آموزش تحلیل داده با پایتون: از نوت‌بوک تا محیط عملیاتی - آخرین آپدیت

دانلود Python Data Analytics: From Notebooks to Production

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: کدهای شما باید در محیط عملیاتی (Production) اجرا شوند، جایی که چالش‌ها و محدودیت‌های خاص خود را دارد. در این دوره، مدرس Miki Tebeka به شما آموزش می‌دهد که چگونه نوت‌بوک‌های پژوهشی خود را به کدهای آماده برای محیط عملیاتی تبدیل کنید. با نیازهای محیط Production آشنا شوید، متوجه شوید نوت‌بوک‌ها در کجا مفید هستند و در چه نقاطی دچار ضعف می‌شوند. دلیل سازمان‌دهی کدها را بررسی کرده و بیاموزید چگونه APIهای تمیز برای ماژول‌های خود بنویسید و ساختار کدها را با استفاده از زیر-ماژول‌ها (Sub-modules) مدیریت کنید. همچنین اهمیت تست کردن کدها را درک کرده و تکنیک‌های کاربردی و بهترین متدهای اجرایی را فرا بگیرید. علاوه بر این، در مباحثی چون مدیریت وابستگی‌ها (Dependency Management)، لاگ‌گیری، متریک‌ها، بهینه‌سازی عملکرد، امنیت کد و موارد دیگر عمیق خواهید شد.

سرفصل ها و درس ها

مقدمه Introduction

  • آنچه باید بدانید What you should know

  • از نوت‌بوک تا محیط عملیاتی Notebooks to production

  • استفاده از GitHub Codespaces Using GitHub Codespaces

1. تبدیل نوت‌بوک به محیط عملیاتی 1. Notebooks to Production

  • نقاط قوت نوت‌بوک‌ها Where notebooks excel

  • درک مفهوم محیط عملیاتی Understanding production

  • نقاط ضعف نوت‌بوک‌ها Where notebooks come short

2. سازمان‌دهی کدها 2. Organizing Your Code

  • چرا باید کدهای خود را سازمان‌دهی کنید Why you should organize your code

  • بخش Main Main

  • رابط برنامه‌نویسی ماژول (Module API) Module API

  • راه حل: تبدیل نوت‌بوک لاگ‌ها Solution: Convert logs notebook

  • زیر-ماژول‌ها Sub modules

  • چالش: تبدیل نوت‌بوک لاگ‌ها Challenge: Convert logs notebook

3. تست کردن کدها 3. Testing Your Code

  • راه حل: تست تگ‌ها Solution: Test tags

  • چالش: تست تگ‌ها Challenge: Test tags

  • تست‌های پارامتری Parametrized tests

  • چرا تست کردن اهمیت دارد Why testing is important

  • اجرای نوت‌بوک‌ها Running notebooks

  • تست فیکسچرها (Test fixtures) Test fixtures

  • یکپارچه‌سازی مستمر (CI) Continuous integration

4. مدیریت وابستگی‌ها 4. Dependency Management

  • جداسازی وابستگی‌های تست Separating test dependencies

  • چالش: ایجاد یک محیط مجازی Challenge: Create an environment

  • مشکلات مربوط به وابستگی‌ها The problems with dependencies

  • راه حل: ایجاد یک محیط مجازی Solution: Create an environment

  • توزیع پکیج شما Distributing your package

  • تعیین و نصب وابستگی‌ها Specifying and installing dependencies

5. اجرا در محیط عملیاتی 5. Running in Production

  • چالش: آماده‌سازی گزارش ماهانه برای محیط عملیاتی Challenge: Make the monthly report production ready

  • راه حل: آماده‌سازی گزارش ماهانه برای محیط عملیاتی Solution: Make the monthly report production ready

  • بهینه‌سازی عملکرد Performance tuning

  • لاگ‌گیری و متریک‌ها Logging and metrics

  • ایمن‌سازی کدها Securing your code

  • پیکربندی (Configuration) Configuration

جمع‌بندی Conclusion

  • گام‌های بعدی چیست؟ What's next?

نمایش نظرات

آموزش تحلیل داده با پایتون: از نوت‌بوک تا محیط عملیاتی
جزییات دوره
0h 58m
32
(آخرین آپدیت)
1,614
- از 5
ندارد
دارد
دارد
Miki Tebeka
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Miki Tebeka Miki Tebeka

مدیر عامل در 353Solutions

Miki Tebeka مدیرعامل 353Solutions است.

در کار خود در 353Solutions، Miki کارگاه های عملی ارائه می دهد که به متخصصان کمک می کند درک خود را از Python تقویت کنند. و برو. علاوه بر این، او خدمات مشاوره ای متناسب با تخصص در ساخت زیرساخت های کلان داده را ارائه می دهد. همانطور که کار او در 353Solutions نشان می دهد، او در Python and Go و همچنین C++، JavaScript، Clojure و موارد دیگر مهارت بالایی دارد.