آموزش مدیریت داده های مالی با پایتون و پانداها: Masterclass منحصر به فرد

سرفصل ها و درس ها

شروع شدن Getting Started

• بررسی اجمالی دوره و چگونگی به حداکثر رساندن موفقیت در یادگیری Course Overview and how to maximize your learning success

• نکات: چگونه از این دوره بیشترین بهره را ببرید (از آن صرف نظر نکنید!) Tips: How to get the most out of this Course (don´t skip!)

• آیا می دانستید که ...؟ Did you know that...?

• سوالات متداول/اطلاعات مهم FAQ / Important Information

• نصب آناکوندا Installation of Anaconda

• باز کردن یک نوت بوک Jupyter Opening a Jupyter Notebook

• نحوه استفاده از نوت بوک های Jupyter How to use Jupyter Notebooks

-- قسمت 1: تجزیه و تحلیل داده ها با پایتون و پانداها: از صفر تا قهرمان -- -- PART 1: DATA ANALYSIS WITH PYTHON & PANDAS: FROM ZERO TO HERO --

• به قسمت 1: مقدمه خوش آمدید Welcome to Part 1: Intro

پانداها: اصول اولیه Pandas: Basics

• مقدمه ای بر داده های جدولی/پانداها Intro to Tabular Data / Pandas

• برگه های تقلب داده های جدولی Tabular Data Cheat Sheets

• مراحل اول (بازرسی داده ها، قسمت 1) First Steps (Inspection of Data, Part 1)

• مراحل اول (بازرسی داده ها، قسمت 2) First Steps (Inspection of Data, Part 2)

• تمرین کدنویسی 0: کدگذاری سخنرانی های ویدیویی Coding Exercise 0: Coding the Video Lectures

• توابع، ویژگی ها و روش های داخلی Built-in Functions, Attributes and Methods

• کار را آسان کنید: تکمیل TAB و نکته ابزار Make it easy: TAB Completion and Tooltip

• مراحل اول First Steps

• مجموعه داده های خود را کاوش کنید: تمرین کدگذاری 1 (مقدمه) Explore your own Dataset: Coding Exercise 1 (Intro)

• مجموعه داده های خود را کاوش کنید: تمرین کدگذاری 1 (راه حل) Explore your own Dataset: Coding Exercise 1 (Solution)

• انتخاب ستون ها Selecting Columns

• انتخاب ردیف هایی با براکت مربع (توصیه نمی شود) Selecting Rows with Square Brackets (not advisable)

• انتخاب ردیف‌ها با iloc (نمایه‌گذاری مبتنی بر موقعیت) Selecting Rows with iloc (position-based indexing)

• برش سطرها و ستون ها با iloc (نمایه گذاری مبتنی بر موقعیت) Slicing Rows and Columns with iloc (position-based indexing)

• برگه های تقلب نمایه سازی مبتنی بر موقعیت Position-based Indexing Cheat Sheets

• انتخاب ردیف‌هایی با loc (نمایه‌گذاری مبتنی بر برچسب) Selecting Rows with loc (label-based indexing)

• برش سطرها و ستون ها با loc (نمایه گذاری مبتنی بر برچسب) Slicing Rows and Columns with loc (label-based indexing)

• برگه های تقلب نمایه سازی مبتنی بر برچسب Label-based Indexing Cheat Sheets

• خلاصه و چشم انداز Summary and Outlook

• نمایه سازی و برش Indexing and Slicing

• تمرین کدنویسی 2 (مقدمه) Coding Exercise 2 (Intro)

• تمرین کدنویسی 2 (راه حل) Coding Exercise 2 (Solution)

پانداها: موضوعات متوسط Pandas: Intermediate Topics

• مقدمه Intro

• قدم های اول با سری پانداها First Steps with Pandas Series

• تجزیه و تحلیل سری های عددی با ()()unnique و value_counts() Analyzing Numerical Series with unique(), nunique() and value_counts()

