تسلط نیاز به تمرین دارد. پس از تکمیل تفکر آماری I و II، ذهنیت احتمالی و مهارت های آمار هکرها را برای استخراج بینش های عملی از داده های خود توسعه دادید. پایه و اساس شما سر جای خود است، و اکنون زمان آن است که هنر خود را تمرین کنید.

در این دوره، مهارت‌های تفکر آماری، تجزیه و تحلیل داده‌های اکتشافی، تخمین پارامترها و آزمون فرضیه‌ها را در دو مجموعه داده‌های دنیای واقعی به کار می‌گیرید. ابتدا، داده‌های مسابقات قهرمانی آبزیان جهانی فینا در سال‌های 2013 و 2015 را بررسی می‌کنید، جایی که سرعت و تنوع نسبی را در میان شناگران تعیین می‌کنید. سپس یک تجزیه و تحلیل آماری برای ارزیابی "جنجال فعلی" جهان های 2013 انجام خواهید داد که در آن شناگران ادعا کردند که جریان خفیفی در استخر بر نتیجه تأثیر می گذارد. دوم، فرکانس و بزرگی زمین لرزه ها را در سراسر جهان مطالعه خواهید کرد. در نهایت، تغییرات لرزه خیزی در ایالت اوکلاهاما ایالات متحده را پس از رایج شدن عمل تزریق فاضلاب با فشار بالا در سایت های استخراج نفت در دهه گذشته، تجزیه و تحلیل خواهید کرد. همانطور که با این مجموعه داده ها کار می کنید، با تقویت دانش موجود و گسترش توانایی های خود برای استفاده از آمار و Python برای درک داده های خود، گام های حیاتی به سمت تسلط بر خواهید داشت.

از کار با داده های نامرتب خسته شده اید؟ آیا می دانستید که بیشتر وقت یک دانشمند داده صرف یافتن، پاکسازی و سازماندهی مجدد داده ها می شود؟! خوب معلوم است که می توانید داده های خود را به روشی هوشمندانه تمیز کنید! در این دوره آموزشی مقابله با داده های از دست رفته در پایتون، شما این کار را انجام خواهید داد! شما یاد خواهید گرفت که به مقادیر از دست رفته برای داده های عددی و دسته بندی و همچنین داده های سری زمانی رسیدگی کنید. شما یاد خواهید گرفت که الگوهایی را که داده های از دست رفته نشان می دهند، ببینید! در حین کار با داده‌های کیفیت هوا و دیابت، همچنین یاد می‌گیرید که تأثیرات برانگیختن داده‌ها را تجزیه و تحلیل، نسبت داده و ارزیابی کنید.

مدل‌های زبان بزرگ (LLM) به ابزارهای محوری تبدیل شده‌اند که برخی از خیره‌کننده‌ترین پیشرفت‌ها و برنامه‌های کاربردی در چشم‌انداز هوش مصنوعی امروزی را هدایت می‌کنند. این دوره آموزشی عملی شما را با دانش و مهارت‌های عملی مورد نیاز برای درک، ساخت و استفاده از قدرت LLM برای حل وظایف پیچیده زبان مانند ترجمه، تولید زبان، پاسخ‌گویی به پرسش و غیره مجهز می‌کند. از طریق تمرین های کدنویسی تکراری، کار با ترانسفورماتورها را یاد خواهید گرفت. همچنین مدل های زبان و مجموعه داده های از پیش آموزش دیده را از Hugging Face کاوش خواهید کرد. در پایان این دوره، شما قادر خواهید بود LLM های از پیش آموزش دیده را با استفاده از معیارهای تخصصی تنظیم و ارزیابی کنید. همچنین درک درستی از چالش های کلیدی و ملاحظات اخلاقی فعال کردن برنامه های کاربردی LLM در دنیای واقعی به دست خواهید آورد.

