آموزش برنامه نویسی برای علم داده

سرفصل ها و درس ها

با OpenAI و Streamlit برنامه های وب هوش مصنوعی ایجاد کنید Create AI Web Apps with OpenAI and Streamlit

• معرفی Introduction

• طراحی وب اپلیکیشن هوش مصنوعی Designing an AI Web App

• HungryBear: کد غیر تولیدی HungryBear: Non-production Code

• HungryBear: کد تولید HungryBear: Production Code

• قسمت 1 Part 1

• قسمت 2 Part 2

• چالش Challenge

API مدل زبان OpenAI را با Colab جستجو کنید Query OpenAI's Language Model API with Colab

• معرفی Introduction

• تکمیل استخوان برهنه Bare Bones Completion

• API Authentication API Authentication

• کتابخانه ها را نصب و وارد کنید Install and Import Libraries

• ایجاد یک تکمیل Creating a Completion

• پیچیدگی زمانی Time Complexity

• سریع Prompt

• مورد استفاده پاداش: خلاصه کاغذ سفید Bonus Use Case: White Paper Summarization

• چالش Challenge

با Arrays و Numpy برای Data Science کار کنید Work with Arrays and Numpy for Data Science

• معرفی Introduction

• بررسی دستورات کوندا Conda Commands Review

• Numpy در مقابل پانداها Numpy Vs Pandas

• ایجاد و دستکاری آرایه ها Creating and Manipulating Arrays

• عملیات آرایه، روش ها و توابع آرایه Array Operations, Array Methods and Functions

• مثال در دنیای واقعی: روند قیمت بیت کوین Real-World Example: Bitcoin Price Trends

• چالش Challenge

حوزه ها و نقش های علم داده را کاوش کنید Explore Data Science Domains and Roles

• معرفی Introduction

• ابزارهای علم داده Data Science Tools

• محیط های توسعه علم داده Data Science Development Environments

• نقش های علم داده Data Science Roles

• نقشه راه علم داده The Data Science Roadmap

• چالش Challenge

به خط فرمان برای علم داده دسترسی پیدا کنید Access the Command Line for Data Science

• معرفی Introduction

• ترمینال macOS، Git برای ویندوز و شبیه سازهای لینوکس macOS Terminal, Git for Windows, and Linux Emulators

• دستورات پایه لینوکس Basic Linux Commands

• پروژه ها و گردش کار ایجاد کنید Create Projects and Workflows

• چالش Challenge

یک محیط توسعه علم داده راه اندازی کنید Set Up a Data Science Development Environment

• معرفی Introduction

• آناکوندا را نصب کنید Install Anaconda

• Jupyter Notebook را نصب کنید Install Jupyter Notebook

• شروع یک نوت بوک و جلسه Jupyter Starting a Jupyter Notebook and Session

• بستن یک جلسه نوت بوک Jupyter Closing a Jupyter Notebook Session

• کدهای تصویری را برای علم داده کاوش کنید Explore Visual Code for Data Science

• چالش Challenge

انواع داده پایتون را برای علم داده کاوش کنید Explore Python Data Types for Data Science

• معرفی Introduction

• انواع داده های اولیه و غیر ابتدایی Primitive & Non-Primitive Data Types

• اعداد: اعداد صحیح و شناور Numbers: Integers and Floats

• متن: رشته ها و بولی ها Text: Strings and Bools

• مجموعه ها: فهرست ها Collections: Lists

• مجموعه ها: فرهنگ لغت Collections: Dictionaries

• مجموعه ها: تاپل ها و ست ها Collections: Tuples, and Sets

• چالش Challenge

رشته ها و توالی ها را برای علم داده کاوش کنید Explore Strings and Sequences for Data Science

• معرفی Introduction

• گذاشتن نظرات Leaving Comments

• قالب بندی رشته String Formatting

• نمایه سازی Indexing

• برش دادن Slicing

• چالش Challenge

اپراتورهای ریاضی و لاتکس را برای علم داده کاوش کنید Explore Math Operators and LaTex for Data Science

• معرفی Introduction

• پایتون و ریاضی Python and Math

• اپراتورهای ریاضی Math Operators

• ارزش های بولی Boolean Values

• توابع داخلی پایتون Built-in Python Functions

• نماد علمی Scientific Notation

• لاتکس برای معادلات و فرمول ها LaTex for Equations and Formulas

• چالش Challenge

توابع Python قابل استفاده مجدد را برای Data Science بنویسید Write Reusable Python Functions for Data Science

• معرفی Introduction

• مقایسه و عملگرهای منطقی Comparison and Logical Operators

• اگر عبارات و توابع If statements and Functions

• درک توابع Understanding Functions

• شبه کد Pseudocode

• درخواست ورودی Asking for Input

• چالش Challenge

حلقه ها را برای خودکارسازی وظایف برای علم داده بنویسید Write Loops to Automate Tasks for Data Science

• معرفی Introduction

• بررسی توابع Functions Review

• اگر بیانیه ها if Statements

• برای حلقه ها for Loops

• چالش Challenge

از روش‌های داخلی پایتون برای علم داده استفاده کنید Use Python Built-in Methods for Data Science

• معرفی Introduction

• بررسی لیست List Review

• فهرست روش ها List Methods

• بررسی فرهنگ لغت Dictionary Review

• روش های دیکشنری Dictionary Methods

• نامپی و پانداها Numpy and Pandas

• چالش Challenge

با استفاده از مفاهیم OOP برای علم داده کد بنویسید Write Code using OOP Concepts for Data Science

