آماده ای برای ایجاد تیم خود از عوامل هوش مصنوعی؟ در این دوره، شما با یک دستیار هوشمند شروع می‌کنید و به گردش‌های کاری کاملی می‌رسید که برنامه‌ریزی، جستجو، یادآوری و همکاری دارند. با استفاده از LlamaIndex، سیستم‌های قدرتمندی ایجاد خواهید کرد که وظایف پیچیده‌ای مانند تحقیق و گزارش عمیق را انجام می‌دهند. در طول مسیر، یاد خواهید گرفت که چگونه ابزارها، حافظه، و همکاری چند عامله را هماهنگ کنید تا به جریان های کاری هوش مصنوعی خود جان ببخشید.

مدل‌های زبان بزرگ (LLM) در رایانه‌ها، تلفن‌ها و برنامه‌های نرم‌افزاری ادغام می‌شوند، اما آنها یک اشکال دارند: دانش آنها توسط داده‌های آموزشی محدود شده است، که کند و پرهزینه است. وارد Retrieval Augmented Generation (RAG) شوید! RAG شما را قادر می سازد تا داده های خارجی را با LLM ها ادغام کنید. در این دوره، تکنیک های پیشرفته برای بارگیری، پردازش و بازیابی داده های خارجی برای LLM ها را خواهید آموخت! برای ایجاد برنامه های RAG از پایگاه های داده برداری، جدیدترین LLM ها، از جمله GPT-4o-Mini، و چارچوب LangChain استفاده خواهید کرد. این دوره با فصلی در Graph RAG پایان می‌یابد، پیچشی در RAG سنتی که از پایگاه‌های داده گراف برای بازیابی داده‌های مطمئن‌تر استفاده می‌کند.

Tidyverse شامل مجموعه عظیمی از بسته‌ها است که کار با داده‌ها را ساده و سریع می‌کند. اما آیا تا به حال سعی کرده اید توابع dplyr را در داخل توابع قرار دهید و با خطاهای عجیب یا نتایج غیرمنتظره گیر کرده اید؟ این خطاها احتمالاً به دلیل ارزیابی مرتب بوده است که رسیدگی به آن نیاز به کمی کار اضافی دارد. در برنامه نویسی با dplyr، شما به استراتژی هایی برای حل این خطاها از طریق بسته rlang مجهز خواهید شد. همچنین تکنیک های دیگری برای برنامه نویسی با dplyr با استفاده از داده های بانک جهانی و صندوق بین المللی پول برای تجزیه و تحلیل روندهای جهانی در سراسر جهان یاد خواهید گرفت. شما تا پایان دوره یک تابع منظم خواهید بود که نینجا می نویسد!

آیا تا به حال فکر کرده اید که توضیحات purrr ("یک ابزار برنامه نویسی کاربردی برای R") به چه چیزی اشاره دارد؟ سپس، شما به جای مناسب آمده اید! این دوره شما را در بخش برنامه نویسی کاربردی purrr راهنمایی می کند - به عبارت دیگر، شما یاد خواهید گرفت که چگونه از انعطاف پذیری ارائه شده توسط .f در map(.x,.f) برای تکرار لیست ها، بردارها و data.frame با کد قوی، تمیز و آسان استفاده کنید. در طول این دوره، یاد خواهید گرفت که چگونه نگاشت های خود (یا توابع لامبدا) را بنویسید و چگونه از گزاره ها و قیدها استفاده کنید. در نهایت، این دانش جدید برای یک مورد استفاده اعمال می‌شود، به طوری که می‌توانید ببینید چگونه می‌توانید از این دانش جدید به دست آمده در یک مثال عینی از یک فهرست تودرتوی ساده، نحوه استخراج، نگه‌داشتن یا کنار گذاشتن عناصر، نحوه نوشتن توابع برای دستکاری و تجزیه نتایج از این فهرست، نحوه ادغام گردش کار purrr در داخل توابع دیگر، نحوه جلوگیری از کپی و چسباندن ابزار با توابع استفاده کنید.

نوشتن اسکریپت های R آسان است. نوشتن کد R خوب سخت است. در این دوره، برنامه‌نویسی دفاعی را مورد بحث قرار می‌دهیم - مجموعه‌ای از تکنیک‌های استاندارد که به کاهش باگ‌ها و کمک به کار در تیم‌ها کمک می‌کند. ما تکنیک هایی را برای اجتناب از خطاهای رایج و همچنین نحوه رسیدگی به خطای اجتناب ناپذیری که در کد ما ایجاد می شود را بررسی می کنیم. این دوره به بررسی زمان انتقال از اسکریپت به پروژه به بسته پایان می‌دهد.

