آموزش ساخت اولین راه حل تجزیه و تحلیل پایتون

Building Your First Python Analytics Solution

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: این دوره جنبه های مهم انتخاب محیط توسعه برای پایتون ، تفاوت Conda و Pip برای کار با کتابخانه های پایتون ، IDE های معروف مانند PyCharm ، IDLE ، Eclipse و Spyder و همچنین اجرای پایتون را پوشش می دهد ... پایتون منفجر شده است در سالهای اخیر محبوبیت داشته است ، بیشتر به این دلیل که تجزیه و تحلیل و کار با داده ها بسیار ساده است. پایتون با وجود موفقیت چشمگیر خود به عنوان ابزاری برای نمونه سازی اولیه ، هنوز هم برای توسعه در مقیاس بزرگ و شرکتی نسبتاً اثبات نشده است. در این دوره ، با ساخت اولین راه حل تجزیه و تحلیل Python خود ، توانایی شناسایی و استفاده از محیط توسعه و اجرای مناسب برای شرکت خود را پیدا خواهید کرد. اول ، شما یاد خواهید گرفت که چگونه نوت بوک های مشتری ، علی رغم محبوبیت بسیار زیاد ، کاملاً مقاوم به عنوان محیط های توسعه یکپارچه یا IDE نیستند. در مرحله بعدی ، خواهید فهمید که چگونه محیط های مختلف اجرا راه های دیگری برای پیکربندی کتابخانه های پایتون ارائه می دهند ، و به طور خاص چگونه دو محبوب ترین ، Conda و Pip ، در برابر یکدیگر قرار می گیرند. همچنین چندین محیط مختلف توسعه از جمله IDLE ، PyCharm ، Eclipse و Spyder را کشف خواهید کرد. سرانجام ، با اجرای پایتون در محیط های اصلی ابر ، از جمله AWS ، Microsoft Azure و GCP ، دانش خود را جمع آوری می کنید. وقتی این دوره را به پایان رسانید ، مهارت و دانش لازم را برای شناسایی محیط های صحیح توسعه و اجرای پایتون در زمینه سازمانی خود خواهید داشت.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

شروع کار با پایتون برای تجزیه و تحلیل Getting Started with Python for Analytics

  • بررسی اجمالی ماژول Module Overview

  • پیش نیازها و طرح کلی دوره Prerequisites and Course Outline

  • پایتون برای تجزیه و تحلیل داده ها Python for Data Analytics

  • محیط های توسعه پایتون Python Development Environments

  • بسته های پایتون Python Packages

  • نسخه ی نمایشی: ویندوز - نصب پایتون و استفاده از Pip برای نصب بسته ها Demo: Windows - Installing Python and Using Pip to Install Packages

  • نسخه ی نمایشی: MacOS - استفاده از Brew برای نصب پایتون 3 Demo: MacOS - Using Brew to Install Python 3

  • نسخه ی نمایشی: MacOS - استفاده از Pip برای نصب بسته ها Demo: MacOS - Using Pip to Install Packages

  • نسخه ی نمایشی: نصب و کار با محیط های مجازی Demo: Installing and Working with Virtual Environments

  • نسخه ی نمایشی: ویرایش اسکریپت پایتون با استفاده از Nano و Vim Demo: Editing a Python Script Using Nano and Vim

  • نسخه ی نمایشی: ویرایش اسکریپت پایتون با استفاده از SublimeText Demo: Editing a Python Script Using SublimeText

  • نسخه ی نمایشی: استفاده از ویراستاران آنلاین برای نوشتن کد پایتون Demo: Using Online Editors to Write Python Code

  • خلاصه ماژول Module Summary

کار با پایتون با استفاده از آناکوندا Working with Python Using Anaconda

  • بررسی اجمالی ماژول Module Overview

  • معرفی نوت بوک های مشتری Introducing Jupyter Notebooks

  • نسخه ی نمایشی: ویندوز با نصب Anaconda و اجرای نوت بوک های Jupyter Demo: Windows Installing Anaconda and Running Jupyter Notebooks

  • نسخه ی نمایشی: Mac OS با نصب Anaconda و اجرای نوت بوک های Jupyter Demo: Mac OS Installing Anaconda and Running Jupyter Notebooks

  • نسخه ی نمایشی: نصب هسته Python 2 به همراه Python 3 Demo: Installing the Python 2 Kernel along with Python 3

  • نسخه ی نمایشی: اجرای کد در Jupyter Demo: Executing Code in Jupyter

  • نسخه ی نمایشی: راه اندازی مجدد و تغییر هسته ها Demo: Restarting and Switching Kernels

  • نسخه ی نمایشی: کاوش در دستورات جادویی Demo: Exploring Magic Commands

  • نسخه ی نمایشی: دستورات Magic Magic و Cell Magic Demo: Line Magic and Cell Magic Commands

  • نسخه ی نمایشی: کاوش در ابزارک های تعاملی Demo: Exploring Interactive Widgets

  • نسخه ی نمایشی: درگیری و تجسم داده ها Demo: Wrangling and Visualizing Data

  • خلاصه ماژول Module Summary

کار با پایتون با استفاده از IDE های دیگر Working with Python Using Other IDEs

  • بررسی اجمالی ماژول Module Overview

  • کاوش IDE های محبوب برای پایتون Exploring Popular IDEs for Python

  • نسخه ی نمایشی: نصب و راه اندازی IDLE Demo: Installing and Setting up IDLE

  • نسخه ی نمایشی: کد در حال اجرا و اشکال زدایی با IDLE Demo: Running and Debugging Code with IDLE

  • نسخه ی نمایشی: نصب Eclipse و راه اندازی پلاگین PyDev Demo: Installing Eclipse and Setting up the PyDev Plugin

  • نسخه ی نمایشی: کد در حال اجرا و اشکال زدایی با گرفتگی Demo: Running and Debugging Code with Eclipse

  • نسخه ی نمایشی: نصب و راه اندازی PyCharm Demo: Installing and Setting up PyCharm

  • نسخه ی نمایشی: کد در حال اجرا و اشکال زدایی با PyCharm Demo: Running and Debugging Code with PyCharm

  • نسخه ی نمایشی: کار با Spyder Demo: Working with Spyder

  • خلاصه ماژول Module Summary

کار با پایتون روی ابر Working with Python on the Cloud

  • بررسی اجمالی ماژول Module Overview

  • ژوپیتر روی ابر Jupyter on the Cloud

  • نسخه ی نمایشی: شروع به کار با Azure Notebooks Demo: Getting Started with Azure Notebooks

  • نسخه ی نمایشی: تجزیه و تحلیل و تجسم داده ها در نوت بوک های لاجوردی Demo: Analyzing and Visualizing Data on Azure Notebooks

  • نسخه ی نمایشی: راه اندازی و اتصال به Cloud Datalab در GCP Demo: Setting up and Connecting to Cloud Datalab on the GCP

  • نسخه ی نمایشی: ساخت یک مدل رگرسیون ساده در Datalab Demo: Building a Simple Regression Model on Datalab

  • نسخه ی نمایشی: راه اندازی یک نمونه نوت بوک SageMaker در AWS Demo: Setting up a SageMaker Notebook Instance on AWS

  • نسخه ی نمایشی: اجرای کد برای ادغام با S3 Buckets Demo: Executing Code to Integrate with S3 Buckets

  • خلاصه و مطالعه بیشتر Summary and Further Study

نمایش نظرات

آموزش ساخت اولین راه حل تجزیه و تحلیل پایتون
جزییات دوره
2h 46m
45
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
59
3.7 از 5
دارد
دارد
دارد
Janani Ravi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.