از ساختارهای پایگاه داده سفت و سخت رها شوید و قدرت MongoDB را کشف کنید، پایگاه داده اسنادی که با داده های شما سازگار است. در این دوره عملی، شما بر عملیات MongoDB از طریق کتابخانه PyMongo مسلط خواهید شد. شما اسناد را پرس و جو، فیلتر و دستکاری می‌کنید و یاد می‌گیرید که چگونه از طرح منعطف MongoDB استفاده کنید و در عین حال اعتبارسنجی را زمانی که ساختار مهم است پیاده‌سازی کنید. از عملیات اولیه CRUD گرفته تا عملگرهای جستجوی پیشرفته، مرتب‌سازی، پیش‌بینی و عملیات انبوه، مهارت‌های عملی برای ساخت و نگهداری برنامه‌های داده مدرن به دست خواهید آورد. این دوره شما را با مهارت های ضروری MongoDB که متخصصان داده امروزی به آن نیاز دارند، مجهز می کند.

NumPy یک کتابخانه ضروری پایتون است. TensorFlow و scikit-learn از آرایه های NumPy به عنوان ورودی استفاده می کنند و پانداها و Matplotlib در بالای NumPy ساخته شده اند. در این دوره مقدماتی NumPy، شما تبدیل به یک مجادله کننده اصلی شی اصلی NumPy خواهید شد: آرایه ها! با استفاده از داده‌های سرشماری درختی شهر نیویورک، آرایه‌هایی را ایجاد، مرتب‌سازی، فیلتر و به‌روزرسانی خواهید کرد. متوجه خواهید شد که چرا NumPy بسیار کارآمد است و از پخش و بردارسازی برای سریعتر کردن کد NumPy خود استفاده کنید. در پایان دوره، شما از آرایه های سه بعدی برای تغییر نقاشی کلود مونه استفاده خواهید کرد و خواهید فهمید که چرا چنین تغییرات آرایه ابزارهای ضروری برای یادگیری ماشین هستند.

چندی پیش، الگوریتم‌های بینایی کامپیوتری پیشرفته نمی‌توانستند بین تصاویر گربه‌ها و سگ‌ها تفاوت قائل شوند. امروزه، یک دانشمند داده ماهر که به چیزی بیش از یک لپ تاپ مجهز نیست، می تواند ده ها هزار شی را با دقتی بیشتر از چشم انسان طبقه بندی کند. در این دوره، از TensorFlow 2.6 برای توسعه، آموزش و پیش‌بینی مدل‌هایی استفاده خواهید کرد که پیشرفت‌های عمده‌ای را در سیستم‌های توصیه، طبقه‌بندی تصاویر و فین‌تک انجام داده‌اند. شما هم API های سطح بالا را یاد خواهید گرفت که به شما امکان می دهد مدل های یادگیری عمیق را در 15 خط کد طراحی و آموزش دهید و هم API های سطح پایین را که به شما امکان می دهد فراتر از روال های معمولی بروید. همچنین یاد خواهید گرفت که قیمت مسکن، پیش‌فرض‌های کارت اعتباری وام گیرنده، و تصاویر حرکات زبان اشاره را به‌طور دقیق پیش‌بینی کنید.

آمار مطالعه نحوه جمع آوری، تجزیه و تحلیل و نتیجه گیری از داده ها است. این ابزار بسیار ارزشمندی است که می توانید از آن برای تمرکز بر آینده و استنباط پاسخ به هزاران سوال استفاده کنید. به عنوان مثال، احتمال اینکه شخصی محصول شما را بخرد چقدر است، تیم پشتیبانی شما چند تماس دریافت خواهد کرد، و چه اندازه شلوار جین باید برای 95 درصد جمعیت تولید کنید؟ در این دوره آموزشی، با افزایش مهارت های آماری خود و یادگیری نحوه محاسبه میانگین ها، استفاده از نمودارهای پراکنده برای نشان دادن رابطه بین مقادیر عددی و محاسبه همبستگی، نحوه پاسخگویی به سوالاتی از این قبیل را خواهید یافت. شما همچنین با احتمال، ستون فقرات استدلال آماری مقابله خواهید کرد، و یاد خواهید گرفت که چگونه از پایتون برای انجام یک مطالعه خوب طراحی شده برای نتیجه گیری خود از داده ها استفاده کنید.

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.

آماده ای برای باز کردن قدرت هوش مصنوعی بدون پیچیدگی؟ برنامه های هوش مصنوعی خود را در چند ساعت به جای هفته ها با API تغییر دهنده بازی Amazon Bedrock بسازید. شما در مبادله بین مدل‌های پیشرفته مانند کلود و نوا تنها با یک خط کد مهارت خواهید داشت، چت‌ربات‌های هوشمندی ایجاد می‌کنید که مکالمات را به خاطر می‌سپارد و حفاظ‌های هوش مصنوعی اخلاقی را اجرا می‌کنید که از کسب و کار شما محافظت می‌کند. آماده باشید تا ایده های خود را به برنامه های کاربردی هوشمند تبدیل کنید!