• به روز رسانی Pandas نسخه 0.24.0 (ژانویه 2019) UPDATE Pandas Version 0.24.0 (Jan 2019)

• EXCURSUS: به روز رسانی پانداها/آناکوندا EXCURSUS: Updating Pandas / Anaconda

• تجزیه و تحلیل سری های غیر عددی با ()، nunique()، value_counts() Analyzing non-numerical Series with unique(), nunique(), value_counts()

• متد copy(). The copy() method

• مرتب سازی سری ها و مقدمه ای بر پارامتر - inplace Sorting of Series and Introduction to the inplace - parameter

• سری پانداها Pandas Series

• تمرین کدنویسی 3 (مقدمه) Coding Exercise 3 (Intro)

• تمرین کدنویسی 3 (راه حل) Coding Exercise 3 (Solution)

• اولین قدم ها با اشیاء شاخص پاندا First Steps with Pandas Index Objects

• تغییر فهرست ردیف با set_index() و reset_index() Changing Row Index with set_index() and reset_index()

• تغییر برچسب های ستون Changing Column Labels

• تغییر نام برچسب‌های فهرست و ستون با rename() Renaming Index & Column Labels with rename()

• اشیاء شاخص پانداها Pandas Index Objects

• تمرین کدنویسی 4 (مقدمه) Coding Exercise 4 (Intro)

• تمرین کدنویسی 4 (راه حل) Coding Exercise 4 (Solution)

• مرتب سازی DataFrame با sort_index() و sort_values() Sorting DataFrames with sort_index() and sort_values()

• nunique() و nlargest()/nsmallest() با DataFrames nunique() and nlargest() / nsmallest() with DataFrames

• فیلتر کردن DataFrames (یک شرط) Filtering DataFrames (one Condition)

• فیلتر کردن DataFrame بر اساس بسیاری از شرایط (AND) Filtering DataFrames by many Conditions (AND)

• فیلتر کردن DataFrame بر اساس بسیاری از شرایط (OR) Filtering DataFrames by many Conditions (OR)

• فیلترینگ پیشرفته با بین()، isin() و ~ Advanced Filtering with between(), isin() and ~

• any() و all() any() and all()

• مرتب سازی و فیلتر کردن Sorting and Filtering

• تمرین کدنویسی 5 (مقدمه) Coding Exercise 5 (Intro)

• تمرین کدنویسی 5 (راه حل) Coding Exercise 5 (Solution)

• مقدمه ای بر ارزش های NA/ارزش های گمشده Intro to NA Values / missing Values

• مدیریت ارزش های NA/ارزش های گمشده Handling NA Values / missing Values

• صادر کردن DataFrames به csv Exporting DataFrames to csv

• خلاصه آمار و انباشت Summary Statistics and Accumulations

• متد agg(). The agg() method

• تمرین کدنویسی 6 (مقدمه) Coding Exercise 6 (Intro)

• تمرین کدنویسی 6 (راه حل) Coding Exercise 6 (Solution)

تجسم داده ها با Matplotlib و Seaborn Data Visualization with Matplotlib and Seaborn

• مقدمه Intro

• تجسم با Matplotlib (مقدمه) Visualization with Matplotlib (Intro)

• سفارشی سازی پلات ها Customization of Plots

• هیستوگرام (بخش 1) Histogramms (Part 1)

• هیستوگرام (بخش 2) Histogramms (Part 2)

• نمودارهای پراکنده Scatterplots

• قدم های اول با Seaborn First Steps with Seaborn

• توطئه های طبقه بندی شده در دریا Categorical Seaborn Plots

• نمودارهای رگرسیون دریایی Seaborn Regression Plots

• نقشه های حرارتی دریا Seaborn Heatmaps

• تمرین کدنویسی 7 (مقدمه) Coding Exercise 7 (Intro)

• تمرین کدنویسی 7 (راه حل) Coding Exercise 7 (Solution)

