اگر با SAS تجربه دارید و می خواهید R را یاد بگیرید، این دوره برای شما مناسب است. R رایگان (هزینه) و باز (مجوز) است و یکی از زبان‌های نرم‌افزاری است که سریع‌ترین رشد را برای علم آمار و داده‌ها دارد. این دوره مقدمه ای ملایم برای زبان R است که در هر فصل یک نقشه دقیق از توابع R به رویه های SAS ارائه می شود که شباهت ها و تفاوت ها را برجسته می کند. شما خود را در محیط R جهت یابی خواهید کرد و کشف خواهید کرد که چگونه داده ها را به هم بزنید، تجسم کنید و مدل کنید و خروجی خود را برای ارائه نهایی سفارشی کنید. در طول دوره، شما یک جریان کاری ثابت از بررسی و تمیز کردن کیفیت داده ها، کاوش روابط، مدل سازی و ارائه نتایج را دنبال خواهید کرد. شما این دوره را با نمونه‌های کدگذاری شده‌ای که الگویی برای استفاده فوری با مجموعه داده‌های خودتان ارائه می‌دهند، ترک خواهید کرد.

در دنیای هیجان انگیز APIها شیرجه بزنید زیرا ما شما را با اصول مصرف و کار با Web API با استفاده از Python آشنا می کنیم. این دوره برای ابهام زدایی از مفاهیم و کاربردهای عملی APIها طراحی شده است. این یک معرفی عملی به شما ارائه می دهد که در آن یاد خواهید گرفت که چگونه با یک REST API تعامل کنید و آن را در برنامه ها یا گردش کار خود ادغام کنید. در پایان این دوره، درک جامعی از APIها و اعتماد به نفس استفاده از دانش خود در سناریوهای دنیای واقعی خواهید داشت.

Julia یک زبان برنامه نویسی جدید و هیجان انگیز است که از ابتدا به عنوان زبان ایده آل برای محاسبات علمی، یادگیری ماشین و داده کاوی طراحی شده است. این دوره به شما یک شروع دویدنی در سفر با جولیا می دهد.

ما از اصول اولیه جولیا شروع می‌کنیم، بنابراین اگر قبلاً برنامه‌نویسی نکرده‌اید، می‌توانید آن را دنبال کنید. در پایان این دوره، شما با کدنویسی در جولیا، آشنایی با اصول اولیه، از جمله انواع داده ها و ساختارها، توابع و بسته ها، و نحوه استفاده از DataFrames برای کار با داده های جدولی آشنا خواهید شد.

دانشمندان داده می‌توانند با یادگیری مفاهیم در زمینه مهندسی نرم‌افزار، مزایای بزرگی را تجربه کنند، که به آنها امکان می‌دهد راحت‌تر از کد خود استفاده مجدد کرده و آن را با همکاران به اشتراک بگذارند. در این دوره، شما همه چیز را در مورد ایده های مهم ماژولار بودن، مستندسازی، و تست خودکار یاد خواهید گرفت و خواهید دید که چگونه می توانند به شما کمک کنند تا مسائل علم داده را سریعتر و به گونه ای حل کنید که آینده شما را خوشحال کند. حتی می‌توانید از ابزارهای مهندسی نرم‌افزاری که به دست آورده‌اید برای نوشتن بسته پایتون خود برای انجام تجزیه و تحلیل متن استفاده کنید.

آیا برنامه نویسی پایتون خود را پایین آورده اید اما آرزوی بیشتر دارید؟ سپس این دوره برای شماست. در اینجا، دانش خود را در مورد لیست ها، لغت نامه ها، تاپل ها، مجموعه ها و زمان های تاریخ تثبیت و تمرین خواهید کرد. شما ارتباط آنها را در کار با بسیاری از داده های واقعی و نحوه استفاده از چندین مورد از آنها برای حل مشکلات چند مرحله ای، از جمله مطالعه موردی گسترده با استفاده از داده های حمل و نقل شهری شیکاگو، خواهید دید. همچنین یاد خواهید گرفت که چگونه از بسیاری از اشیاء موجود در ماژول مجموعه پایتون استفاده کنید، که به شما امکان می دهد داده های خود را برای اهداف مختلف ذخیره و دستکاری کنید. پس از گذراندن این دوره، برای مقابله با بسیاری از چالش های داده به صورت پایتونیک آماده خواهید بود.

