Bash یک زبان برنامه نویسی مختصر، فوق سریع و قوی برای دستکاری داده ها و فایل ها است. این یک مهارت حیاتی برای ایجاد خطوط لوله تجزیه و تحلیل در فضای ابری است که مورد علاقه کاربران لینوکس برای کار با داده های ذخیره شده در چندین فایل است.

در این دوره آموزشی، شما را از طریق اصول اولیه اسکریپت نویسی Bash راهنمایی می کنیم. ما با مقدمه‌ای بر ساختارهای اسکریپت Bash، از جمله ورودی آرگومان‌ها و خروجی نتایج، شروع می‌کنیم. سپس از طریق ساختارهای داده مانند متغیرها و آرایه ها و دستورات کنترلی از جمله حلقه ها و شرطی ها کار خواهید کرد. سپس با ایجاد توابع Bash خود و برنامه‌ریزی اسکریپت‌های خودکار برای اجرا مانند ساعتی با cron، آنچه را که یاد گرفته‌اید، در عمل به کار خواهید برد.

این دوره به شما می آموزد که با استفاده از FastAPI، یک چارچوب محبوب پایتون برای ایجاد API، برنامه های کاربردی وب درجه تولید بسازید. شما یاد خواهید گرفت که هر چهار عملیات HTTP را مدیریت کنید، طرح‌های درخواست و پاسخ را تعریف کنید، درخواست‌های API را تأیید کنید و کدهای وضعیت HTTP مناسب را برگردانید. همچنین اجرای کد ناهمزمان را برای افزایش کارایی پوشش خواهید داد، و در پایان، یک CRUD API ایجاد کرده و گردش‌های کاری را با ماژول درخواست‌های پایتون آزمایش خواهید کرد. این دوره که برای برنامه نویسان با تجربه Python طراحی شده است، شما را با مهارت های مدیریت داده ها با FastAPI مجهز می کند و شما را برای ایجاد مدیریت قوی داده و خطوط لوله ارائه مدل ML آماده می کند.

Kubernetes راه حلی است که برنامه های کاربردی کانتینری را به طور موثر هماهنگ و نگهداری می کند. از زمان معرفی آن در سال 2014 توسط گوگل، این سیستم منبع باز به ابزار انتخابی برای مدیریت انواع بارهای کاری توزیع شده تبدیل شده است. این بخش مهمی از دنیای DevOps امروزی است که به توسعه و استقرار برنامه‌ها و گردش‌های کاری مقیاس‌پذیر از هر نوعی کمک می‌کند.

در این دوره تعاملی، با تجربه عملی با استفاده از Kubernetes در خط فرمان، قهرمان Kubernetes خواهید شد. شما بر kubectl، ابزار خط فرمان Kubernetes تسلط خواهید داشت و از آن برای تعامل با خوشه های واقعی Kubernetes استفاده می کنید. شما اصول Kubernetes را یاد خواهید گرفت و نحوه استقرار و هماهنگ کردن کانتینرها با استفاده از Manifests و دستورالعمل‌های kubectl را خواهید فهمید.

این مقدمه ای بر زبان برنامه نویسی R است که بر روی مجموعه ای قدرتمند از ابزارها به نام Tidyverse تمرکز دارد. با استفاده از ابزارهای dplyr و ggplot2، فرآیندهای درهم تنیده دستکاری و تجسم داده ها را یاد خواهید گرفت. شما یاد خواهید گرفت که با فیلتر کردن، مرتب‌سازی و خلاصه کردن مجموعه داده‌های واقعی از داده‌های کشور تاریخی، داده‌ها را دستکاری کنید تا به سؤالات اکتشافی پاسخ دهید. سپس یاد خواهید گرفت که با بسته ggplot2 این داده های پردازش شده را به نمودارهای خطی، نمودارهای نواری، هیستوگرام و موارد دیگر تبدیل کنید. ارزش تجزیه و تحلیل داده های اکتشافی و قدرت ابزار Tidyverse را خواهید چشید. این یک مقدمه مناسب برای کسانی است که تجربه قبلی در R ندارند و علاقه مند به انجام تجزیه و تحلیل داده ها هستند.

با دوره جامع ما که پایه ای در اصول و شیوه های برنامه نویسی شی گرا (OOP) ارائه می دهد، سفری را به قلب برنامه نویسی پایتون آغاز کنید. از طریق یک سری تمرینات عملی و مثال‌های واقعی، یادگیرندگان در استفاده از قدرت پارادایم OOP پایتون برای ایجاد کد کارآمد، ماژولار و قابل استفاده مجدد مهارت کسب خواهند کرد.