پانداها: موضوعات پیشرفته Pandas: Advanced Topics

• مقدمه Intro

• حذف ستون ها Removing Columns

• حذف ردیف ها Removing Rows

• اضافه کردن ستون های جدید به DataFrame Adding new Columns to a DataFrame

• عملیات حسابی (قسمت 1) Arithmetic Operations (Part 1)

• عملیات حسابی (قسمت 2) Arithmetic Operations (Part 2)

• ایجاد DataFrame از ابتدا با pd.DataFrame() Creating DataFrames from Scratch with pd.DataFrame()

• افزودن ردیف های جدید (دستی) Adding new Rows (Hands-on)

• افزودن ردیف های جدید به DataFrame Adding new Rows to a DataFrame

• دستکاری عناصر در یک DataFrame Manipulating Elements in a DataFrame

• تمرین کدنویسی 8 (مقدمه) Coding Exercise 8 (Intro)

• تمرین کدنویسی 8 (راه حل) Coding Exercise 8 (Solution)

• مقدمه ای بر عملیات GroupBy Introduction to GroupBy Operations

• درک شی GroupBy Understanding the GroupBy Object

• تقسیم با کلیدهای زیادی Splitting with many Keys

• تقسیم - اعمال - ترکیب split-apply-combine

• split-apply-combine اعمال شد split-apply-combine applied

• نمایه سازی سلسله مراتبی با Groupby Hierarchical Indexing with Groupby

• stack() و unstack() stack() and unstack()

• دسته بندی بر اساس GroupBy

• تمرین کدنویسی 9 (مقدمه) Coding Exercise 9 (Intro)

• تمرین کدنویسی 9 (راه حل) Coding Exercise 9 (Solution)

----- بخش 2: تجزیه و تحلیل داده های مالی ------ ----- PART 2: FINANCIAL DATA ANALYSIS ------

• خوش آمدی Welcome

داده های سری زمانی در پانداها: مقدمه Time Series Data in Pandas: Introduction

• وارد کردن داده‌های سری زمانی از فایل‌های csv Importing Time Series Data from csv-files

• تبدیل رشته ها به اشیاء datetime با ()pd.to_datetime Converting strings to datetime objects with pd.to_datetime()

• تجزیه و تحلیل اولیه/تجسم سری های زمانی Initial Analysis / Visualization of Time Series

• فهرست بندی و برش سری های زمانی Indexing and Slicing Time Series

• ایجاد یک DatetimeIndex سفارشی با pd.date_range() Creating a customized DatetimeIndex with pd.date_range()

• اطلاعات بیشتر در pd.date_range() More on pd.date_range()

• تمرین کدنویسی 10 (مقدمه) Coding Exercise 10 (intro)

• تمرین کدنویسی 10 (راه حل) Coding Exercise 10 (Solution)

• نمونه برداری از سری زمانی با resample() (قسمت 1) Downsampling Time Series with resample() (Part 1)

• نمونه برداری از سری زمانی با نمونه مجدد (قسمت 2) Downsampling Time Series with resample (Part 2)

• شی PeriodIndex The PeriodIndex object

• نمایه سازی پیشرفته با reindex() Advanced Indexing with reindex()

• تمرین کدنویسی 11 (مقدمه) Coding Exercise 11 (intro)

• تمرین کدنویسی 11 (راه حل) Coding Exercise 11 (Solution)

داده های مالی - گردش کار ضروری (ریسک، بازده و همبستگی) Financial Data - Essential Workflows (Risk, Return & Correlation)

• مقدمه Intro

• آماده شدن (نصب کتابخانه مورد نیاز) Getting Ready (Installing required library)

• وارد کردن داده های قیمت سهام از Yahoo Finance (هنوز کار می کند!) Importing Stock Price Data from Yahoo Finance (it still works!)

