تعویض نسخه دانلودی با نسخه فیزیکی و یا بالعکس امکان پذیر نمی باشد

پایتون چیست ؟

پایتون Pythonیک زبان برنامه‌نویسی شیءگرا، تفسیری، سطح بالا، و همه منظوره است، که  خیدو فان روسوم  آن را طراحی کرده‌ است، و اولین بار در سال ۱۹۹۱ منتشر شد . فلسفه اصلی طراحی پایتون «خوانایی بالای کد» است و نویسه‌های فاصله خالی در آن معنادار هستند و مکرر استفاده می‌شوند. ساختار زبانی و دیدگاه شیءگرا در پایتون به گونه‌ای طراحی شده‌است که به برنامه‌نویس امکان نوشتن کد منطقی و واضح (بدون ابهام) را برای پروژه‌های کوچک و بزرگ می‌دهد.    

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.

این آموزش با بهره‌گیری از به‌روزترین محیط‌های کدنویسی و بسته‌های نرم‌افزاری پایتون که شرکت‌های بزرگ نیز از آنها بهره می‌برند، ارائه شده است. محیط اصلی آموزش، برنامه JupyterLab است که یکی از جدیدترین محیط‌های کدنویسی پایتون بوده و شرکت‌های مهمی همچون گوگل و سایت معروف kaggle سرویس‌های کدنویسی خود یعنی Colab و DataStudio را روی این پلتفرم ارائه کرده‌اند.

راجع به پایتون همین بس که کمپانی های بزرگ مثل یوتیوب، نتفلیکس و اینستاگرام، در برنامه نویسی های وب خود از کدهای پایتون استفاده می کنند! استفاده از پایتون از سال ۲۰۱۷ رشد عجیبی پیدا کرده و شیب آن از تمام زبان های برنامه نویسی دیگر به مراتب بیشتر است. علت های مختلفی برای روی آوردن به زبان پایتون وجود دارد، ولی مهمترین آنها را می توان گستردگی استفاده از پایتون و همه جانبه گرایی آن عنوان کرد. 

در مقاله ((کاربرد پایتون در ۱۴ حوزه مختلف)) به کارکردهای مختلف پایتون و گستردگی بیشتر میپردازیم تا حوزه هایی که میتوان از پایتون در آنها استفاده کرد را بشناسیم 

 فهرست آموزش:

 توابع تکمیلی شامل:

• توابع پرکاربرد پیشرفته مانند: map ، filter و reduce
• توابع بازگشتی و جنریتورها
• توابع تودرتو و دکوراتوها

شی ء 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.

چکیده ای از آموزش