پایتون در سال‌های اخیر از نظر محبوبیت به حد انفجار رسیده است، و بیشتر به این دلیل که تجزیه و تحلیل و کار با داده‌ها را بسیار ساده کرده است. با وجود موفقیت بزرگ خود به عنوان یک ابزار نمونه اولیه سازی، پایتون هنوز هم برای توسعه بزرگ و در مقیاس سازمانی نسبتاً تأیید نشده است. در دوره ویدیویی Building Your First Python Analytics Solution موسسه Pluralsight که توسط Janani Ravi تدریس شده است، شما توانایی شناسایی و استفاده از محیط توسعه و اجرای مناسب را برای سازمان خود به دست خواهید آورد.
در ابتدا، خواهید آموخت که چگونه Jupyter notebooks با وجود محبوبیت زیادشان، به اندازه محیط‌های توسعه یکپارچه حرفه ای یا IDEها قوی نیستند. در ادامه خواهید فهمید که چگونه محیط‌های اجرایی مختلف، روش‌های دیگری برای پیکربندی کتابخانه‌های پایتون ارائه می‌دهند، و بطور مشخص چگونه دو تا از محبوب‌ترین این کتابخانه‌ها یعنی Conda و Pip با یکدیگر مقایسه می‌شوند. شما همچنین چندین محیط توسعه مختلف از جمله IDLE ،PyCharm ،Eclipse و Spyder را بررسی خواهید کرد. سرانجام، با اجرای پایتون در محیط‌های ابری شاخص، از جمله AWS ،Microsoft Azure و GCP، دانش خود را کامل می‌کنید. با به پایان رساندن این دوره، شما مهارت و دانش لازم برای شناسایی محیط‌های توسعه و اجرای صحیح برای Python را در بستر سازمانی خود در اختیار خواهید داشت.
فیلم آموزشی «ساخت اولین راهکار تحلیلی پایتون خودتان» موسسه پلورال سایت که توسط Janani Ravi تدریس شده است، دارای زیرنویس انگلیسی است.
Table of Contents:
Course Overview
- Course Overview
Getting Started with Python for Analytics
- Module Overview
- Prerequisites and Course Outline
- Python for Data Analytics
- Python Development Environments
- Python Packages
- Demo: Windows - Installing Python and Using Pip to Install Packages
- Demo: MacOS - Using Brew to Install Python 3
- Demo: MacOS - Using Pip to Install Packages
- Demo: Installing and Working with Virtual Environments
- Demo: Editing a Python Script Using Nano and Vim
- Demo: Editing a Python Script Using SublimeText
- Demo: Using Online Editors to Write Python Code
- Module Summary
Working with Python Using Anaconda
- Module Overview
- Introducing Jupyter Notebooks
- Demo: Windows Installing Anaconda and Running Jupyter Notebooks
- Demo: Mac OS Installing Anaconda and Running Jupyter Notebooks
- Demo: Installing the Python 2 Kernel along with Python 3
- Demo: Executing Code in Jupyter
- Demo: Restarting and Switching Kernels
- Demo: Exploring Magic Commands
- Demo: Line Magic and Cell Magic Commands
- Demo: Exploring Interactive Widgets
- Demo: Wrangling and Visualizing Data
- Module Summary
Working with Python Using Other IDEs
- Module Overview
- Exploring Popular IDEs for Python
- Demo: Installing and Setting up IDLE
- Demo: Running and Debugging Code with IDLE
- Demo: Installing Eclipse and Setting up the PyDev Plugin
- Demo: Running and Debugging Code with Eclipse
- Demo: Installing and Setting up PyCharm
- Demo: Running and Debugging Code with PyCharm
- Demo: Working with Spyder
- Module Summary
Working with Python on the Cloud
- Module Overview
- Jupyter on the Cloud
- Demo: Getting Started with Azure Notebooks
- Demo: Analyzing and Visualizing Data on Azure Notebooks
- Demo: Setting up and Connecting to Cloud Datalab on the GCP
- Demo: Building a Simple Regression Model on Datalab
- Demo: Setting up a SageMaker Notebook Instance on AWS
- Demo: Executing Code to Integrate with S3 Buckets
- Summary and Further Study
می پسندم
به درد نمی خوره