• بازرسی اولیه و تجسم Initial Inspection and Visualization

• عادی سازی سری زمانی به مقدار پایه (100) Normalizing Time Series to a Base Value (100)

• متد ()shift The shift() method

• متدهای diff() و pct_change() The methods diff() and pct_change()

• اندازه گیری عملکرد سهام با بازده MEAN و STD از بازده Measuring Stock Performance with MEAN Returns and STD of Returns

• سری زمانی مالی - بازده و ریسک Financial Time Series - Return and Risk

• ریسک و بازده Risk & Return

• سری زمانی مالی - کوواریانس و همبستگی Financial Time Series - Covariance and Correlation

• تمرین کدنویسی 12 (مقدمه) Coding Exercise 12 (intro)

• تمرین کدگذاری 12 (راه حل) Coding Exercise 12 (Solution)

داده های مالی - تکنیک های پیشرفته (آمار متحرک و گزارش) Financial Data - Advanced Techniques (Rolling Statistics & Reporting)

• مقدمه Intro

• وارد کردن داده های مالی از اکسل Importing Financial Data from Excel

• میانگین متحرک ساده (SMA) با رول () Simple Moving Averages (SMA) with rolling()

• استراتژی های معاملاتی مومنتوم با SMA ها Momentum Trading Strategies with SMAs

• استراتژی های معاملاتی Trading Strategies

• گزارش عملکرد S&P 500 - ریسک و بازده چرخشی S&P 500 Performance Reporting - rolling risk and return

• S&P 500: افق سرمایه گذاری و عملکرد S&P 500: Investment Horizon and Performance

• بازده ساده در مقابل بازده گزارش Simple Returns vs. Log Returns

• بازده ساده در مقابل بازده گزارش Simple Returns vs. Log Returns

• مثلث بازگشت S&P 500 (قسمت 1) The S&P 500 Return Triangle (Part 1)

• مثلث بازگشت S&P 500 (قسمت 2) The S&P 500 Return Triangle (Part 2)

• تفسیر مثلث بازگشت Interpreting the Return Triangle

• مثلث 500 دلاری S&P The S&P 500 Dollar Triangle

• S&P 500 "رادار آب و هوا" The S&P 500 "Weather Radar"

• میانگین های متحرک با وزن نمایی (EWMA) Exponentially-weighted Moving Averages (EWMA)

• گسترش ویندوز Expanding Windows

• همبستگی نورد Rolling Correlation

• rollling() با فاصله زمانی ثابت rollling() with fixed-sized time offsets

• ادغام/همسویی سری زمانی مالی (به صورت عملی) Merging / Aligning Financial Time Series (hands-on)

• تمرین کدنویسی 13 (مقدمه) Coding Exercise 13 (intro)

• تمرین کدنویسی 13 (راه حل) Coding Exercise 13 (Solution)

ایجاد و تجزیه و تحلیل شاخص های مالی Create and Analyze Financial Indexes

• شاخص های مالی - یک مرور کلی Financial Indexes - an Overview

• شاخص های مالی Financial Indexes

• دریافت داده ها Getting the Data

• شاخص وزنی قیمت - تئوری Price-Weighted Index - Theory

• PWI PWI

• ایجاد یک شاخص سهام با وزن با پایتون Creating a Price-Weighted Stock Index with Python

• شاخص هم وزن - نظریه Equal-Weighted Index - Theory

• EWI EWI

• ایجاد یک شاخص سهام با وزن برابر با پایتون Creating an Equal-Weighted Stock Index with Python

• شاخص ارزش بازار - تئوری Market Value-Weighted Index - Theory

• VWI VWI

• ایجاد یک شاخص سهام با ارزش بازار با پایتون (قسمت 1) Creating a Market Value-Weighted Stock Index with Python (Part 1)

• ایجاد یک شاخص سهام با ارزش بازار با پایتون (قسمت 2) Creating a Market Value-Weighted Stock Index with Python (Part 2)