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.

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.

پایتون و R در "عصر یادگیری ماشینی" رشد چشمگیری در محبوبیت داشته اند. هر دوی آنها زبان های سطح بالایی هستند که یادگیری و نوشتن آنها آسان است. زبانی که استفاده می کنید به سابقه و رشته تحصیلی و کاری شما بستگی دارد. R یک زبان ساخته شده توسط و برای آماردانان است، در حالی که پایتون یک زبان برنامه نویسی عمومی تر است. صرف نظر از پس زمینه، مواقعی وجود خواهد داشت که یک الگوریتم خاص در یک زبان پیاده سازی می شود و نه زبان دیگر، یک ویژگی بهتر مستند می شود، یا به سادگی، آموزشی که به صورت آنلاین پیدا کردید به جای R از Python استفاده می کند.

در هر صورت، این امر مستلزم این است که کاربر R در پایتون کار کند تا کار خود را انجام دهد، یا سعی کند بفهمد که چگونه چیزی در پایتون پیاده‌سازی می‌شود تا به R ترجمه شود. این دوره به شما کمک می‌کند از مانع زبان R-Python عبور کنید.

آیا به دنبال راه حلی بهتر از راه حلی هستید که در صفحه گسترده ساخته اید؟ اگر چنین است، پس پایتون برای کاربران صفحه گسترده مقدمه‌ای عالی برای زبان پایتون است و شما را در مسیر درستی برای خودکارسازی کارهای تکراری، غواصی عمیق‌تر در داده‌های خود و گسترش دامنه آنچه که قادر به انجام آن هستید قرار می‌دهد. در طول دوره، ما به موازات توابع و تکنیک‌های رایج صفحه‌گسترده ترسیم می‌کنیم، بنابراین وقتی ابتدا به پایتون شیرجه می‌زنید، همیشه یک نقطه مرجع آشنا خواهید داشت.

Python یک زبان برنامه نویسی همه کاره است که برای انجام علم داده محبوبیت بیشتری پیدا می کند. شرکت‌ها در سرتاسر جهان از پایتون برای جمع‌آوری اطلاعات از داده‌های خود و کسب مزیت رقابتی استفاده می‌کنند. این دوره بر کمک به کاربران Matlab در یادگیری استفاده از Python به طور خاص برای علم داده تمرکز دارد. شما به سرعت یاد خواهید گرفت که چگونه از Matlab به Python برای تجزیه و تحلیل و تجسم داده ها مهاجرت کنید. اصول سینتکس پایتون، نحوه استفاده از آرایه های numpy برای ذخیره و دستکاری داده ها را بیاموزید. شما یاد خواهید گرفت که چگونه از matplotlib برای کشف روندها، همبستگی ها و الگوها در مجموعه داده های واقعی، از جمله ترافیک دوچرخه در شهر سیاتل و قیمت آووکادو در سراسر ایالات متحده استفاده کنید.

یادگیری پایتون برای هر متخصص مشتاق علم داده بسیار مهم است. یاد بگیرید که داده های واقعی را با توابع Matplotlib تجسم کنید و با ساختارهای داده مانند دیکشنری و پانداها DataFrame آشنا شوید. این دوره چهار ساعته به شما کمک می کند تا مهارت های پایتون موجود خود را تقویت کنید و برنامه ها و توابع جدید پایتون را کشف کنید که کارنامه شما را گسترش می دهد و به شما کمک می کند کارآمدتر کار کنید. متوجه خواهید شد که چگونه دیکشنری ها جایگزینی برای لیست های پایتون ارائه می دهند و چرا چارچوب داده پانداها محبوب ترین روش کار با داده های جدولی است. در فصل دوم این دوره، نحوه ایجاد و دستکاری مجموعه داده ها و نحوه دسترسی به آنها با استفاده از این ساختارها را خواهید یافت. تمرین عملی در طول دوره باعث افزایش اعتماد به نفس شما در هر زمینه می شود. همانطور که پیشرفت می کنید، به منطق، کنترل جریان، فیلتر کردن و حلقه ها نگاه خواهید کرد. این توابع برای کنترل تصمیم‌گیری در برنامه‌های پایتون کار می‌کنند و به شما کمک می‌کنند تا عملیات بیشتری را با داده‌های خود انجام دهید، از جمله عبارت‌های تکراری. شما دوره را با استفاده از تمام مهارت های جدید خود با استفاده از آمار هکرها برای محاسبه شانس برنده شدن در یک شرط به پایان خواهید رساند. پس از تکمیل تمام فصل‌ها، آماده خواهید بود که مهارت‌های جدید خود را در شغل، شغل جدید یا پروژه شخصی خود به کار ببرید و آماده باشید تا به یادگیری پیشرفته‌تر پایتون بروید.