برنامه نویسی شی گرا (OOP) به شما امکان می دهد روابط بین توابع و اشیایی را که می توانند روی آنها عمل کنند مشخص کنید و به شما در مدیریت پیچیدگی کد خود کمک می کند. این یک دوره سطح متوسط ​​است که مقدمه ای بر OOP با استفاده از سیستم های S3 و R6 ارائه می دهد. S3 یک ابزار برنامه نویسی R روز به روز عالی است که برخی از عملکردهایی را که می نویسید ساده می کند. R6 به ویژه برای تجزیه و تحلیل های خاص صنعت، کار با API های وب و ایجاد رابط کاربری گرافیکی مفید است.

برنامه نویسی شی گرا (OOP) یک الگوی برنامه نویسی پرکاربرد است که زمان توسعه را کاهش می دهد و خواندن، استفاده مجدد و حفظ کد شما را آسان تر می کند. OOP تمرکز را از تفکر در مورد کد به عنوان دنباله ای از اقدامات به نگاه کردن به برنامه شما به عنوان مجموعه ای از اشیاء که با یکدیگر تعامل دارند تغییر می دهد. در این دوره آموزشی، نحوه ایجاد کلاس هایی را یاد خواهید گرفت که به عنوان طرح اولیه برای هر شی در پایتون عمل می کنند. سپس از اصولی به نام وراثت و چندشکلی برای استفاده مجدد و بهینه سازی کد استفاده خواهید کرد. وارد شوید و یاد بگیرید که چگونه کدهای زیبا و تمیز و کارآمد ایجاد کنید!

آماده ای برای باز کردن قدرت برنامه نویسی شی گرا هستید؟ شما در جای مناسب هستید! در این دوره آموزشی، شما بر پایه های برنامه نویسی شی گرا برای توسعه و تقویت مهارت های مورد نیاز برای نوشتن کد قوی و آماده برای تولید با پایتون، بنا خواهید کرد.

اصول اساسی وراثت را برای ایجاد کلاس هایی که عملکرد را از بیش از یک والد به ارث می برند، اعمال کنید. قفل آرایه جدیدی از قابلیت‌ها را با بارگذاری بیش از حد متد باز کنید تا پیاده‌سازی‌های خود را از اپراتورهای داخلی ایجاد کنید، و کلاس‌های شما را قادر می‌سازد به روش‌های جدید و هیجان‌انگیزی استفاده شوند.

مهارت های خود را با تایپ اشاره به سطح بعدی ببرید و تماشا کنید که خواندن، نوشتن و عیب یابی کد شما آسان تر می شود. نحوه تنظیم، دسترسی و حذف یک ویژگی را با استفاده از توصیفگرها و سایر تکنیک های بومی پایتون سفارشی کنید. یاد بگیرید که تکرار کننده های سفارشی خود را برای پیمایش در یک مجموعه یا تولید جریانی از داده بسازید.

قدرت کلاس های پایه انتزاعی و نحوه استفاده از آنها برای ایجاد "طرح های" برای کلاس های مشابه را کشف کنید. تمرین ایجاد رابط های رسمی و غیر رسمی برای ایجاد و اجرای قرارداد بین کلاس ها. در نهایت، دوره را با کلاس های معماری و ساختمان با استفاده از الگوی طراحی روش کارخانه به پایان برسانید.

هنگام کار با داده های بزرگ، با دو مانع رایج روبرو خواهید شد: استفاده از حافظه زیاد و زمان اجرا طولانی. کتابخانه Dask می‌تواند با بارگیری تکه‌هایی از داده‌ها تنها در صورت نیاز، استفاده از حافظه شما را کاهش دهد. می تواند با استفاده از تمام هسته های محاسباتی موجود به صورت موازی، زمان اجرا را کاهش دهد. بهتر از همه، به تغییرات بسیار کمی در کد پایتون موجود شما نیاز دارد. در این دوره، شما از Dask برای تجزیه و تحلیل داده‌های آهنگ Spotify، پردازش تصاویر حرکات زبان اشاره، محاسبه روند داده‌های آب و هوا، تجزیه و تحلیل ضبط‌های صوتی و آموزش مدل‌های یادگیری ماشین بر روی داده‌های بزرگ استفاده می‌کنید.

زبان برنامه نویسی R یک جزء حیاتی از پشته فناوری مدرن است، اما اجرای کد R گاهی اوقات ممکن است زمان ببرد. این دوره برنامه نویسی موازی می تواند به شما کمک کند تا با استفاده از چندین پردازنده موجود در اکثر رایانه های مدرن کد خود را بهینه کنید. شما مفاهیم کلیدی برنامه نویسی موازی را درک خواهید کرد و عملیاتی را شناسایی خواهید کرد که می توانند از موازی سازی بهره مند شوند. همچنین بسته‌های R (موازی، پیش‌رو، آینده) را برای موازی‌سازی کاوش می‌کنید و مهارت‌هایی را برای کاهش زمان اجرا، نظارت، اشکال‌زدایی و اطمینان از تکرارپذیری در کدهای موازی به دست خواهید آورد.

