دوره
با یادگیری درباره پیمایشگرها و لیست‌کامپرهنشن (List Comprehension) به توسعه مهارت‌های مدرن علم داده‌تون ادامه بدید.
در دوره جعبه‌ابزار پایتون، به یادگیری مهارت‌های پیشرفته‌تر پایتون ادامه می‌دید. اول، درباره پیمایشگرها یاد می‌گیرید، اشیایی که قبلاً در زمینه حلقه‌های for باهاشون مواجه شدید. بعد درباره لیست‌کامپرهنشن (List Comprehension) یاد می‌گیرید که ابزارهای بسیار مفیدی برای همه متخصصان داده و توسعه‌دهندگانیه که با پایتون کار می‌کنن. در نهایت، دوره رو با یه مطالعه موردی تموم می‌کنید که در اون همه تکنیک‌هایی که در هر دو بخش این دوره یاد گرفتید رو پیاده‌سازی می‌کنید.
ارزیابی متدهای بارگذاری و پردازش دیتاست‌های بزرگ یا استریم‌شده با استفاده از chunksize در Pandas و توابع مولد سفارشی
تعریف مراحل متوالی مورد نیاز برای تجمیع داده‌های استخراج‌شده از پیمایشگرها، کامپرهنشن‌ها یا مولدها به‌علاوه خلاصه آماری معنادار
تمایز سناریوهایی که در اون‌ها لیست کامپرهنشن‌ها، عبارات مولد، یا پردازش قطعه‌ای مبتنی بر پیمایشگر، کارایی حافظه بهینه‌ای رو ارائه می‌دن
شناسایی ویژگی‌ها و رفتارهای قابل‌پیمایش‌ها و پیمایشگر‌های پایتون در مدل اجرای حلقه for
تشخیص سینتکس صحیح و ساختارهای حاصل از لیست کامپرهنشن‌ها و دیکشنری کامپرهنشن‌ها و عبارات مولد
با پیمایشگرها و قابل‌پیمایش‌ها آشنا می‌شید؛ مفاهیمی که قبلا هنگام نوشتن حلقه‌های for باهاشون کار کردید. چند تابع کاربردی رو یاد می‌گیرید که بهتون کمک می‌کنن به‌شکل مؤثری با پیمایشگرها کار کنید. در پایان این بخش هم سراغ یک کاربرد مهم در علم داده و کار با حجم زیادی از داده‌ها می‌رید؛ در این مثال، داده‌های Twitter رو با استفاده از قابل‌پیمایش‌ها به‌صورت بخش‌بخش بارگذاری می‌کنید.
در این بخش، دانش‌تون درباره پیمایشگرها رو گسترش می‌دید و با لیست کامپرهنشن آشنا می‌شید که بهتون اجازه می‌ده لیست‌های پیچیده، حتی لیست‌هایی از لیست‌ها، رو فقط در یک خط کد بسازید! لیست کامپرهنشن می‌تونه کدتون رو خیلی ساده‌تر و کارآمدتر کنه و به یکی از ابزارهای مهم شما در پایتون تبدیل بشه. بعد با مولدها آشنا می‌شید که هنگام کار با دنباله‌های بزرگ داده خیلی به کار میان؛ مخصوصا وقتی نمی‌خواید همه داده‌ها رو در حافظه ذخیره کنید و ترجیح می‌دید اون‌ها رو در لحظه تولید کنید.
در این بخش، مهارت‌های جدیدتون رو برای آماده‌سازی داده‌ها و استخراج اطلاعات معنادار از یک دیتاست واقعی، یعنی شاخص‌های توسعه جهانی بانک جهانی، به کار می‌گیرید. فرصت دارید تابع‌ها و لیست کامپرهنشن‌های خودتون رو بنویسید و هم‌زمان با پیمایشگرها و مولدها کار کنید تا مهارت‌هاتون در پایتون رو بیشتر تقویت کنید.
با تکمیل این دوره، شما یک گواهی معتبر دریافت می‌کنید که بیانگر کسب مهارت‌های لازم مرتبط با این دوره آموزشی است.
هر مدرک دارای شناسه یکتا و لینک اعتبارسنجی است که امکان بررسی و تأیید اصالت آن را فراهم می‌کند.
می‌توانید گواهی‌های خود را به‌راحتی در شبکه‌های حرفه‌ای مانند لینکدین با دیگران به اشتراک بگذارید.
