an API (Application Programming Interface)

  • مقدمه‌ای بر REST APIs Introduction to REST APIs

  • کتابخانه Requests The requests library

  • کلیدهای API و احراز هویت API keys and authentication

  • تمرین عملی: استفاده از عبارات منظم برای اعتبارسنجی ایمیل Hands On - Use regular expressions to validate email addresses

  • تمرین عملی: دریافت داده‌ها از یک API عمومی و نمایش آن Hands On - Fetch data from a public API (e.g., a joke API) and display it

  • تمرین عملی: استفاده از کتابخانه requests برای تعامل با REST API Hands On - Use the requests library to interact with a REST API

تحلیل و بصری‌سازی داده‌ها Data Analysis and Visualization

  • مباحث پیشرفته Pandas Advanced Pandas

  • مقدمه‌ای بر Plotly و بررسی مزایای آن Introduction to Plotly and Explain its advantages

  • نصب: نحوه نصب Plotly در گوگل کولب Installation: Show how to install Plotly in Colab

  • رسم نمودارهای پایه: ایجاد نمودار پراکندگی، خطی و ستونی با Plotly Basic plotting: Create scatter plots, line charts, bar charts with Plotly

  • سفارشی‌سازی: افزودن عنوان، برچسب، راهنما (Legend) و یادداشت‌ها Customization: Add titles, labels, legends, and annotations

  • ویژگی‌های تعاملی: فعال‌سازی زوم، جابجایی (Panning) و رویدادهای کلیک Interactive features: Enable zooming, panning, hovering, and click events

  • نمودارهای پیشرفته: ایجاد نمودارهای سه بعدی، نقشه‌های جغرافیایی و بصری‌سازی‌های پیچیده Advanced plots: Create 3D plots, geographic maps, and other complex visualizations

  • تمرینات عملی ۱ Hands-on Exercises-1

  • تمرینات عملی ۲ Hands-on Exercises-2

نمایش نظرات

آموزش گوگل کولب (Google Colab) برای علوم داده و هوش مصنوعی با پایتون [ویدئویی]
جزییات دوره
19h 24m
141
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Anand Rao Nednur Anand Rao Nednur

Anand Rao Nednur یک مربی فنی ارشد و مشاور ابر است. او حدود 15 سال با شرکت های بزرگ کار کرده است و طیف گسترده ای از فناوری ها را در کارنامه خود دارد. Anand نه تنها در پلتفرم‌های ابری (Azure، AWS و GCP) مهارت دارد، بلکه با IAM، امنیت و اتوماسیون با PowerShell و Python نیز به خوبی آشناست. علاوه بر این، مطالب دوره های مختلف را تدوین و به روز می کند. او به مهندسان بسیاری در معاینات آزمایشگاهی و اخذ گواهینامه کمک کرده است. آناند همچنین یک متخصص باتجربه گواهی است که دارای چندین گواهینامه است و آموزش های تحت رهبری مربی را در چندین ایالت در هند و همچنین چندین کشور مانند ایالات متحده آمریکا، بحرین، کنیا و امارات ارائه کرده است. او به عنوان یک مربی دارای گواهی مایکروسافت در سطح جهانی برای مشتریان شرکت های بزرگ کار کرده است.