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.

صنعت مالی به طور گسترده از Python برای تجزیه و تحلیل کمی استفاده می کند، از درک پویایی معاملات تا سیستم های مدیریت ریسک. این دوره به شما نشان می دهد که چگونه با ایجاد مهارت های پایتون، داده های مالی خود را تجزیه و تحلیل کنید. فصل اول توضیح می دهد که چگونه پایتون و امور مالی دست به دست هم می دهند. سپس با اصول پایتون مانند خروجی چاپ، انجام محاسبات، درک انواع داده ها و ایجاد متغیرها آشنا خواهید شد. در مرحله بعد، فهرست‌ها و آرایه‌ها را در پایتون پوشش می‌دهید و نحوه استفاده از آنها را برای کار با داده‌ها بررسی می‌کنید. شما از بسته های NumPy و Matplotlib برای دستکاری و تجسم داده ها استفاده خواهید کرد. در نهایت، دوره را با انجام یک تحلیل مالی پایتون بر روی مجموعه داده S&P 100 به پایان خواهید رساند. در اینجا، مهارت‌های پایتون خود را برای فیلتر کردن لیست‌ها، خلاصه کردن داده‌های بخش، ترسیم نسبت‌های P/E در هیستوگرام، تجسم روندهای مالی و شناسایی موارد پرت به کار می‌گیرید. در پایان دوره، شما از مهارت های پایتون و مهارت های عملی تجزیه و تحلیل مالی خود مطمئن خواهید شد. این مهارت‌ها در صنعت مالی برای حل مشکلات مالی کمی پاداش بالایی دارند. این دوره بخشی از مسیر مبانی مالی ما در پایتون است که برای کسانی که می‌خواهند برای امور مالی عمیق‌تر به پایتون بپردازند، عالی است.

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.

در این دوره، اصول اولیه استفاده از SQL با پایتون را خواهید آموخت. این مفید خواهد بود زیرا پایگاه های داده همه جا حاضر هستند و دانشمندان داده، تحلیلگران و مهندسان باید دائماً با آنها تعامل داشته باشند. کیت ابزار Python SQL SQLAlchemy یک روش در دسترس و شهودی برای پرس و جو، ساخت و نوشتن در پایگاه های داده ضروری، از جمله SQLite، MySQL، و PostgreSQL ارائه می دهد.

در این دوره، اصول اولیه پردازش زبان طبیعی (NLP) مانند نحوه شناسایی و جداسازی کلمات، نحوه استخراج موضوعات در یک متن، و نحوه ساخت طبقه بندی اخبار جعلی خود را خواهید آموخت. شما همچنین یاد خواهید گرفت که چگونه از کتابخانه های پایه مانند NLTK، در کنار کتابخانه هایی که از یادگیری عمیق برای حل مشکلات رایج NLP استفاده می کنند، استفاده کنید. این دوره به شما پایه و اساس پردازش و تجزیه متن را در حین حرکت به سمت یادگیری پایتون می دهد.

آیا تا به حال به این فکر کرده اید که آیا صندوق سرمایه گذاری واقعاً یک سرمایه گذاری خوب است؟ یا دو گزینه سرمایه گذاری را با هم مقایسه کرد و پرسید که تفاوت این دو چیست؟ شاخص ریسک این صندوق ها اصلا به چه معناست؟ یا اینکه اغلب در کار روزانه خود با داده های مالی کار می کنید و می خواهید برتری داشته باشید؟ در این دوره آموزشی، با یادگیری پرتفوی، ریسک و بازده و نحوه تحلیل انتقادی آنها، با دنیای هیجان انگیز سرمایه گذاری آشنا می شوید. با کار بر روی داده‌های تاریخی واقعی سهام، یاد می‌گیرید که چگونه معیارهای معنی‌دار ریسک را محاسبه کنید، چگونه عملکرد را تجزیه کنید و چگونه یک پرتفوی بهینه برای ریسک و بازده مورد نظر محاسبه کنید. پس از این دوره، می‌توانید در مورد سرمایه‌گذاری تصمیم‌های مبتنی بر داده بگیرید و درک بهتری از سبد سرمایه‌گذاری داشته باشید.