• مقایسه روش های وزن دهی Comparison of weighting methods

• شاخص قیمت در مقابل شاخص عملکرد/بازده کل Price Index vs. Performance/Total Return Index

• تمرین کدنویسی 14 (مقدمه) Coding Exercise 14 (intro)

• تمرین کدنویسی 14 (راه حل) Coding Exercise 14 (Solution)

سبدهای مالی ایجاد، تجزیه و تحلیل و بهینه سازی کنید Create, Analyze and Optimize Financial Portfolios

• مقدمه Intro

• دریافت داده ها Getting the Data

• ایجاد نمونه کارها با وزن یکسان Creating the equally-weighted Portfolio

• ایجاد بسیاری از نمونه کارها تصادفی با پایتون Creating many random Portfolios with Python

• نسبت شارپ و دارایی بدون ریسک چیست؟ What is the Sharpe Ratio and a Risk Free Asset?

• تجزیه و تحلیل پورتفولیو و نسبت شارپ با پایتون Portfolio Analysis and the Sharpe Ratio with Python

• نسبت شارپ و دارایی بدون ریسک Sharpe Ratio and Risk Free Asset

• یافتن نمونه کارها بهینه Finding the Optimal Portfolio

• Excursus: بهینه سازی نمونه کارها با scipy Excursus: Portfolio Optimization with scipy

• نسبت شارپ - تجسم و توضیح داده شده است Sharpe Ratio - visualized and explained

• نمونه کارها Portfolios

• تمرین کدنویسی 15 (مقدمه) Coding Exercise 15 (Intro)

• تمرین کدنویسی 15 (راه حل) Coding Exercise 15 (Solution)

تئوری مدرن پورتفولیو و قیمت گذاری دارایی (CAPM، بتا، آلفا، SLM و غواصان ریسک.) Modern Portfolio Theory & Asset Pricing (CAPM, Beta, Alpha, SLM & Risk divers.)

• مقدمه Intro

• خط بازار سرمایه (CML) و قضیه دو صندوق Capital Market Line (CML) & Two-Fund-Theorem

• دو فاند- قضیه Two-Fund-Theorem

• اثر تنوع پرتفولیو The Portfolio Diversification Effect

• ریسک سیستماتیک در مقابل غیر سیستماتیک Systematic vs. unsystematic Risk

• تنوع ریسک Risk Diversification

• مدل قیمت گذاری دارایی سرمایه (CAPM) و خط بازار امنیت (SLM) Capital Asset Pricing Model (CAPM) & Security Market Line (SLM)

• CAPM CAPM

• بتا و آلفا Beta and Alpha

• بازتعریف پورتفولیوی بازار Redefining the Market Portfolio

• سهام چرخه ای در مقابل سهام غیر چرخه ای - شهود دیگری در بتا Cyclical vs. non-cyclical Stocks - another Intuition on Beta

• بتا و آلفا Beta and Alpha

• تمرین کدنویسی 16 (مقدمه) Coding Exercise 16 (Intro)

• تمرین کدنویسی 16 (راه حل) Coding Exercise 16 (Solution)

بهینه سازی میانگین واریانس آینده نگر و تخصیص دارایی Forward-looking Mean-Variance Optimization & Asset Allocation

• مقدمه Intro

• بهینه سازی میانگین واریانس (MVO) Mean-Variance Optimization (MVO)

• به همین سادگی نیست - قسمت 1 (سرمایه گذاری 101 در مقابل دنیای واقعی) It´s not that simple - Part 1 (Investments 101 vs. Real World)

• تغییر بازده مورد انتظار Changing Expected Returns

• به همین سادگی نیست - قسمت 2 (سرمایه گذاری 101 در مقابل دنیای واقعی) It´s not that simple - Part 2 (Investments 101 vs. Real World)

نمودارهای مالی تعاملی با پلاتلی و دکمه سرآستین Interactive Financial Charts with Plotly and Cufflinks

