مبانی پایتون
نصب پایتون (Anaconda, PyCharm, VSCode)00:00
انواع دادهها و متغیرها00:00
ساختارهای شرطی00:00
ساختارهای حلقه00:00
نصب آناکوندا54:14
شروع برنامه نویسی با پایتون56:47
آزمون، شروع برنامه نویسی با پایتون
ساختارهای ترتیبی: رشتهها و برشها01:44:08
آزمون ساختارهای ترتیبی: رشتهها و برشها
ساختارهای ترتیبی: لیستها و تاپلها01:39:45
آزمون ساختارهای ترتیبی: لیستها و تاپلها
مجموعهها و دیکشنری ها01:20:38
آزمون مجموعه ها و دیکشنری ها
توابع در پایتون48:08
آزمون توابع در پایتون
توابع لمبدا (Lambda)19:33
آزمون توابع لامبدا
مدیریت استثناها47:29
ماژولها و پکیجها01:24:29
کار با فایلها45:18
کلاس آنلاین پرسش و پاسخ00:00
مبانی دادههای کلان (Big Data)
مقدمهای بر دادههای کلان00:00
مرور و مقایسه پایگاههای داده سنتی00:00
مرور SQL و نحوه نوشتن Query00:00
مفاهیم اولیه سیستمهای توزیعشده00:00
هدوپ (Hadoop): نجاتدهنده00:00
MapReduce00:00
پردازش دادههای کلان00:00
اصطلاحات داده بهصورت کاربردی00:00
چرخه عمر دادههای کلان00:00
پروژه نهایی00:00
آزمون نهایی00:00
دوره طراحی و پیادهسازی (Data Pipeline)
صفهای پیام Message Queues و دریافت داده00:00
پایش، داشبوردسازی و اعلانها00:00
ارکستراسیون و استقرار مدل00:00
بررسی پروژه نهایی00:00
طراحی پایگاه داده SQL
مقدمهای بر داده و پایگاه داده00:00
نصب و پیکربندی SQL Server00:00
پیادهسازی یک پایگاه داده نمونه00:00
ایجاد روابط بین جداول طراحی شده00:00
مفهوم «اسکیما» در SQL Server00:00
ایجاد دسترسی کاربر در SQL Server00:00
مفهوم اسکیما در SQL Server00:00
ایجاد دسترسی کاربران در SQL Server00:00
فرایند ایجاد پشتیبان (Backup)00:00
تبدیل فایلهای متنی و اکسل به پایگاه داده00:00
SQL Agent و خودکارسازی فرایندها00:00
TransactSQL00:00
پیادهسازی نمونه پایگاه داده شرکت بیمه00:00
پایتون در تحلیل داده 1
NumPy بخش یک00:00
NumPy بخش دو00:00
NumPy بخش سه00:00
NumPy بخش چهار00:00
NumPy بخش پنج00:00
NumPy بخش شش00:00
Pandas 1 بخش یک00:00
Pandas 1 بخش دو00:00
Pandas 1 بخش سه00:00
Pandas 1 بخش چهار00:00
Pandas 1 بخش پنج00:00
Pandas 1 بخش شش00:00
Pandas 1 بخش هفت00:00
Pandas 1 بخش هشت00:00
Pandas 1 بخش نه00:00
Pandas 2 بخش یک00:00
Pandas 2 بخش دو00:00
Pandas 2 بخش سه00:00
Pandas 2 بخش چهار00:00
Pandas 2 بخش پنج00:00
Pandas 2 بخش شش00:00
Pandas 2 بخش هفت00:00
Pandas 2 بخش هشت00:00
Pandas 2 بخش نه00:00
پایتون در تحلیل داده 2
مقدمهای بر Polars00:00
دستکاری داده (Data Manipulation) در Polars00:00
تکنیکهای پیشرفتهی Polars00:00
تحلیل پیشرفتهی داده با SciPy00:00
تحلیل آماری با SciPy00:00
بهینهسازی و جبر خطی در SciPy00:00
پردازش سیگنال با SciPy00:00
پروژه نهایی00:00
جبر ماتریس و کاربرهای آن در علوم داده و هوش مصنوعی
مقدمهای بر دوره05:34
مرور عملیات ماتریس (جمع، ضرب)20:39
ماتریس ترانهاده و ماتریسهای بلوکی18:23
مقادیر و بردارهای ویژه، قطرنشانی28:43
تحلیل مؤلفههای اصلی (PCA) برای کاهش ابعاد27:47
ماتریس کوواریانس و ماتریس همبستگی19:22
تجزیه مقادیر منفرد (SVD)19:18
کاربردها در سیستمهای توصیهگر و پردازش تصویر24:37
کاربرد ماتریس در علم NLP19:33
مرور مثالها و حل تمرینها35:34
معرفی پایتون، تاریخچه و موارد استفاده
پایتون یک زبان برنامهنویسی قدرتمند و سادهفهم است که در حوزههایی مانند هوش مصنوعی، توسعه وب، علم داده و اتوماسیون استفاده میشود. به دلیل سینتکس ساده و کتابخانههای متنوع، یادگیری آن برای مبتدیان آسان است.
هیچ پیوستی یافت نشد