مبانی OOP در مفاهیم اساسی که پایه و اساس برنامه نویسی شی گرا را تشکیل می دهند، عمیق شوید. شما اصول اصلی کلاس ها و اشیاء را کشف خواهید کرد، نحوه تعریف و نمونه سازی اهداف در پایتون را یاد خواهید گرفت و نحوه تخصیص ویژگی ها در طول نمونه سازی را کشف خواهید کرد.

ارث دانش خود را با تسلط بر وراثت و ایجاد زیر کلاس هایی که بر اساس عملکرد تعریف شده در کلاس های دیگر ساخته می شوند، گسترش دهید. شما بین داده‌های سطح کلاس و سطح نمونه تمایز قائل می‌شوید، متدهای کلاس را پیاده‌سازی می‌کنید و عملکرد زیر کلاس‌ها را سفارشی می‌کنید!

برابری، رسیدگی به استثناء، و بهترین شیوه ها تطبیق پذیری پایتون را در مدیریت مقایسه اشیاء کاوش کنید و تکنیک هایی را برای نمایش رشته ای موثر از اشیا کشف کنید که خروجی های قابل خواندن برای انسان را قادر می سازد. یاد بگیرید که چگونه کد خود را در برابر خطاهای غیرمنتظره تقویت کنید و قابلیت اطمینان آن را از طریق مدیریت استثنا افزایش دهید. اهمیت تشخیص خطا و بازیابی برازنده خطا را درک کنید و از اجرای روان تر برنامه های خود اطمینان حاصل کنید. بهترین روش‌ها را برای نوشتن کدهای تمیز، قابل نگهداری و پایتونیک که به اصول OOP پایبند است، به دست آورید.

این دوره مبتدیان را به بهینه سازان ماهر تبدیل می کند و به شما آموزش تبدیل و حل مسائل دنیای واقعی را با استفاده از مدل سازی ریاضی در پایتون با SciPy و PuLP می دهد. با شروع بهینه سازی و کاربردهای آن، از SymPy برای راه حل های تحلیلی بدون محاسبه دستی مشتقات استفاده می کنید و از SciPy برای پاسخ های عددی استفاده می کنید. شما به سمت برنامه نویسی خطی، بهینه سازی محدب محدود، و بهینه سازی اعداد صحیح مختلط با SciPy و PuLP پیشرفت خواهید کرد، با تمرکز بر مسائل عملی مانند تولید، حداکثر کردن سود، و تخصیص منابع.

Python یک زبان برنامه نویسی همه منظوره است که برای علم داده محبوبیت بیشتری پیدا می کند. شرکت‌ها در سراسر جهان از پایتون برای جمع‌آوری اطلاعات از داده‌های خود و کسب مزیت رقابتی استفاده می‌کنند. برخلاف سایر آموزش های پایتون، این دوره به طور خاص برای علم داده بر پایتون تمرکز دارد. در دوره مقدماتی پایتون، با روش‌های قدرتمند برای ذخیره و دستکاری داده‌ها و ابزارهای مفید علم داده برای شروع تحلیل‌های خود آشنا خواهید شد. هم اکنون برنامه درسی پایتون آنلاین DataCamp را شروع کنید.

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.

این دوره آموزشی پایتون برای مبتدیان نیازی به تجربه برنامه نویسی قبلی ندارد و تمام اصولی را که برای شروع به عنوان یک توسعه دهنده نیاز دارید را پوشش می دهد. شما اصول اساسی برنامه نویسی، از جمله انواع داده ها، متغیرها، و ساختارهای داده مانند لیست ها و فرهنگ لغت ها را یاد خواهید گرفت، سپس به نوشتن منطق شرطی و حلقه هایی که کد شما را زنده می کند، پیش می روید. در پایان، مهارت‌های عملی مورد نیاز برای شروع ساختن راه‌حل‌های نرم‌افزاری واقعی با یکی از پرتقاضاترین زبان‌های برنامه‌نویسی جهان را خواهید داشت.

افراد زیادی کد می نویسند. برخی از آنها آن را کارآمد و سودآور می کنند. اما گاهی اوقات، حتی باهوش ترین برنامه نویسان نیز مرتکب اشتباهی می شوند که می تواند میلیون ها دلار هزینه داشته باشد. چگونه می توان احتمال وارد شدن به چنین شکستی را کاهش داد؟ چگونه مطمئن می شوید که برنامه ای ایجاد می کنید که دقیقاً همان کاری را که می خواهید انجام می دهد؟ پاسخ بسیار ساده این است: تست بنویسید!

