پایتون در سال‌های اخیر به شدت محبوب شده است و به عنوان فناوری منتخب تحلیل گران و دانشمندان داده ظاهر شده است. در دوره ویدیویی Python for Data Analysts موسسه Pluralsight که توسط Janani Ravi تدریس شده است، شما توانایی نوشتن برنامه‌های پایتون و استفاده از ساختار‌های اساسی برنامه نویسی پایتون و تجزیه و تحلیل داده‌ها را به دست خواهید آورد.
در این دوره ابتدا یاد خواهید گرفت که چگونه زبان‌های برنامه نویسی مانند Python، صفحات گسترده مانند Microsoft Excel و فن آوری‌های مبتنی بر SQL مانند پایگاه داده‌ها با یکدیگر متفاوت هستند و همچنین چگونه با یکدیگر همکاری می‌کنند. در ادامه وارد برنامه نویسی پایتون و نصب آن می‌شوید و با برنامه‌های ساده کار خود را شروع می‌کنید. سپس شما روش هایی را که در آن‌ها از متغیرها برای نگهداری داده‌ها استفاده می‌کنند را درک خواهید کرد و اینکه چگونه انواع داده ساده و پیچیده در پایتون در معنا متفاوت هستند. در پایان، شما می‌توانید دانش خود را با کار با ارزیابی شرطی و با استفاده از عبارات if، حلقه‌ها و توابع کامل کنید. همچنین شما می‌آموزید که چگونه پایتون با توابع به عنوان موجودیت‌های خیلی عالی که عامل اصلی برنامه نویسی تابعی هستند برخورد می‌کند. وقتی که این دوره را تمام کردید، مهارت و دانش لازم را برای شناسایی موقعیت هایی که پایتون انتخاب مناسبی برای شماست، و همچنین اجرای برنامه‌های ساده اما قابل اطمینان را با استفاده از پایتون در اختیار خواهید داشت.
فیلم آموزشی «پایتون برای تحلیلگران داده» 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 Data Analysis
- Module Overview
- Prerequisites and Course Outline
- Python for Data Analysts
- Essential Analytical Building Blocks
- Demo: Installing Anaconda Python on MacOS
- Demo: Installing Anaconda Python on Windows
- Demo: Simple Expressions
- Demo: Logical Operations
- Demo: Variables
- Demo: Basic Types and Type Conversions
- Demo: Simple Strings and Multi-line Strings
- Module Summary
Leveraging Built-in Functions and Complex Data Types
- Module Overview
- Demo: Introducing Built-in Functions
- Demo: String Functions, Return Values, and Nested Function Invocations
- Demo: Introducing Lists
- Demo: List Slicing Operations and List Functions
- Demo: Concatenating and Copying Lists
- Demo: Introducing Tuples
- Demo: Introducing Dictionaries
- Module Summary
Using Python for Complex Interconnected Calculations
- Module Overview
- Transactional and Analytical Processing
- Demo: If Statements for Conditional Branching
- Demo: If Else Statements
- Demo: Using if with Lists and Dictionary Elements
- Demo: If-elif for Multiple Conditional Checks
- Demo: Iterating over List Elements Using a For Loop
- Demo: Using For Loops with the Range Function
- Demo: Iterating over Dictionary Elements Using a For Loop
- Demo: Conditional Looping Using While Loops
- Demo: Break
- Demo: Continue and Pass
- Module Summary
Implementing Code Reuse Using Functions in Python
- Module Overview
- Demo: Defining and Invoking Custom Functions
- Demo: Passing Input Arguments to Functions
- Demo: Returning Values from Functions
- Demo: Reassignment of Variables within Functions
- Demo: Modification of Complex Types within Functions
- Demo: Invoking Functions with Keyword Arguments
- Demo: Assigning Default Values for Input Arguments
- Demo: First Class Functions
- Module Summary
Loading and Saving Data Using Python
- Module Overview
- Demo: Working with the Math Module
- Demo: Introducing NumPy
- Demo: Introducing Pandas
- Demo: Working with the Command Line Processes and Environment Variables
- Demo: Reading the Contents of a File
- Demo: Overwriting and Appending Content to a File
- Demo: Working with CSV and JSON Files
- Module Summary
می پسندم
به درد نمی خوره
