راهنمای کامل اصول پایتون برای MLOps

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه ای بر پایتون Introduction to Python

1. کار با متغیرها و انواع 1. Working with Variables and Types

• شرایط و ارزیابی ها Conditionals and evaluations

• گرفتن و رسیدگی به استثناها Catching and handling exceptions

• کار با انواع داده های مختلف Working with different data types

• متغیرها و تکالیف Variables and assignments

• مقدمه درس: کار با متغیرها و انواع Lesson introduction: Working with variables and types

• خلاصه درس: متغیرها و انواع Lesson recap: Variables and types

2. مقدمه ای بر ساختارهای داده 2. Introduction to Data Structures

• سایر ساختارهای داده: تاپل ها و مجموعه ها Other data structures: Tuples and sets

• مقدمه ای بر فرهنگ لغت Introduction to dictionaries

• مقدمه درس: ساختارهای داده پایتون Lesson introduction: Python data structures

• ایجاد و تکرار بر روی لیست ها Creating and iterating over lists

• ایجاد و تکرار بر روی فرهنگ لغت Creating and iterating over dictionaries

• مقدمه ای بر لیست ها Introduction to lists

• خلاصه درس: ساختارهای داده پایتون Lesson recap: Python data structures

3. افزودن و استخراج داده ها از ساختارهای داده 3. Adding and Extracting Data from Data Structures

• خلاصه درس: اضافه کردن و استخراج داده ها Lesson recap: Adding and extracting data

• استخراج داده ها از لیست ها Extracting data from lists

• افزودن داده ها به لیست ها Adding data to lists

• مقدمه درس: اضافه کردن و استخراج داده ها Lesson introduction: Adding and extracting data

• استخراج داده ها از فرهنگ لغت Extracting data from dictionaries

4. توابع و کلاس های پایتون: کار با توابع 4. Python Functions and Classes: Working with Functions

• خلاصه درس: کار با توابع Lesson recap: Working with functions

• ساختار و مقادیر تابع Function structure and values

• مقدمه درس: کار با توابع Lesson introduction: Working with functions

• آرگومان های متغیر و کلیدواژه Variable and keyword arguments

• آرگومان های تابع Function arguments

5. توابع و کلاس های پایتون: ساخت کلاس ها و روش ها 5. Python Functions and Classes: Building Classes and Methods

• مقدمه درس: ساخت کلاس ها و روش ها Lesson introduction: Building classes and methods

• اضافه کردن روش ها Adding methods

• وراثت طبقاتی Class inheritance

• معرفی کلاس ها Introduction to classes

• خلاصه درس: ساخت کلاس ها و روش ها Lesson recap: Building classes and methods

• با استفاده از سازنده Using a constructor

6. توابع و کلاس های پایتون: ماژول ها و استفاده پیشرفته 6. Python Functions and Classes: Modules and Advanced Usage

• کار با اسکریپت های پایتون Working with Python scripts

• مقدمه ای بر ماژول های پایتون Introduction to Python modules

• مقدمه درس: ماژول ها و کاربردهای پیشرفته Lesson introduction: Modules and advanced usages

• محیط های مجازی و وابستگی ها Virtual environments and dependencies

• کار با واردات Working with imports

• خلاصه درس: ماژول ها و کاربردهای پیشرفته Lesson recap: Modules and advanced usages

7. تست در پایتون: مقدمه ای بر تست 7. Testing in Python: Introduction to Testing

• خلاصه درس: نوشتن و اجرای تست ها Lesson recap: Writing and executing tests

• تست با pytest Testing with pytest

• انگیزه های تست در پایتون Motivations for testing in Python

• قراردادهای تست Testing conventions

• مقدمه درس: نوشتن و اجرای تست Lesson introduction: Writing and executing tests

8. تست در پایتون: نوشتن تست های مفید 8. Testing in Python: Writing Useful Tests

• کلاس های تست در مقابل توابع تست Test classes vs. test functions

• مقدمه درس: نوشتن تست های مفید Lesson introduction: Writing useful tests

• خلاصه درس: نوشتن تست های مفید Lesson recap: Writing useful tests

• استفاده از طرح ادعا در پای تست Using plan asserts in pytest

• کلاس های تست نگارش Writing test classes

• تست های پارامترسازی Parameterizing tests

9. تست در پایتون: تست شکست 9. Testing in Python: Testing Failures

• اشکال زدایی پایتون با PDB Python debugging with PDB

• خلاصه درس: شکست در تست Lesson recap: Testing failures

• خروجی شکست تست Test failure output

• مقدمه درس: شکست های تست Lesson introduction: Testing failures

• سایر گزینه های pytest runner Other pytest runner options

• وسایل pytest pytest fixtures

10. مقدمه ای بر پانداها و NumPy: استفاده اولیه از پانداها 10. Introduction to pandas and NumPy: Basic pandas Usage

