Dan Tofan

-

دن دهه ها پیش برنامه نویسی را بر روی Clone Spectrum آغاز كرد و فعالیت حرفه ای برنامه نویسی خود را از سال 2003 آغاز كرد. دن با اشتیاق به یادگیری برای تحصیل در دانشگاه گرونینگن به هلند مهاجرت كرد. اکنون ، دان به پایان نامه دکترای خود در زمینه تصمیم گیری و کسب دانش در معماری نرم افزار و حدود دوازده نشریه با صدها استناد افتخار می کند. دن سالها از فناوریهای مایکروسافت استفاده می کرد ، اما به تدریج به پایتون ، لینوکس و AWS مهاجرت کرد تا اطلاعات بیشتری در مورد دنیای رایانه کسب کند. در حال حاضر ، دان یک برنامه نویس تمام وقت پایتون در دفتر رومانی یک شرکت جهانی در حوزه تحقیق است.

دوره های Dan Tofan | دانلود آموزشهای Dan Tofan:

آموزش عملکرد پایتون 3

Python 3 Performance

توسعه دهندگان پایتون عاشق بهره وری بالای پایتون هستند. متاسفانه، بسیاری از برنامه های پایتون از عملکرد کند رنج می برند. این دوره در مورد رویکردهای مشخص برای بهبود عملکرد برنامه های کاربردی پایتون شما است.


آموزش Elm 0.19 Fundamentals

Elm 0.19 Fundamentals

Elm یک زبان برنامه نویسی جدید برای برنامه های وب قابل اعتماد است که استثنائات زمان اجرا را ایجاد نمی کنند. این دوره را بگذرانید تا دیگر نگران بازآفرینی مشکل و استثناهای زمان اجرا نباشید.


آموزش ساخت خطوط لوله داده با لوئیجی و پایتون

Building Data Pipelines with Luigi and Python

سایر توسعه دهندگان خطوط لوله داده را با قرار دادن مجموعه ای از اسکریپت های هکی پیاده سازی می کنند که با گذشت زمان به مسئولیت ها و کابوس های تعمیر و نگهداری تبدیل می شوند. این دوره را برای اجرای خطوط انتقال داده هوشمند و هوشمند با لوئیجی در پایتون بگذرانید.


آموزش ادغام منابع داده با R

Merging Data Sources with R

بیاموزید چگونه داده ها را با R. ادغام کنید چگونه مقادیر را در بردارها ادغام می کنید؟ چگونه بردارها را در فریم های داده ادغام می کنید؟ چگونه به فریم های داده می پیوندید؟ با استفاده از مثالهای فراوان ، نحوه استفاده از پایه R و dplyr را برای انجام اتصالات چپ ، راست و کامل بیرونی مشاهده کنید.


آموزش پردازش داده ها در AWS

Processing Data on AWS

این دوره اصول پردازش داده ها با AWS را به شما می آموزد. این موضوع مهمترین دامنه گواهینامه تخصصی تجزیه و تحلیل داده های گواهی شده AWS است (طبق راهنمای رسمی آزمون DAS-C01 24٪.)


آموزش خزیدن و تراشیدن وب با استفاده از Rcrawler

Web Crawling and Scraping Using Rcrawler

داده ها اغلب در صفحات وب در دسترس هستند ، برای بازیابی آنها نیاز به تلاش و احتیاط بیشتر است. این دوره در مورد بسته Rcrawler است که یک خزنده وب و خراش دهنده وب است که می توانید در پروژه های R خود استفاده کنید.


آموزش ساخت یک خوشه رزبری پای 4 Kubernetes

Building a Raspberry Pi 4 Kubernetes Cluster

این دوره به شما یاد می دهد که چگونه از چند Raspberry Pis یک خوشه Kubernetes بسازید و در عین حال مجموعه مهارت های Kubernetes خود را تقویت کنید.


آموزش جولیا 1 اصول

Julia 1 Fundamentals

جولیا یک زبان برنامه نویسی جدید با محبوبیت روزافزون است. طراحی زبان نوآورانه جولیا بهترین دو جهان را ارائه می دهد: عملکرد بالا مانند C و بهره وری بالا مانند پایتون. شروع به نوشتن برنامه های جولیا خود کنید.


آموزش بهینه سازی یک خوشه EKS برای قیمت و عملکرد

Optimizing an EKS Cluster for Price and Performance

AWS EKS (سرویس Kubernetes Elastic) کار با Kubernetes را ساده می کند. با این حال، ناهار رایگان وجود ندارد و صورتحساب EKS می تواند به طرز شگفت آوری بالا باشد. این دوره را برای یادگیری نحوه کاهش صورت‌حساب‌های EKS، در حین اجرای بار کاری در سناریوهای مختلف، بخوانید.


آموزش ساخت برنامه های وب در پایتون با Streamlit 0.8

Build Web Apps in Python with Streamlit 0.8

این دوره به شما یاد می دهد که چگونه با استفاده از Streamlit که یک کتابخانه منبع باز پایتون است، برنامه های تحت وب بسازید. از مهارت های پایتون خود استفاده کنید و بدون نیاز به یادگیری جاوا اسکریپت، HTML یا CSS، شروع به ساخت برنامه های کاربردی وب برای داده های خود کنید.


آموزش بهره وری علم داده را با PyCharm افزایش دهید

Boost Data Science Productivity with PyCharm

PyCharm یک محیط توسعه یکپارچه پایتون باورنکردنی است. این دوره نکاتی ، ترفندها و تکنیک هایی را برای افزایش بهره وری پایتون با PyCharm ، با دموی گام به گام با هدف پروژه های Data Science نشان می دهد.


آموزش وارد کردن داده ها از پایگاه های ارتباطی در R

Importing Data from Relational Databases in R

این دوره نشان می دهد که چگونه توانایی های R می تواند به شما در بازیابی داده ها از پایگاه داده های رابطه ای کمک کند و آنها را برای ارزش افزوده با سایر عملیات مانند تجزیه و تحلیل و تجسم در اختیار R قرار دهد.