Kaggle معروفترین پلتفرم برای مسابقات علم داده است. شرکت در چنین مسابقاتی به شما این امکان را می دهد که با مجموعه داده های دنیای واقعی کار کنید، مشکلات مختلف یادگیری ماشین را بررسی کنید، با سایر شرکت کنندگان رقابت کنید و در نهایت، تجربه عملی ارزشمندی کسب کنید. در این دوره، نحوه رویکرد و ساختار هر مسابقه علم داده را خواهید آموخت. شما می توانید طرح اعتبارسنجی محلی صحیح را انتخاب کنید و از تطبیق بیش از حد خودداری کنید. علاوه بر این، شما به مهندسی ویژگی های پیشرفته همراه با رویکردهای مدل سازی تسلط خواهید داشت. همه این تکنیک ها در مجموعه داده های مسابقات Kaggle تمرین خواهند شد.

تجسم عالی داده سنگ بنای علم داده تاثیرگذار است. تجسم به شما کمک می کند هم بینش را در داده های خود بیابید و هم آن بینش ها را با مخاطبان خود به اشتراک بگذارید. همه می آموزند که چگونه در سفر خود برای تبدیل شدن به یک دانشمند داده، یک نمودار پراکندگی اولیه یا نمودار میله ای بسازند، اما پتانسیل واقعی تجسم داده ها زمانی درک می شود که یک قدم به عقب بردارید و به این فکر کنید که چه چیزی، چرا، و چگونه داده های خود را تجسم می کنید. در این دوره شما یاد خواهید گرفت که چگونه تجسم های جذاب و جذابی بسازید که به شما کمک می کند تا نتایج تجزیه و تحلیل های خود را به طور موثر و موثر انتقال دهید. ما از طریق بررسی مجموعه داده‌های مربوط به آلودگی هوا در سراسر ایالات متحده و بازارهای کشاورزان، مقایسه داده‌ها، جزئیات رنگ، نشان دادن عدم قطعیت و نحوه ایجاد تجسم مناسب برای مخاطبان خود را پوشش خواهیم داد. ما این دوره را با بررسی داده‌های بازار کشاورزان با دسترسی آزاد به پایان می‌رسانیم تا یک گزارش تصویری صیقلی و تاثیرگذار بسازیم.

از دست دادن زمان در پرس و جوهای کند؟ برای به اشتراک گذاشتن سوالات خود با همکاران باتجربه تر مردد هستید؟ در این دوره، یاد خواهید گرفت که چگونه PostgreSQL خود را طوری ساختار دهید که در کسری از زمان اجرا شود. با کاوش در داده های درهم تنیده مربوط به مشارکت المپیک، آب و هوای کشور و تولید ناخالص داخلی، به طور مستقیم تجربه خواهید کرد که چگونه تغییرات در روش فیلتر کردن و استفاده از پرسش های فرعی بر عملکرد پرس و جو تأثیر می گذارد. شما با خواص یک پایگاه داده ردیف گرا آشنا خواهید شد و همچنین خواهید دید که آتشفشان های هاوایی چگونه بر کیفیت هوا تأثیر می گذارد. با بازسازی سوالات خود با برنامه ریز پرس و جو و ترتیب عملیات SQL، به زودی همکاران خود را با کارایی بی دردسر خود خیره خواهید کرد.

یک ماموریت حیاتی به مهارت های کدنویسی SQL شما بستگی دارد. کدی به شما داده شده است که آن را برطرف کنید. نتایج مورد نیاز شما را می دهد، اما بسیار کند است، و قالب بندی آن ضعیف است و خواندن آن را سخت می کند. آخرین مهلت فردا است. شما باید کد را دوباره فرمت کنید و روش های مختلفی را برای بهبود عملکرد امتحان کنید. فشار بالاست!!! در این دوره ما از SQL بر روی مجموعه داده‌های دنیای واقعی، از ورزش و علوم زمین، استفاده خواهیم کرد تا به شیوه‌های کدنویسی خوب و راه‌های مختلفی که چگونه می‌توانیم عملکرد پرس‌و‌جوها را برای دستیابی به نتایج یکسان بهبود دهیم، نگاه کنیم.

این دوره به شما کمک می کند تا مهارت های تجسم داده های خود را فراتر از اصول اولیه ببرید و آنها را به عضوی قدرتمند در جعبه ابزار علم داده خود تبدیل کنید. در طول درس‌ها، از دو مجموعه داده باز جالب برای پوشش انواع مختلف داده‌ها (نسبت‌ها، داده‌های نقطه‌ای، توزیع‌های منفرد و توزیع‌های چندگانه) استفاده می‌کنیم و در مورد مزایا و معایب رایج‌ترین تجسم‌ها بحث می‌کنیم. علاوه بر این، ما برخی از تجسم‌های جایگزین کمتر رایج را برای انواع داده‌ها و نحوه تغییر تنظیمات پیش‌فرض ggplot برای انتقال مؤثر و مؤثر پیام خود پوشش خواهیم داد.