ویدیوها حاوی رونوشت‌های زنده هستند که با کلیک کردن روی "نمایش رونوشت" در پایین سمت چپ ویدیوها قابل دسترسی هستند.

واژه نامه دوره را می توانید در سمت راست در بخش منابع پیدا کنید.

برای کسب اعتبارات CPE باید دوره را تکمیل کنید و در ارزیابی واجد شرایط به نمره 70% برسید. می‌توانید با کلیک بر روی علامت اعتبارات CPE در سمت راست به ارزیابی بروید.

استفاده موثر از توابع، ماژول ها و بسته های داخلی پایتون را بیاموزید. توابع سفارشی را با مستندات واضح و آرگومان های انعطاف پذیر ایجاد کنید که مناسب موارد استفاده مختلف است. با خواندن ردیابی‌ها، شناسایی خطاهای رایج و استفاده از بلوک‌های try-except، مدیریت خطا را مسلط کنید. درک زمان استفاده از توابع لامبدا در مقابل تعاریف کامل. در پایان، می‌توانید کدهای قابل استفاده مجدد بنویسید که سایر توسعه‌دهندگان بتوانند با اطمینان آن را درک کنند، گسترش دهند و اشکال‌زدایی کنند.

مجموعه داده ها اغلب بزرگتر از RAM موجود هستند، که برای برنامه نویسان R مشکل ایجاد می کند زیرا به طور پیش فرض همه متغیرها در حافظه ذخیره می شوند. ابزارهایی را برای پردازش، کاوش و تجزیه و تحلیل داده ها به طور مستقیم از دیسک یاد خواهید گرفت. شما همچنین رویکرد split-apply-combine را پیاده سازی خواهید کرد و نحوه نوشتن کدهای مقیاس پذیر با استفاده از بسته های bigmemory و iotools را یاد خواهید گرفت. در این دوره، از داده‌های آژانس مالی مسکن فدرال استفاده خواهید کرد، مجموعه داده‌ای در دسترس عموم که تمام وام‌های مسکنی را که بین سال‌های 2009 تا 2015 توسط انجمن ملی وام مسکن فدرال (فانی می) و شرکت وام مسکن فدرال (فردی مک) نگهداری یا به اوراق بهادار تبدیل شده‌اند، استفاده می‌کنید.

کدنویسی مصاحبه ها می تواند چالش برانگیز باشد. ممکن است برای تست دانش شما از یک زبان برنامه نویسی سوالاتی از شما پرسیده شود. از طرف دیگر، می توان به شما وظیفه ای را برای حل کردن محول کرد تا بررسی کنید که چگونه فکر می کنید. و هنگامی که برای یک موقعیت دانشمند داده با شما مصاحبه می شود، احتمالاً می توان از ابزارهای مربوطه در دسترس برای زبان سؤال کرد. در هر یک از موارد، برای به دست آوردن یک موقعیت خوب به عنوان یک دانشمند داده، باید کمی کار کنید تا بهترین عملکرد را داشته باشید. به همین دلیل تمرین برای اثبات تخصص خود بسیار مهم است! این دوره به عنوان یک راهنما برای کسانی است که تازه راه خود را برای تبدیل شدن به یک دانشمند داده حرفه ای آغاز کرده اند و به عنوان یک تجدید کننده برای کسانی که به دنبال فرصت های دیگر هستند. ما موضوعات اساسی و همچنین پیشرفته را بررسی خواهیم کرد که هدف آنها آماده کردن شما برای مصاحبه کدنویسی در پایتون است. از آنجایی که این یک دوره گام به گام عادی نیست، برخی از تمرینات می توانند بسیار پیچیده باشند. اما چه کسی گفت که مصاحبه آسان است، درست است؟