علم داده در سال‌های اخیر باعث تحولات شگرفی در زندگی بشر گردیده است که از جمله آن می‌توان به موتورهای جستجوی اینترنتی هوشمند مترجم‌های هوشمند، خودروهای هوشمند و بسیاری از امکانات و تجهیزاتی که هم اکنون در اختیار ماست، اشاره کرد. هر روز حجم زیادی از داده در سراسر جهان در حال تولید است و لحظه به لحظه سرعت تولید آن بیشتر و بیشتر می‌شود؛ اغلب این داده‌ها با تحلیل‌های ساده قابلیت تبدیل شدن به اطلاعات مفید و ارزشمند را دارند که برای این کار نیز ابزارهای زیادی ساخته شده است.
زبان برنامه نویسی پایتون به دلیل سادگی و سهولت در اجرا و بسیاری از امکانات دیگر، گزینه‌ی بسیار مناسبی جهت تحلیل داده‌ها برای متخصصان علم داده است. ابزارهای متنوع و قدرتمند پایتون برای استخراج، تحلیل و بصری‌سازی داده‌ها این امکان را به طیف بزرگی از دانشجویان و پژوهشگران در همه‌ی علوم می‌دهد تا به راحتی بتوانند از این ابزارها در حوزه‌ی تخصص خود بهره ببرند.
فهرست آموزش:
توابع تکمیلی شامل:
- توابع پرکاربرد پیشرفته مانند: map ، filter و reduce
- توابع بازگشتی و جنریتورها
- توابع تودرتو و دکوراتوها
شی و گرایی
معرفی بسته numpy شامل:
- تعریف آرایه
- برش و اندیس‌دهی آرایه
- انواع مختلف داده‌ها در آرایه
- توابع تبدیلی روی آرایه‌ها
- پخش در آرایه‌ها
- انواع عملگرها در آرایه
- مثال‌های مفید
معرفی بسته scipy و معرفی بخشهای
- linalg
- special
- io
- optimize
- sparse
معرفی بسته matplotlib و مثال‌های مفید از رسم نمودار در آن
نصب نسخه جدید pandas, jupyterlab, numpy
و معرفی کلی pandas در مقایسه با numpy
- معرفی Series
- معرفی DataFrame
- معرفی Categorical
- رسم نمودار در pandas
- خلاصه‌سازی و جمعبندی داده‌ها
معرفی پایگاه داده redis، نصب در ویندوز و کار با آن در پایتون
معرفی کتابخانه bs4 و requests جهت داده کاوی از وب
پروژه‌ی نهایی ( پروژه مشاعره – پروژه کرونا )
حل بیش از 10 مسئله‌ی مختلف در بخشهای مختلف آموزش که در 6 عنوان و 20 جلسه که بعد از هر درس ارائه شده است.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.