🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش پایتون برای علم داده: از صفر تا تحلیل داده
- آخرین آپدیت
دانلود Python for Data Science: From Zero to Data Analysis
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
آموزش پایتون برای تحلیل داده، مصورسازی و یادگیری ماشین
با این دوره جامع، پایتون را برای تحلیل داده، مصورسازی و مقدمهای بر یادگیری ماشین بیاموزید. این دوره برای افراد مبتدی تا پیشرفته طراحی شده است و شما را با تمام ابزارهای لازم برای موفقیت در دنیای علم داده مجهز میکند.
آنچه در این دوره خواهید آموخت:
مبانی برنامه نویسی پایتون: تسلط بر اصول پایتون شامل انواع داده، ساختارهای کنترلی، توابع و برنامه نویسی شی گرا.
تحلیل و دستکاری داده: استفاده از کتابخانههای پایتون مانند NumPy و Pandas برای پاکسازی، دستکاری و تحلیل مجموعههای داده.
مصورسازی داده پیشرفته: ایجاد مصورسازی های جذاب با استفاده از Matplotlib و Plotly برای انتقال مؤثر بینش ها و روندهای مبتنی بر داده.
یادگیری ماشین با PyTorch: تجربه عملی با PyTorch برای ساخت و ارزیابی مدل های یادگیری ماشین، از جمله وظایف طبقه بندی و رگرسیون.
کدنویسی قوی و قابل اعتماد: توسعه کد قوی و قابل اعتماد با استفاده از تکنیک های مدیریت خطا و انجام تست واحد با Pytest.
بخش ویژه: لذت یادگیری پایتون با گرافیک Turtle برای آموزش جذاب و سرگرم کننده کودکان و والدین.
پیش نیازها:
برای شرکت در این دوره به موارد زیر نیاز دارید:
کامپیوتر با دسترسی به اینترنت
انگیزه برای یادگیری
این دوره برای مبتدیان طراحی شده است و به هیچ تجربه قبلی در برنامه نویسی یا علم داده نیاز ندارد. فقط کافیست اشتیاق به یادگیری داشته باشید!
مزایای این دوره:
این دوره به شما کمک میکند تا:
مهارتهای لازم برای ورود به دنیای جذاب علم داده را کسب کنید.
با استفاده از پایتون، دادهها را تحلیل و مصورسازی کنید.
پروژههای یادگیری ماشین خود را پیادهسازی کنید.
فرصتهای شغلی جدیدی را در حوزه علم داده به دست آورید.
همین حالا ثبت نام کنید و سفر خود را به سوی تسلط بر پایتون برای علم داده و تحلیل داده آغاز کنید!
سرفصل های دوره:
مبانی پایتون: اصول پایتون، انواع داده، رشته ها، برش، f-strings و موارد دیگر.
عبارات کنترلی و شرطی: تصمیم گیری در پایتون با استفاده از عبارات if-else و عملگرهای منطقی.
حلقه ها: اتوماسیون وظایف تکراری با حلقه های for و while.
پروژه نهایی - گرافیک Turtle: استفاده از دانش پایه ای در یک پروژه سرگرم کننده و خلاقانه با استفاده از گرافیک turtle پایتون.
توابع: ساخت کد قابل استفاده مجدد با توابع.
لیست ها: مدیریت و دستکاری مجموعه داده ها با لیست های پایتون.
برابری در مقابل هویت: بررسی عمیق نحوه مدیریت داده ها توسط پایتون.
مدیریت خطا: نوشتن کد قوی با مدیریت استثناها و خطاها.
برنامه نویسی بازگشتی: حل مسائل پیچیده به شیوه ای ظریف با بازگشت.
الگوریتم های جستجو و مرتب سازی: یادگیری الگوریتم های اساسی برای بهینه سازی پردازش داده ها.
ساختارهای داده پیشرفته: بررسی ساختارهای داده فراتر از لیست ها.
برنامه نویسی شی گرا: ساخت کد مقیاس پذیر و قابل نگهداری با کلاس ها، وراثت، چندشکلی.
تست واحد با pytest: اطمینان از قابلیت اطمینان کد با تست های خودکار با استفاده از pytest.
فایل ها و ماژول ها: مدیریت ورودی/خروجی فایل و سازماندهی کد با ماژول ها.
NumPy: محاسبات عددی با NumPy.
Pandas: دستکاری و تحلیل داده ها با pandas.
Matplotlib - نمودار و آمار: مصورسازی داده ها و انجام تجزیه و تحلیل آماری با استفاده از Matplotlib.
Matplotlib - پردازش تصویر: بررسی تکنیک های پردازش تصویر با استفاده از Matplotlib.
