این دوره جنبههای مهم انتخاب یک محیط توسعه برای Python، تفاوتهای Conda و Pip برای کار با کتابخانههای Python، IDEهای محبوب مانند PyCharm، IDLE، Eclipse و Spyder و همچنین اجرای Python در فضای ابری را پوشش میدهد.
آنچه یاد خواهید گرفت:
پایتون در سالهای اخیر محبوبیت زیادی پیدا کرده است، عمدتاً به این دلیل که تجزیه و تحلیل و کار با دادهها را بسیار ساده میکند. علیرغم موفقیت بزرگ آن به عنوان یک ابزار نمونه سازی، پایتون هنوز برای توسعه بزرگ و در مقیاس سازمانی نسبتاً اثبات نشده است. در این دوره، ساختن اولین راه حل تجزیه و تحلیل پایتون، شما توانایی شناسایی و استفاده از محیط توسعه و اجرای مناسب را برای شرکت خود به دست خواهید آورد. ابتدا، خواهید آموخت که چگونه نوتبوکهای Jupyter، علیرغم محبوبیت بسیار زیادشان، به اندازه محیطهای توسعه یکپارچه کامل یا IDEها قوی نیستند. در مرحله بعد، متوجه خواهید شد که چگونه محیطهای اجرایی مختلف راههای جایگزینی برای پیکربندی کتابخانههای پایتون ارائه میدهند، و به طور خاص چگونه دو محبوب ترین، Conda و Pip، در مقابل یکدیگر قرار میگیرند. همچنین چندین محیط توسعه مختلف از جمله IDLE، PyCharm، Eclipse و Spyder را کاوش خواهید کرد. در نهایت، با اجرای پایتون در محیطهای ابری اصلی، از جمله AWS، Microsoft Azure و GCP، دانش خود را کامل میکنید. وقتی این دوره را به پایان رساندید، مهارتها و دانش لازم برای شناسایی محیطهای توسعه و اجرای صحیح پایتون را در زمینه سازمانی خود خواهید داشت.
نمونه ویدیوی آموزشی ( زیرنویسها جدا از ویدیو است و میتوانید آنرا نمایش ندهید ) :
[ENGLISH]
01 Course Overview [2mins]
01-01 Course Overview [2mins]
02 Getting Started with Python for Analytics [44mins]
02-01 Version Check [0mins]
02-02 Module Overview [1mins]
02-03 Prerequisites and Course Outline [1mins]
02-04 Python for Data Analytics [6mins]
02-05 Python Development Environments [5mins]
02-06 Python Packages [4mins]
02-07 Demo: Windows - Installing Python and Using Pip to Install Packages [4mins]
02-08 Demo: MacOS - Using Brew to Install Python 3 [4mins]
02-09 Demo: MacOS - Using Pip to Install Packages [4mins]
02-10 Demo: Installing and Working with Virtual Environments [3mins]
02-11 Demo: Editing a Python Script Using Nano and Vim [3mins]
02-12 Demo: Editing a Python Script Using SublimeText [3mins]
02-13 Demo: Using Online Editors to Write Python Code [4mins]
02-14 Module Summary [2mins]
03 Working with Python Using Anaconda [41mins]
03-01 Module Overview [1mins]
03-02 Introducing Jupyter Notebooks [4mins]
03-03 Demo: Windows Installing Anaconda and Running Jupyter Notebooks [3mins]
03-04 Demo: Mac OS Installing Anaconda and Running Jupyter Notebooks [3mins]
03-05 Demo: Installing the Python 2 Kernel along with Python 3 [3mins]
03-06 Demo: Executing Code in Jupyter [4mins]
03-07 Demo: Restarting and Switching Kernels [4mins]
03-08 Demo: Exploring Magic Commands [5mins]
03-09 Demo: Line Magic and Cell Magic Commands [4mins]
03-10 Demo: Exploring Interactive Widgets [4mins]
03-11 Demo: Wrangling and Visualizing Data [5mins]
03-12 Module Summary [1mins]
04 Working with Python Using Other IDEs [44mins]
04-01 Module Overview [2mins]
04-02 Exploring Popular IDEs for Python [3mins]
04-03 Demo: Installing and Setting up IDLE [5mins]
04-04 Demo: Running and Debugging Code with IDLE [6mins]
04-05 Demo: Installing Eclipse and Setting up the PyDev Plugin [4mins]
04-06 Demo: Running and Debugging Code with Eclipse [6mins]
04-07 Demo: Installing and Setting up PyCharm [4mins]
04-08 Demo: Running and Debugging Code with PyCharm [6mins]
04-09 Demo: Working with Spyder [6mins]
04-10 Module Summary [2mins]
05 Working with Python on the Cloud [38mins]
05-01 Module Overview [2mins]
05-02 Jupyter on the Cloud [4mins]
05-03 Demo: Getting Started with Azure Notebooks [4mins]