• مقدمه Intro

• آماده شدن (نصب کتابخانه های مورد نیاز) Getting Ready (Installing required libraries)

• ایجاد نمودارهای آفلاین در نوت بوک های Jupyter Creating Offline Graphs in Jupyter Notebooks

• نمودارهای قیمت تعاملی با Plotly Interactive Price Charts with Plotly

• سفارشی کردن نمودارهای Plotly Customizing Plotly Charts

• هیستوگرام های تعاملی با Plotly Interactive Histograms with Plotly

• نمودارهای Candle-Stick و OHLC با Plotly Candle-Stick and OHLC Charts with Plotly

• باندهای SMA و Bollinger با Plotly SMA and Bollinger Bands with Plotly

• نشانگرهای فنی بیشتر با Plotly (حجم، MACD، DMI) More Technical Indicators with Plotly (Volume, MACD, DMI)

• تمرین کدنویسی 17 Coding Exercise 17

----- قسمت 3: چالش تحلیلگر مالی (پروژه نهایی) ---- ----- PART 3: THE FINANCIAL ANALYST CHALLENGE (FINAL PROJECT) ----

• چالش تحلیلگر مالی (مقدمه) Financial Analyst Challenge (Intro)

• چالش تحلیلگر مالی (دستورالعمل و نکات) Financial Analyst Challenge (Instruction & Hints)

• چالش تحلیلگر مالی (راه حل بخش 1) Financial Analyst Challenge (Solution Part 1)

• چالش تحلیلگر مالی (راه حل بخش 2) Financial Analyst Challenge (Solution Part 2)

• چالش تحلیلگر مالی (راه حل قسمت 3) Financial Analyst Challenge (Solution Part 3)

• چالش تحلیلگر مالی (راه حل قسمت 4) Financial Analyst Challenge (Solution Part 4)

• چالش تحلیلگر مالی (راه حل قسمت 5) Financial Analyst Challenge (Solution Part 5)

• چالش تحلیلگر مالی (راه حل قسمت 6) Financial Analyst Challenge (Solution Part 6)

• چالش تحلیلگر مالی (راه حل قسمت 7) Financial Analyst Challenge (Solution Part 7)

• سوال پاداش اضافی Additional Bonus Question

---------- قسمت 4: موضوعات پیشرفته ---------------- ---------- PART 4: ADVANCED TOPICS ----------------

• دانلود مطالب درسی قسمت 4 Download of Course Materials Part 4

• ویژگی ها و روش های مفید DatetimeIndex Helpful DatetimeIndex Attributes and Methods

• پر کردن مقادیر NA با bfill، ffill و interpolation Filling NA Values with bfill, ffill and interpolation

• resample() و agg() resample() and agg()

• resample() و OHLC() resample() and OHLC()

• نمونه برداری با resample() Upsampling with resample()

• مناطق زمانی و تبدیل (قسمت 1) Timezones and Converting (Part 1)

• مناطق زمانی و تبدیل (قسمت 2) Timezones and Converting (Part 2)

• جابجایی تاریخ ها با ()pd.DateOffset Shifting Dates with pd.DateOffset()

• تغییر تاریخ پیشرفته Advanced Date Shifting

• شی Timedelta The Timedelta Object

+++ در PANDAS VERSION 1.0 چه جدید است؟ - راهنمای عملی +++ +++ WHAT´S NEW IN PANDAS VERSION 1.0? - A HANDS-ON GUIDE +++

• مقدمه و نمای کلی Intro and Overview

• نحوه آپدیت پانداها به نسخه 1.0 How to update Pandas to Version 1.0

• دانلود برای این بخش Downloads for this Section

• خلاصه مهم: گزینه های نمایش پانداها (تغییر در نسخه 0.25) Important Recap: Pandas Display Options (Changed in Version 0.25)

• روش Info() - خروجی جدید و توسعه یافته Info() method - new and extended output

• dtypes جدید پسوند (dtypes "nullable"): چرا به آنها نیاز داریم؟ NEW Extension dtypes ("nullable" dtypes): Why do we need them?