Seaborn: ایجاد گرافیک های آماری آموزنده و جذاب.
Plotly: مصورسازی داده تعاملی با Plotly.
مبانی PyTorch: شروع به کار با یادگیری عمیق با استفاده از PyTorch.
چرا در این دوره شرکت کنیم؟
راهنمایی تخصصی: آموزش گام به گام و توضیحات واضح.
پشتیبانی پاسخگو: دریافت بازخورد سریع و مفید از مدرس.
یادگیری انعطاف پذیر: دسترسی مادام العمر به مواد درسی به روز.
محیط یادگیری مثبت: فضایی حمایتی و تشویق کننده برای حل مشکلات.
این دوره برای چه کسانی مناسب است؟
مبتدیان پایتون: ایده آل برای کسانی که تازه شروع به کار کرده اند.
افراد تازه وارد به تحلیل داده: مناسب برای افرادی که تجربه کمی در تحلیل داده دارند.
دانشمندان داده مشتاق: طراحی شده برای کسانی که به دنبال انتقال به علم داده هستند.
متخصصانی که مهارت های خود را ارتقا می دهند: مناسب برای متخصصان در صنایع مختلف.
دانشجویان و محققان: ارزشمند برای دانشجویان و محققانی که نیاز به تجزیه و تحلیل داده دارند.
سرفصل ها و درس ها
مقدمه
Introduction
مقدمه
Introduction
مبانی
Foundations
مقدمهای بر مبانی پایتون
Introduction to Python Basics
اولین گامها در پایتون و ساختار زبان برنامهنویسی پایتون
First steps in Python and the Python Programing Language Structure
ساختار برنامه پایتون - ورودی و خروجی
Python Program Structure - Input and Output
تورفتگی و بلوکهای کد
Indentation and Code Blocks
استفاده از مفسر پایتون
Using the Python Interpreter
جزئیات بیشتر در مورد تابع Print
More Details on the Print function
انواع دادههای اساسی در پایتون
Basic Data Types in Python
عملیات عددی
Numerical Operations
انتساب و انتساب افزایشی
Assignment and Incremental Assignment
انتسابهای چندگانه
Multiple Assignments
نام متغیرها، Snake Case، Camel Case
Variable Names, Snake Case, Camel Case
کلمات کلیدی و اولین دستور Import ما
Keywords and our first Import Statement
دنبالههای Escape
Escape Sequences
تبدیل انواع داده
Data Type Conversions
زیر رشتهها و برشدهی
Substrings and Slicing
رشتههای چند خطی و Docstrings
Multiline Strings and Docstrings
نصب و معرفی PyCharm
Installing and Introducing PyCharm
تسلط بر مبانی پایتون: درک متغیرها، انواع داده و ورودی-خروجی
Mastering Python Basics: Understanding Variables, Data Types, and Input-Output
جریان کنترل و عبارات شرطی
Control Flow and Conditional Statements
مقدمهای بر جریان کنترل و عبارات شرطی
Introduction to Control Flow and Conditionals
عبارت If و عملگرهای منطقی
If Statement and Logical Operators
شرایط پیچیده
Complex Conditions
عبارات If تو در تو
Nested If Statements
تسلط بر جریان کنترل: درک عبارات شرطی و منطق در پایتون
Mastering Control Flow: Understanding Conditionals and Logic in Python
حلقهها
Loops
معرفی حلقهها
Introducing Loops
حلقههای For با استفاده از Range
For Loops using Range
حلقههای For عمومی با استفاده از Range
General For Loops using Range
حلقه زدن روی لیستها و تاپلها
Looping over Lists and Tuples
اعداد اول و خروج از حلقهها
Prime Numbers and Breaking out of Loops
حلقه زدن روی لیستی از رشتهها با استفاده از Split
Looping over a List of Strings using Split
حلقههای While
While Loops
حلقه While و اعتبارسنجی ورودی
The While Loop and Validating Input
فاکتوریل با استفاده از حلقه While. مثال یک حلقه While بینهایت
Factorial using the While Loop. Example of an Infinite While Loop
فاکتوریل با استفاده از حلقه While و انتساب افزایشی
Factorial using the While Loop and Incremental Assignment
حلقههای تو در تو
Nested Loops
تسلط بر حلقهها و لیستها در پایتون
Mastering Loops and Lists in Python
پروژه Capstone با استفاده از Turtle Graphics
Capstone Project using Turtle Graphics
به Turtle Graphics خوش آمدید
Welcome to Turtle Graphics
معرفی Turtle Graphics
Introducing Turtle Graphics
اجتناب از اعداد جادویی
Avoiding Magic Numbers
تعمیم مثال و استفاده از پارامترها
Generalizing Example and using Parameters
نمایش نظرات