05-04 Demo: Analyzing and Visualizing Data on Azure Notebooks [5mins]
05-05 Demo: Setting up and Connecting to Cloud Datalab on the GCP [6mins]
05-06 Demo: Building a Simple Regression Model on Datalab [6mins]
05-07 Demo: Setting up a SageMaker Notebook Instance on AWS [4mins]
05-08 Demo: Executing Code to Integrate with S3 Buckets [5mins]
05-09 Summary and Further Study [2mins]
[فارسی]
01 بررسی اجمالی دوره [2 دقیقه]
01-01 بررسی اجمالی دوره [2 دقیقه]
02 شروع کار با Python for Analytics [44 دقیقه]
02-01 بررسی نسخه [0 دقیقه]
02-02 نمای کلی ماژول [1 دقیقه]
02-03 پیش نیازها و خلاصه دوره [1 دقیقه]
02-04 پایتون برای تجزیه و تحلیل دادهها [6 دقیقه]
02-05 محیطهای توسعه پایتون [5 دقیقه]
02-06 بستههای پایتون [4 دقیقه]
02-07 نسخهی نمایشی- ویندوز - نصب پایتون و استفاده از Pip برای نصب بستهها [4 دقیقه]
02-08 نسخهی نمایشی- MacOS - استفاده از Brew برای نصب پایتون 3 [4 دقیقه]
02-09 نسخهی نمایشی- MacOS - استفاده از Pip برای نصب بستهها [4 دقیقه]
02-10 نسخهی نمایشی- نصب و کار با محیطهای مجازی [3 دقیقه]
02-11 نسخهی نمایشی- ویرایش اسکریپت پایتون با استفاده از Nano و Vim [3 دقیقه]
02-12 نسخهی نمایشی- ویرایش اسکریپت پایتون با استفاده از SublimeText [3 دقیقه]
02-13 نسخهی نمایشی- استفاده از ویرایشگرهای آنلاین برای نوشتن کد پایتون [4 دقیقه]
02-14 خلاصه ماژول [2 دقیقه]
03 کار با پایتون با استفاده از آناکوندا [41 دقیقه]
03-01 نمای کلی ماژول [1 دقیقه]
03-02 معرفی نوت بوکهای Jupyter [4 دقیقه]
03-03 نسخهی نمایشی- ویندوز در حال نصب Anaconda و اجرای نوت بوک Jupyter [3 دقیقه]
03-04 نسخهی نمایشی- سیستم عامل مک در حال نصب آناکوندا و اجرای نوت بوکهای Jupyter [3 دقیقه]
03-05 نسخهی نمایشی- نصب هسته Python 2 به همراه Python 3 [3 دقیقه]
03-06 نسخهی نمایشی- اجرای کد در Jupyter [4 دقیقه]
03-07 نسخهی نمایشی- راه اندازی مجدد و تعویض هستهها [4 دقیقه]
03-08 نسخهی نمایشی- کاوش دستورات جادویی [5 دقیقه]
03-09 نسخهی نمایشی- Line Magic و Cell Magic Commands [4 دقیقه]
03-10 نسخهی نمایشی- کاوش ویجتهای تعاملی [4 دقیقه]
03-11 نسخهی نمایشی- بحث و تجسم دادهها [5 دقیقه]
03-12 خلاصه ماژول [1 دقیقه]
04 کار با پایتون با استفاده از IDEهای دیگر [44 دقیقه]
04-01 نمای کلی ماژول [2 دقیقه]
04-02 کاوش IDEهای محبوب برای پایتون [3 دقیقه]
04-03 نسخهی نمایشی- نصب و راه اندازی IDLE [5 دقیقه]
04-04 نسخهی نمایشی- اجرای و رفع اشکال کد با IDLE [6 دقیقه]
04-05 نسخهی نمایشی- نصب Eclipse و راه اندازی افزونه PyDev [4 دقیقه]
04-06 نسخهی نمایشی- اجرای و رفع اشکال کد با Eclipse [6 دقیقه]
04-07 نسخهی نمایشی- نصب و راه اندازی PyCharm [4 دقیقه]
04-08 نسخهی نمایشی- اجرای و اشکال زدایی کد با PyCharm [6 دقیقه]
04-09 نسخهی نمایشی- کار با Spyder [6 دقیقه]
04-10 خلاصه ماژول [2 دقیقه]
05 کار با پایتون روی ابر [38 دقیقه]
05-01 نمای کلی ماژول [2 دقیقه]
05-02 مشتری روی ابر [4 دقیقه]
05-03 نسخهی نمایشی- شروع به کار با نوت بوکهای Azure [4 دقیقه]
05-04 نسخهی نمایشی- تجزیه و تحلیل و تجسم دادهها در نوت بوکهای Azure [5 دقیقه]
05-05 نسخهی نمایشی- راه اندازی و اتصال به Cloud Datalab در GCP [6 دقیقه]
05-06 نسخهی نمایشی- ساخت یک مدل رگرسیون ساده در Datalab [6 دقیقه]
05-07 نسخهی نمایشی- راه اندازی یک نمونه نوت بوک SageMaker در AWS [4 دقیقه]
05-08 نسخهی نمایشی- اجرای کد برای ادغام با سطلهای S3 [5 دقیقه]
05-09 خلاصه و مطالعه بیشتر [2 دقیقه]
جانانی دارای مدرک کارشناسی ارشد از استنفورد است و بیش از 7 سال در گوگل کار کرده است. او یکی از مهندسان اصلی Google Docs بود و دارای 4 پتنت برای فریمورک ویرایش مشارکتی بلادرنگ آن است. جانانی پس از گذراندن سالها کار در فناوری در منطقه خلیج، نیویورک و سنگاپور در شرکتهایی مانند مایکروسافت، گوگل و فلیپکارت، سرانجام تصمیم گرفت عشق خود به فناوری را با علاقهاش به تدریس ترکیب کند. او اکنون یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارتهای فنی متمرکز است. Loonycorn در حال کار بر روی توسعه یک موتور (پتنت ثبت شده) برای خودکارسازی انیمیشنها برای ارائهها و محتوای آموزشی است.