در طول این سفر، اصول اولیه ایجاد تست در پایتون را خواهید آموخت. شما با چهار نوع روش تست نرم افزار آشنا خواهید شد. شما تست های خود را ایجاد خواهید کرد تا بررسی کنید که آیا برنامه یا خط لوله داده قبل از تولید آن طور که انتظار می رود کار می کند یا خیر. خواه تهی غیرمنتظره باشد، یا اشتباه تایپی در مجموعه داده شما، یا علائم مختلط در معادله. شما می توانید، و با آزمایشات آن موارد را خواهید گرفت.

پس از اتمام دوره، انواع روش‌های تست را می‌شناسید و می‌توانید مناسب‌ترین روش‌ها را برای یک زمینه خاص انتخاب کنید. همچنین می‌توانید آن تست‌ها را طراحی کرده و با استفاده از کتابخانه‌های pytest و unittest در پایتون پیاده‌سازی کنید.

وقت آن است که به جلو حرکت کنید و برش های پایتون خود را حتی بیشتر توسعه دهید. پایتون دارای عملکردهای خارق العاده و یک اکوسیستم ماژول است. با این حال، به‌عنوان یک متخصص داده یا توسعه‌دهنده، دائماً باید برای حل مشکلاتی که توسط داده‌های شما دیکته می‌شوند، توابع خود را بنویسید. در این دوره اول هنر نوشتن تابع را خواهید آموخت. شما از این دوره بیرون خواهید آمد و قادر خواهید بود توابع سفارشی خود را بنویسید، با پارامترهای متعدد و مقادیر بازگشتی متعدد، همراه با آرگومان های پیش فرض و آرگومان های طول متغیر. شما بینشی در مورد محدوده در پایتون به دست خواهید آورد، قادر خواهید بود توابع لامبدا را بنویسید و خطاها را در تمرین نوشتن تابع خود مدیریت کنید. هر فصل را با استفاده از مهارت‌های جدید خود برای نوشتن توابعی که داده‌های توییتر را تجزیه و تحلیل می‌کنند، به پایان می‌رسانید.

اینکه بتوانید توابع خود را بنویسید، تجزیه و تحلیل های شما را خواناتر، با خطاهای کمتر، و از پروژه ای به پروژه دیگر قابل استفاده مجدد می کند. نوشتن تابع، بهره وری شما را بیش از هر مهارت دیگری افزایش می دهد! در این دوره شما اصول نوشتن تابع را با تمرکز بر آرگومان های وارد شده به تابع و مقادیر بازگشتی یاد خواهید گرفت. شما باید توابع مفید علم داده بنویسید و از داده های دنیای واقعی در مورد گردشگری وایومینگ، نسبت قیمت سهام/درآمد، و بازده دانه استفاده کنید.

Docker ابزاری است که برای توسعه، اجرا و ارسال کانتینرها استفاده می‌شود. این یک بخش ضروری از کمربند ابزار حرفه‌ای داده است که به ایجاد برنامه‌ها یا جریان‌های کاری قوی، ایمن و مقیاس‌پذیر کمک می‌کند. در این دوره، با استفاده از Docker CLI به یک حرفه ای Docker تبدیل خواهید شد.

اصول Docker را بیاموزید و نحوه ایجاد و مدیریت کانتینرها را با استفاده از Dockerfiles و دستورالعمل ها بیاموزید. اصطلاحات Docker را یاد خواهید گرفت و با استفاده از رابط خط فرمان Docker، تجربه عملی با دستورات Docker به دست خواهید آورد.

هنگام پیشرفت، نحوه ایجاد و مدیریت کانتینرهای Docker را با استفاده از دستورالعمل‌های Dockerfiles و Dockerfile خواهید آموخت. برای جمع بندی، بهترین شیوه های امنیت تصویر Docker را برای ایمن و ایمن کردن تصاویر خود یاد خواهید گرفت.

سفر خود را در علم داده آغاز کنید! حتی اگر هرگز در زندگی خود یک خط کد ننوشته اید، می توانید این دوره را دنبال کنید و شاهد قدرت پایتون در اجرای Data Science باشید. از داده‌ها برای حل معمای بیز، رتریور طلایی ربوده شده استفاده می‌کنید و در طول مسیر با نحو اصلی پایتون و ماژول‌های معروف Data Science مانند Matplotlib (برای نمودارها و نمودارها) و پانداها (برای داده‌های جدولی) آشنا می‌شوید.

