مبانی پایتون
نصب پایتون (Anaconda, PyCharm, VSCode)00:00
انواع دادهها و متغیرها01:10:02
آزمون داده ها و متغیر ها
ساختارهای شرطی43:15
آزمون ساختار های شرطی
ساختارهای حلقه48:16
آزمون ساختار های حلقه
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
آزمون مدیریت استثناها
ماژولها و پکیجها01:24:29
آزمون ماژولها و پکیجها
کار با فایلها45:18
آزمون کار با فایل ها
کلاس آنلاین پرسش و پاسخ00:00
مبانی کلان داده (Big Data)
معرفی و مقدمهای بر دادههای کلان33:03
آزمون مقدمه و معرفی کلان داده
مروری بر دیتابیس 153:11
آزمون مروری بر دیتابیس 1
مروری بر دیتابیس 201:08:01
آزمون مروری بر دیتابیس 2
مروری بر SQL50:38
آزمون مروری بر SQL
مبانی سیستم های توزیع شده50:30
آزمون مبانی سیستم های توزیع شده
هدوپ (Hadoop)51:52
آزمون هدوپ
MapReduce40:31
آزمون Map Reduce
پردازش کلان داده54:40
آزمون پردازش کلان داده
راهکارهای مدیریت داده34:02
آزمون راه کار های مدیریت داده
کیفیت داده47:06
آزمون کیفیت داده (مبانی کلان داده)
پروژه اول کلان داده22:01
آزمون پروژه اول کلان داده
آزمون صف های پیام و دریافت داده
قابلیت مشاهده داده ها47:14
آزمون قابلیت مشاهده داده ها
هماهنگ سازی و استقرار مدل29:38
آزمون هماهنگ سازی و استقرار مدل
پروژه دوم20:06
طراحی پایگاه داده SQL
معرفی دیتا و دیتابیس28:08
آزمون معرفی دیتا و دیتابیس
نصب و تنظیم SQL Server18:11
پیادهسازی یک دیتابیس نمونه28:36
آزمون پیاده سازی یک دیتابیس نمونه
ایجاد روابط بین جداول طراحی شده24:47
آزمون ایجاد روابط بین جداول طراحی شده
مفهوم «اسکیما» در SQL Server16:07
آزمون مفهوم اسکیما در SQL Server
ایجاد دسترسی کاربر در SQL Server08:32
آزمون ایجاد دسترسی کاربر در SQL Server
فرایند ایجاد پشتیبان (Backup)21:24
آزمون فرایند ایجاد پشتیبان
تبدیل فایلهای متنی و اکسل به پایگاه داده10:26
آزمون تبدیل فایلهای متنی و اکسل به پایگاه داده
SQL Agent و خودکارسازی فرایندها15:11
آزمون SQL Agent و خودکارسازی فرایندها
TransactSQL10:31
آزمون Transact-SQL
پیادهسازی نمونه پایگاه داده شرکت بیمه24:34
آزمون پیادهسازی نمونه پایگاه داده شرکت بیمه
پایتون در تحلیل داده 1
آزمون Google Colab
قسمت یک آشنایی با NumPy : پایه و اساس پردازش دادههای عددی در پایتون30:14
آزمون آشنایی با NumPy : پایه و اساس پردازش دادههای عددی در پایتون
قسمت دو ابعاد در NumPy: از یکبعدی تا سهبعدی30:34
آزمون قسمت دو ابعاد در NumPy: از یکبعدی تا سهبعدی
قسمت سه، برش و پردازش آرایهها در NumPy تکنیکهای حرفهای Slicing27:32
آزمون برش و پردازش آرایهها در NumPy
کاوش در NumPy: تغییر نوع داده، شکلدهی و عملیاتهای ریاضی27:16
آزمون کاوش در NumPy: تغییر نوع داده، شکلدهی و عملیاتهای ریاضی
مبانی پیشرفته نامپای: ترکیب، جداسازی و جستجو در آرایهها21:32
آزمون مبانی پیشرفته نامپای: ترکیب، جداسازی و جستجو در آرایهها
NumPy پروژه نهایی18:33
آزمون آشنایی با پانداز: مدیریت و پردازش دادهها به زبان ساده
پانداز یک، قسمت دو، سری ها30:50
پانداز یک، قست سه30:10
پانداز یک، قسمت چهار، توابع24:02
پانداز یک، قسمت پنج، مموری29:07
پانداز یک، قسمت شش، دیتافریم18:30
پانداز یک، قسمت هفت، دیتافریم22:45
پانداز دو: قسمت یک27:38
پانداز دو: قسمت دو23:51
پانداز دو: قسمت سه27:52
پانداز دو: قسمت چهار23:29
پانداز دو: قسمت پنج23:54
پانداز سه: قسمت یک30:43
پانداز سه: قسمت دو26:35
پانداز سه: قسمت سه28:46
پانداز سه: قسمت چهار23:13
پانداز سه: قسمت پنج21:17
پانداز سه: قسمت شش25:17
پایتون در تحلیل داده 2
دستکاری داده (Data Manipulation) در Polars37:47
تکنیکهای پیشرفتهی Polars21:45
تحلیل پیشرفتهی داده با SciPy20:16
تحلیل آماری با SciPy23:33
بهینهسازی و جبر خطی در SciPy24:51
پردازش سیگنال با SciPy19:26
پروژه نهایی05:26
جبر ماتریس و کاربرهای آن در علوم داده و هوش مصنوعی
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