در دوره جعبه‌ابزار پایتون، به یادگیری مهارت‌های پیشرفته‌تر پایتون ادامه می‌دید. اول، درباره پیمایشگرها یاد می‌گیرید، اشیایی که قبلاً در زمینه حلقه‌های for باهاشون مواجه شدید. بعد درباره لیست‌کامپرهنشن (List Comprehension) یاد می‌گیرید که ابزارهای بسیار مفیدی برای همه متخصصان داده و توسعه‌دهندگانیه که با پایتون کار می‌کنن. در نهایت، دوره رو با یه مطالعه موردی تموم می‌کنید که در اون همه تکنیک‌هایی که در هر دو بخش این دوره یاد گرفتید رو پیاده‌سازی می‌کنید.
ارزیابی متدهای بارگذاری و پردازش دیتاست‌های بزرگ یا استریم‌شده با استفاده از chunksize در Pandas و توابع مولد سفارشی
تعریف مراحل متوالی مورد نیاز برای تجمیع داده‌های استخراج‌شده از پیمایشگرها، کامپرهنشن‌ها یا مولدها به‌علاوه خلاصه آماری معنادار
تمایز سناریوهایی که در اون‌ها لیست کامپرهنشن‌ها، عبارات مولد، یا پردازش قطعه‌ای مبتنی بر پیمایشگر، کارایی حافظه بهینه‌ای رو ارائه می‌دن
شناسایی ویژگی‌ها و رفتارهای قابل‌پیمایش‌ها و پیمایشگر‌های پایتون در مدل اجرای حلقه for
تشخیص سینتکس صحیح و ساختارهای حاصل از لیست کامپرهنشن‌ها و دیکشنری کامپرهنشن‌ها و عبارات مولد
با پیمایشگرها و قابل‌پیمایش‌ها آشنا می‌شید؛ مفاهیمی که قبلا هنگام نوشتن حلقه‌های for باهاشون کار کردید. چند تابع کاربردی رو یاد می‌گیرید که بهتون کمک می‌کنن به‌شکل مؤثری با پیمایشگرها کار کنید. در پایان این بخش هم سراغ یک کاربرد مهم در علم داده و کار با حجم زیادی از داده‌ها می‌رید؛ در این مثال، داده‌های Twitter رو با استفاده از قابل‌پیمایش‌ها به‌صورت بخش‌بخش بارگذاری می‌کنید.
در این بخش، دانش‌تون درباره پیمایشگرها رو گسترش می‌دید و با لیست کامپرهنشن آشنا می‌شید که بهتون اجازه می‌ده لیست‌های پیچیده، حتی لیست‌هایی از لیست‌ها، رو فقط در یک خط کد بسازید! لیست کامپرهنشن می‌تونه کدتون رو خیلی ساده‌تر و کارآمدتر کنه و به یکی از ابزارهای مهم شما در پایتون تبدیل بشه. بعد با مولدها آشنا می‌شید که هنگام کار با دنباله‌های بزرگ داده خیلی به کار میان؛ مخصوصا وقتی نمی‌خواید همه داده‌ها رو در حافظه ذخیره کنید و ترجیح می‌دید اون‌ها رو در لحظه تولید کنید.
در این بخش، مهارت‌های جدیدتون رو برای آماده‌سازی داده‌ها و استخراج اطلاعات معنادار از یک دیتاست واقعی، یعنی شاخص‌های توسعه جهانی بانک جهانی، به کار می‌گیرید. فرصت دارید تابع‌ها و لیست کامپرهنشن‌های خودتون رو بنویسید و هم‌زمان با پیمایشگرها و مولدها کار کنید تا مهارت‌هاتون در پایتون رو بیشتر تقویت کنید.
با تکمیل این دوره، شما یک گواهی معتبر دریافت می‌کنید که بیانگر کسب مهارت‌های لازم مرتبط با این دوره آموزشی است.
هر مدرک دارای شناسه یکتا و لینک اعتبارسنجی است که امکان بررسی و تأیید اصالت آن را فراهم می‌کند.
می‌توانید گواهی‌های خود را به‌راحتی در شبکه‌های حرفه‌ای مانند لینکدین با دیگران به اشتراک بگذارید.
با اپلیکیشن فینکا، به بیشتر دوره‌ها و مسیرها روی موبایل دسترسی دارید، تمرین می‌کنید و یادگیری رو هم‌زمان روی موبایل و دسکتاپ ادامه می‌دید.