در این دوره آموزشی یاد خواهید گرفت که چگونه یک مدل رگرسیون لجستیک با متغیرهای معنادار بسازید. همچنین نحوه استفاده از این مدل را برای پیش‌بینی و نحوه ارائه آن و عملکرد آن به سهامداران کسب‌وکار خواهید آموخت.

تجسم داده‌ها در نمودارها و شکل‌ها، الگوهای اساسی در داده‌ها را آشکار می‌کند و بینش‌هایی را ارائه می‌دهد. تجسم خوب همچنین به شما کمک می کند تا داده های خود را به دیگران منتقل کنید و برای تحلیلگران داده و سایر مصرف کنندگان داده مفید است. در این دوره آموزشی، نحوه استفاده از Matplotlib، یک کتابخانه قدرتمند تجسم داده پایتون را خواهید آموخت. Matplotlib بلوک های ساختمانی را برای ایجاد تجسم های غنی از انواع مختلف مجموعه داده ها فراهم می کند. نحوه ایجاد تجسم برای انواع مختلف داده ها و نحوه سفارشی سازی، خودکارسازی و اشتراک گذاری این تجسم ها را خواهید آموخت.

تولید تجسم‌های تعاملی با کیفیت بالا از نظر تاریخی نیازمند کد پیچیده، زمان و تلاش فراوان است. دیگر نه. در این دوره آموزشی، نحوه ایجاد نمودارهایی با کیفیت انتشار، با استفاده از قدرت جاوا اسکریپت، بدون ترک راحتی زبان برنامه نویسی پایتون که همه ما دوست داریم، ایجاد کنید. شما با استفاده از مجموعه داده‌های مختلف از قیمت سهام گرفته تا آمار تیم بسکتبال و حتی اندازه منقار پنگوئن، انواع نمودارهای تعاملی و خیره‌کننده را ایجاد، سبک و سفارشی خواهید کرد! با استفاده از کتابخانه نموداری Plotly، همچنین یاد خواهید گرفت که تعاملی مانند اطلاعات شناور، لغزنده های محدوده، دکمه های سفارشی و حتی کشویی هایی که به طور واکنشی تجسم را تغییر می دهند، سفارشی کنید. آیا آماده هستید تا مهارت های تجسم داده های خود را ارتقا دهید؟

Seaborn یک کتابخانه قدرتمند پایتون است که ایجاد تصاویر آموزنده و جذاب داده را آسان می کند. این دوره 4 ساعته مقدمه ای را ارائه می دهد که چگونه می توانید از Seaborn برای ایجاد انواع طرح ها، از جمله نمودارهای پراکنده، نمودارهای شمارش، نمودارهای نواری، و نمودارهای جعبه استفاده کنید و چگونه می توانید تجسم های خود را سفارشی کنید. شما این کتابخانه را کاوش خواهید کرد و طرح‌های Seaborn را بر اساس مجموعه‌های داده‌های دنیای واقعی ایجاد خواهید کرد، از جمله کاوش در چگونگی تغییر آلودگی هوا در یک شهر در طول روز و نگاه کردن به آنچه که جوانان دوست دارند در اوقات فراغت خود انجام دهند. این داده‌ها به شما این فرصت را می‌دهد که در مورد مزایای Seaborn، از جمله اینکه چگونه می‌توانید به راحتی نمودارهای فرعی را در یک شکل ایجاد کنید و نحوه محاسبه خودکار فواصل اطمینان را بدانید. در پایان این دوره، می‌توانید از Seaborn در موقعیت‌های مختلف برای کشف داده‌های خود استفاده کنید و نتایج تجزیه و تحلیل داده‌های خود را به طور مؤثر به دیگران منتقل کنید. این مهارت ها برای تحلیلگران داده، دانشمندان داده و هر شغل دیگری که ممکن است شامل ایجاد تجسم داده ها باشد، بسیار مورد توجه است. اگر می‌خواهید به یادگیری خود ادامه دهید، این دوره بخشی از چندین مسیر است، از جمله مسیر تجسم داده‌ها، که در آن می‌توانید کتابخانه‌ها و تکنیک‌های بیشتری را به مجموعه مهارت‌های خود اضافه کنید.