برنامه نویسی SQL Server خود را به سطح بعدی ببرید. اول، ما نحوه دستکاری داده‌های زمان تاریخ را با انجام تجزیه و تحلیل داده‌های اکتشافی موقت با مجموعه داده معاملاتی Washington DC BikeShare رفع می‌کنیم. سپس، نحوه ایجاد، به روز رسانی و اجرای توابع تعریف شده توسط کاربر و رویه های ذخیره شده را فرا خواهید گرفت. شما زمینه مناسب برای هر ابزار برنامه نویسی مدولار و بهترین شیوه ها را خواهید آموخت. در فصل آخر، شما تمام مهارت‌های جدید خود را برای حل یک مورد تجاری در دنیای واقعی به کار می‌گیرید که استفاده از تاکسی‌های زرد شهر نیویورک را برای هر منطقه شناسایی می‌کند، و اینکه کدام مکان‌های وانت باید برای هر شیفت راننده برنامه‌ریزی شود.

سازندگان محتوا بیشتر از گذشته فیلم های مبتنی بر واقعیت تولید می کنند. فیلم های غیر داستانی می توانند مارک ها ، وکالت ، جمع آوری کمک های مالی ، آموزش و حتی "ویرایش" را ارتقا دهند. اما تولید هر ویدئویی بدون فیلمنامه جامد - حتی فیلم های شرکت یا مستند - یک چالش است. با یادگیری یک فیلمنامه مؤثر نوشتن و فرآیند اسکریپت به صفحه ، تولید کنندگان می توانند هزینه های سربار خود را کاهش داده و تأثیر داستان پردازی و تعامل مخاطبان را بهبود بخشند.

در این دوره ، یاد بگیرید که چگونه اسکریپت های غیر داستانی را بنویسید که با انواع بودجه کار می کنند. تدریس شده توسط امی دلوئیز ، یک مربی پرشور که صدها فیلم برنده جایزه را فیلمبرداری کرده است ، این مجموعه با ابزار و نکاتی برای هر سطح از نویسنده و تهیه کننده بسته بندی شده است. گردش کار اسکریپت به صفحه نمایش او به شما کمک می کند تا اهداف و ساختار داستان خود را توسعه دهید ، یک قوس روایی ایجاد کنید ، با نیش های صوتی کار کنید ، ابزارهای مناسبی برای نوشتن اسکریپت خود پیدا کنید و اسکریپت خود را به مشتری و ذینفعان بکشید.

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.