• نوشتن داده ها از پانداها DataFrames Writing data from pandas DataFrames

• خلاصه درس: استفاده اولیه از پانداها Lesson recap: Basic pandas usage

• تجزیه و تحلیل اکتشافی با پانداها Exploratory analysis with pandas

• آشنایی با پانداها Introduction to pandas

• مقدمه درس: استفاده اولیه از پانداها Lesson introduction: Basic pandas usage

• بارگیری داده ها در پانداها Loading data into pandas

11. مقدمه ای بر پانداها و NumPy: کار با DataFrames 11. Introduction to pandas and NumPy: Working with DataFrames

• مقدمه درس: کار با DataFrames Lesson introduction: Working with DataFrames

• دستکاری متن در DataFrames Manipulating text in DataFrames

• عملیات مشترک DataFrame Common DataFrame operations

• اعمال توابع با پانداها Applying functions with pandas

• خلاصه درس: کار با DataFrames Lesson recap: Working with DataFrames

• تجسم داده ها با پانداها Visualizing data with pandas

12. مقدمه ای بر پانداها و NumPy: مبانی NumPy 12. Introduction to pandas and NumPy: NumPy Basics

• عملیات آرایه NumPy بیشتر More NumPy array operations

• مقدمه ای بر آرایه های NumPy Introduction to NumPy arrays

• خلاصه درس: اصول NumPy Lesson recap: NumPy basics

• مقدمه درس: مبانی NumPy Lesson introduction: NumPy basics

• عملیات مشترک آرایه NumPy Common NumPy array operations

13. Python کاربردی برای MLOps: کار با API و SDK 13. Applied Python for MLOps: Working with APIs and SDKs

• مجموعه داده های صورت در آغوش گرفته Hugging Face datasets

• خلاصه درس: API و SDK Lesson recap: APIs and SDKs

• ترانسفورماتورهای صورت بغل کردن Hugging Face transformers

• نصب رابط خط فرمان Azure (CLI) Installing the Azure command-line interface (CLI)

• مقدمه درس: API و SDK Lesson introduction: APIs and SDKs

• مجموعه داده های باز Azure Azure open datasets

• Azure ML Studio با پایتون Azure ML Studio with Python

14. پایتون کاربردی برای MLOps: اتوماسیون با ابزارهای خط فرمان 14. Applied Python for MLOps: Automation with Command-Line Tools

• ایجاد یک اسکریپت فایل واحد Creating a single file script

• با استفاده از چارچوب کلیک کنید Using the Click framework

• اعلام وابستگی ها Declaring dependencies

• حل مشکل یادگیری ماشین با ابزار CLI Solving a machine learning problem with a CLI tool

• بسته بندی پروژه شما Packaging your project

• با استفاده از چارچوب argparse Using the argparse framework

• خلاصه درس: اتوماسیون با ابزارهای خط فرمان Lesson recap: Automation with command-line tools

• مقدمه درس: اتوماسیون با ابزارهای خط فرمان Lesson introduction: Automation with command-line tools

15. Python کاربردی برای MLOps: Building Machine Learning APIs 15. Applied Python for MLOps: Building Machine Learning APIs

• مقدمه ای بر چارچوب FastAPI Introduction to the FastAPI framework

• ساخت API با FastAPI Building an API with FastAPI

• بهترین روش های Python API Python API best practices

• ساخت API با Flask Building an API with Flask

• خلاصه درس: ساخت APIهای یادگیری ماشین Lesson recap: Building machine learning APIs

• مقدمه ای بر چارچوب Flask Introduction to the Flask framework

• مقدمه درس: ساخت APIهای یادگیری ماشین Lesson introduction: Building machine learning APIs