آیا تا به حال برای پیگیری همه چیزهایی که در یک پروژه می گذرد مشکل دارید؟ یا GitHub را با Git اشتباه بگیرید؟ در این دوره آموزشی، یاد خواهید گرفت که چگونه از قدرت GitHub استفاده کنید، به یک همکار موفق تبدیل شوید و تفاوت های GitHub و Git را تشخیص دهید.

این دوره مفهومی با تکیه بر موضوعات مطرح شده در مقدمه ای بر کنترل نسخه با Git، به شما امکان می دهد تا به طور موثر در رابط کاربری GitHub پیمایش کنید.

شما کارهای روزمره را انجام خواهید داد، از جمله ایجاد مخازن عمومی و خصوصی، ایجاد و اصلاح فایل‌ها، شاخه‌ها و مسائل، تخصیص وظایف، برچسب‌گذاری کاربران، بررسی درخواست‌های کشش، و ادغام شاخه‌ها. همچنین خواهید فهمید که چگونه مخازن را شبیه سازی و فورک کنید و نشانه های دسترسی خصوصی (PAT) تولید کنید.

در پایان این دوره، می‌توانید این مهارت‌های جدید را به کار بگیرید و آن‌ها را در هر پروژه کدنویسی یا داده‌ای به کار ببرید و به شما این احساس را بدهد که در مسیر و کنترل هستید. همه مایلند در GitHub با شما همکاری کنند!

زیبایی R در این است که برای انجام تجزیه و تحلیل داده ها ساخته شده است. نکته منفی این است که گاهی اوقات R ممکن است کند باشد و در نتیجه تحلیل ما را مختل کند. به همین دلیل، ضروری است که با تکنیک های اصلی برای تسریع تجزیه و تحلیل خود آشنا شوید، بنابراین می توانید زمان محاسباتی را کاهش دهید و در سریع ترین زمان ممکن به بینش دست یابید.

به‌عنوان یک دانشمند داده، بیشتر وقت شما باید صرف جمع‌آوری بینش‌های عملی از داده‌ها شود - نه اینکه منتظر بمانید تا اجرای کدتان به پایان برسد. نوشتن کد پایتون کارآمد می تواند به کاهش زمان اجرا و صرفه جویی در منابع محاسباتی کمک کند، و در نهایت شما را آزاد می کند تا کارهایی را که به عنوان یک دانشمند داده دوست دارید انجام دهید. در این دوره آموزشی، نحوه استفاده از ساختارهای داده، توابع و ماژول‌های داخلی پایتون را برای نوشتن کدهای تمیزتر، سریع‌تر و کارآمدتر یاد خواهید گرفت. ما نحوه تعیین زمان و کد نمایه را برای یافتن تنگناها بررسی خواهیم کرد. سپس، با استفاده از کتابخانه استاندارد پایتون، NumPy و پانداها، از بین بردن این تنگناها و دیگر الگوهای بد طراحی را تمرین خواهید کرد. پس از اتمام این دوره، ابزارهای لازم برای شروع نوشتن کد پایتون کارآمد را خواهید داشت!

قابلیت کار موثر با مجموعه داده‌های بزرگ و استخراج اطلاعات ارزشمند، ابزاری ضروری برای هر دانشمند مشتاق داده است. هنگام کار با مقدار کمی داده، اغلب متوجه نمی شویم که اجرای کد چقدر می تواند کند باشد. این دوره مبتنی بر دانش شما از پایتون و کتابخانه پانداها است و شما را با توابع داخلی کارآمد پانداها برای انجام سریعتر وظایف آشنا می کند. توابع داخلی پانداها به شما این امکان را می‌دهند که ساده‌ترین وظایف، مانند هدف‌گیری ورودی‌ها و ویژگی‌های خاص از داده‌ها، تا پیچیده‌ترین وظایف، مانند اعمال توابع در گروه‌های ورودی، بسیار سریع‌تر از روش‌های معمول پایتون انجام شود. در پایان این دوره، شما قادر خواهید بود یک تابع را بر اساس یک مقدار ویژگی بر روی داده ها اعمال کنید، در مجموعه داده های بزرگ به سرعت تکرار کنید و داده های متعلق به گروه های مختلف را به طور موثر دستکاری کنید. شما این روش‌ها را بر روی مجموعه‌های مختلف داده‌های دنیای واقعی، مانند دست‌های پوکر یا نکات رستوران، اعمال خواهید کرد.