• معرفی Introduction

• سبک های برنامه نویسی Programming Styles

• اشیاء کلاس پایتون Python Class Objects

• EDA: ابعاد EDA: Dimensions

• EDA: آمار خلاصه EDA: Summary Statistics

• EDA: با هیستوگرام کامل شود EDA: Complete with Histograms

• چالش Challenge

جدال داده ها با پانداها برای علم داده Wrangling Data with Pandas for Data Science

• معرفی Introduction

• دستورات کوندا Conda Commands

• EDA (تحلیل داده های اکتشافی) EDA (Exploratory Data Analysis)

• پاک کردن و دستکاری داده ها Clean and Manipulate Data

• تجسم داده با پانداها (این کار را نیز انجام می دهد!) Data Visualization with Pandas (it does that also!)

• چالش Challenge

تجسم داده ها با Matplotlib برای علم داده Visualizing Data with Matplotlib for Data Science

• معرفی Introduction

• توطئه با Matplotlib Plotting with Matplotlib

• فیلدهای مجموعه داده از Kaggle: Fields in the dataset from Kaggle:

• سفارشی کردن توطئه ها Customizing Plots

• چالش Challenge

تجسم داده ها با Seaborn برای Data Science Visualize Data with Seaborn for Data Science

• معرفی Introduction

• Matplotlib vs Seaborn Matplotlib vs Seaborn

• بررسی دستورات کوندا Conda Commands Review

• توطئه با Seaborn Plotting with Seaborn

• سفارشی کردن توطئه ها Customizing Plots

• نوت بوک دنیای واقعی Real-world Notebook

• چالش Challenge

اصول اسکرپینگ وب برای علم داده را کاوش کنید Explore Web Scraping Fundamentals for Data Science

• معرفی Introduction

• اینترنت چگونه کار می کند How the Internet Works

• HTML HTML

• CSS CSS

• نمونه کد: Code examples:

• چالش Challenge

داده های وب را با پایتون و BeautifulSoup جمع آوری کنید Collect Web Data with Python and BeautifulSoup

• معرفی Introduction

• روش find() The find() Method

• متد find_all(). The find_all() Method

• چالش Challenge

برای علم داده از مخازن Git و GitHub استفاده کنید Use Git and GitHub Repositories for Data Science

• معرفی Introduction

• یک مخزن آنلاین ایجاد کنید و کد خود را به GitHub فشار دهید Create an Online Repo and Push Your Code to GitHub

• میزبانی مجموعه داده ها برای استفاده در نوت بوک Jupyter Hosting Datasets for use in Jupyter Notebook

• چالش Challenge

تجزیه و تحلیل ساختارهای داده اصلی برای علم داده Analyze Core Data Structures for Data Science

• معرفی Introduction

• محدودیت‌های ساختار داده پایه پایتون Python Basic Data Structure Limitations

• ساختارهای داده Deep Dive Data Structures Deep Dive

• مورد استفاده تحلیل شبکه های اجتماعی Social Network Analysis Use Case

• چالش Challenge

ارزیابی پیچیدگی و حافظه برای علم داده Evaluate Complexity and Memory for Data Science

• معرفی Introduction

• تحلیل پیچیدگی و حافظه Complexity Analysis and Memory

• مقایسه الگوریتم Algorithm Comparison

• انواع داده پانداها Pandas Data Types

• چالش Challenge

از مفاهیم نمادگذاری Big O برای علم داده استفاده کنید Apply Big O Notation Concepts for Data Science

• معرفی Introduction

• نماد O بزرگ Big O Notation

• پیچیدگی کافی شاپ Coffee Shop Complexity

• چالش Challenge

R Fundamentals for Data Science را کاوش کنید Explore R Fundamentals for Data Science

• معرفی Introduction

• شروع کار با R و Google Colab Getting Started with R and Google Colab

• انواع داده R R Data Types

• چالش Challenge

پیاده سازی و مقایسه ساختارهای داده R Implement and Compare R Data Structures

• معرفی Introduction

• ساختارهای داده R و Python R and Python Data Structures

• بخش: I وکتورها Part: I Vectors

• بخش: II آرایه ها و لیست ها Part: II Arrays and Lists

• بخش: III فریم های داده Part: III Data Frames

• عملیات و محاسبات Operations and Calculations

• محاسبات ماتریسی Matrix Calculations

• کاوش داده ها Data Exploration

• چالش Challenge

EDA را با R و Python برای Data Science انجام دهید Perform EDA with R and Python for Data Science

• معرفی Introduction

• بارگیری و آماده سازی مجموعه داده (چراغ EDA) Load and Prepare the Dataset (EDA light)

• انجام تجزیه و تحلیل داده های اکتشافی (EDA) قسمت اول Perform Exploratory Data Analysis (EDA) Part I

• بخش دوم تجزیه و تحلیل داده های اکتشافی (EDA). Perform Exploratory Data Analysis(EDA) Part II

• چالش Challenge

مدل‌های زبان هوش مصنوعی و ChatGPT OpenAI را کاوش کنید Explore AI Language Models and OpenAI's ChatGPT

• معرفی Introduction

• مدل های زبان OpenAI GPT-3 OpenAI GPT-3 Language Models

• درخواست ها و تکمیل ها Prompts and Completions

• نمونه های سرگرم کننده برای امتحان کردن خودتان! Fun Examples to Try on Your Own!

• چالش Challenge