R یک زبان عالی برای علم داده است، اما گاهی اوقات اجرای کد ممکن است کند باشد. ترکیب راحتی R با سرعت یک زبان کامپایل شده یک راه عالی برای بازیابی عملکردی است که کد شما شایسته آن است.

C++ یک زبان مدرن و با کارایی بالا است که یادگیری آن به اندازه کافی ساده است در زمینه تسریع کد R. با کمک بسته Rcpp، C++ بسیار منظم با R ادغام می شود. شما یاد خواهید گرفت که چگونه ایجاد و دستکاری کنید اشیاء معمولی R (بردارها و لیست ها)، و توابع C++ خود را بنویسید برای افزایش چشمگیر عملکرد کد R خود.

این دوره توسعه دهندگان جاوا را با مهارت های ضروری برای تجزیه و تحلیل و بهینه سازی عملکرد در برنامه های کاربردی سازمانی مجهز می کند. شما یاد خواهید گرفت که پیچیدگی الگوریتمی را با نماد Big-O ارزیابی کنید، ساختارهای داده کارآمد را انتخاب کنید و معیارهای کلیدی مانند CPU، حافظه و تأخیر را با استفاده از ابزارهای حرفه ای نظارت کنید. با کاوش در بخش داخلی ماشین مجازی جاوا، جمع‌آوری زباله و کامپایل‌سازی به‌موقع، بینش‌هایی در مورد رفتار زمان اجرا به دست خواهید آورد. این دوره همچنین تکنیک‌های پیشرفته‌ای مانند چند رشته، عملیات ناهمزمان و استراتژی‌های کش را پوشش می‌دهد و شما را قادر می‌سازد تا سیستم‌های جاوا مقیاس‌پذیر و با کارایی بالا بسازید.

سازمان‌های داده‌محور برای الهام بخشیدن به اقدام و ایجاد تغییر، پیوسته بر بینش‌ها تکیه می‌کنند. برقراری ارتباط شفاف و مؤثر این بینش ها برای برجسته شدن در محیط غنی از داده ما به طور فزاینده ای مهم می شود. این دوره غیر فنی مهارت هایی را به شما می دهد تا در درک و انتقال بینش داده ها احساس اطمینان کنید. شما با یادگیری اینکه چرا بینش داده‌ها برای سازمان‌ها ارزشمند هستند و نحوه انتخاب روش مناسب برای به اشتراک گذاشتن دانش خود با دیگران شروع خواهید کرد. شما یاد خواهید گرفت که بین چهار نوع ارتباط تمایز قائل شوید و نقاط قوت و ضعف هر کدام را درک کنید. در مرحله بعد، خواهید فهمید که چرا تجسم ها یکی از قدرتمندترین ابزارها برای برقراری ارتباط بینش داده ها هستند. شما همچنین نحوه اعمال بهترین شیوه ها و درونی کردن مفاهیم اصلی پشت تجسم های قانع کننده را بررسی خواهید کرد. شما با غواصی در داستان سرایی داده به پایان خواهید رسید تا تمام مهارت های جدید خود را در یک بسته منظم زنده کنید. در پایان دوره، مهارت‌های ارتباطی خود را از طریق قدرت روایت، تجسم‌سازی و زمینه ارتقا می‌دهید تا به یک ارتباط‌دهنده متخصص با داده تبدیل شوید.

کار با داده ها مشکل است - کار با میلیون ها یا حتی میلیاردها ردیف بدتر است. آیا مقداری کد پردازش داده که روی یک لپ تاپ با داده های نسبتاً بکر نوشته شده بود دریافت کردید؟ به احتمال زیاد شما مسئول انتقال یک فرآیند داده اولیه از نمونه اولیه به تولید شده اید. ممکن است با مجموعه داده‌های دنیای واقعی، با فیلدهای گمشده، قالب‌بندی عجیب و غریب و داده‌های بزرگ‌تر کار کرده باشید. حتی اگر همه اینها برای شما جدید باشد، این دوره به شما کمک می کند تا آنچه را که برای آماده سازی فرآیندهای داده با استفاده از Python با Apache Spark لازم است را بیاموزید. اصطلاحات، روش‌ها و برخی از بهترین روش‌ها را برای ایجاد یک پلت فرم پردازش داده کارآمد، قابل نگهداری و قابل درک می‌آموزید.

غلبه بر مشکلات رایج داده مانند حذف موارد تکراری در R

در چالش های داده های پیشرفته

استفاده از Record Linkage در حین پاکسازی داده را بیاموزید