• ایجاد پسوند جدید dtypes با convert_dtypes() Creating the NEW extension dtypes with convert_dtypes()

• مقدار جدید pd.NA برای مقادیر از دست رفته NEW pd.NA value for missing values

• جدید "nullable" Int64Dtype The NEW "nullable" Int64Dtype

• StringDtype جدید The NEW StringDtype

• جدید "nullable" BooleanDtype The NEW "nullable" BooleanDtype

• اضافه کردن پارامتر ignore_index Addition of the ignore_index parameter

• حذف نسخه قبلی Removal of prior Version Deprecations

------------------ ضمیمه ------------------- ------------------ APPENDIX -------------------

• به پیوست و دانلود خوش آمدید Welcome to the Appendix & Download

پیوست 1: دوره سقوط پایتون (اختیاری) Appendix 1: Python Crash Course (optional)

• مقدمه Intro

• مراحل اول First Steps

• متغیرها Variables

• انواع داده ها: اعداد صحیح و شناور Data Types: Integers & Floats

• انواع داده ها: رشته ها Data Types: Strings

• انواع داده ها: فهرست ها (قسمت 1) Data Types: Lists (Part 1)

• انواع داده ها: فهرست ها (قسمت 2) Data Types: Lists (Part 2)

• انواع داده ها: تاپلی Data Types: Tuples

• انواع داده ها: مجموعه ها Data Types: Sets

• اپراتورها و بولی ها Operators & Booleans

• اظهارات مشروط (اگر، elif، else، while) Conditional Statements (if, elif, else, while)

• برای حلقه ها For Loops

• کلمات کلیدی شکستن، پاس، ادامه دادن Key words break, pass, continue

• تولید اعداد تصادفی Generating Random Numbers

• توابع تعریف شده توسط کاربر (قسمت 1) User Defined Functions (Part 1)

• توابع تعریف شده توسط کاربر (قسمت 2) User Defined Functions (Part 2)

• توابع تعریف شده توسط کاربر (قسمت 3) User Defined Functions (Part 3)

• تجسم با Matplotlib Visualization with Matplotlib

• مبانی پایتون Python Basics

• راه حل آزمون Quiz Solution

پیوست 2: دوره تصادف Numpy (اختیاری) Appendix 2: Numpy Crash Course (optional)

• مقدمه ای بر Numpy Arrays Introduction to Numpy Arrays

• آرایه های Numpy: برداری Numpy Arrays: Vectorization

• آرایه های Numpy: نمایه سازی و برش Numpy Arrays: Indexing and Slicing

• آرایه‌های Numpy: شکل و ابعاد Numpy Arrays: Shape and Dimensions

• آرایه های Numpy: نمایه سازی و برش آرایه های چند بعدی Numpy Arrays: Indexing and Slicing of multi-dimensional Arrays

• آرایه های Numpy: نمایه سازی بولی Numpy Arrays: Boolean Indexing

• تولید اعداد تصادفی Generating Random Numbers

• مسائل مربوط به عملکرد Performance Issues

• مطالعه موردی: کتابخانه استاندارد Numpy در مقابل پایتون Case Study: Numpy vs. Python Standard Library

• آمار خلاصه Summary Statistics

• تجسم و رگرسیون (خطی). Visualization and (Linear) Regression

• ناامپی Numpy

• امتحان Numpy: راه حل Numpy Quiz: Solution

فایل های .py را دانلود کنید Download .py files

• فایل‌های .py (بخش‌های 1 و 2) .py files (Parts 1 & 2)

• فایل های .py (قسمت 3) .py files (Part 3)

• فایل های .py (قسمت 4) .py files (Part 4)

بعد چی؟ (چشم انداز و منابع اضافی) What´s next? (outlook and additional resources)

• سخنرانی پاداش Bonus Lecture