لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
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.
نمایش نظرات