دوره آموزشی ساخت سه برنامه کاربردی پایتون در دنیای واقعی
2 ساعت 29 دقیقهمتوسط2023-06-14
مدرسین
Megan Silvey
جزئیات دوره
مهارتهای پایتون خیلی تقاضا دارند و برنامهنویسهایی که مهارت واقعی در ساخت اپلیکیشنها داشته باشن، خیلی مورد توجه قرار میگیرن. توی این دوره، مگان سیلوی بهت نشون میده چطور مشکلات واقعی برنامهنویسی رو برداری و به نتایج عملی تبدیل کنی، با ساخت سه اپلیکیشن کاربردی مختلف. این اپلیکیشنها بر روی موضوعات محبوب پایتون تمرکز دارند: وباسکرپینگ، وب APIها، و تحلیل متن. این دوره رو دنبال کن تا مهارتهات رو بهتر کنی و اپلیکیشنهایی بسازی که بتونی به کارفرمایان احتمالی نشون بدی.
مهارت ها
Mobile Device ManagementFull-Stack Web DevelopmentPythonWeb DevelopmentProgramming LanguagesNetwork and System AdministrationOpen SourceSoftware DevelopmentOne-Off
سرفصل ها
0. مقدمه
- 01 - برنامههای پایتون در دنیای واقعی
- 02 - آنچه باید بدانید
- 03 - فضاهای کد GitHub
1. Scraping the Wisdom Pet Medicine
- 04 - وب اسکرپینگ چیست
- 05 - معرفی وبسایت Wisdom Pet Medicine
- 06 - چگونه یک صفحه وب را کاوش کنیم
- 07 - درک کد HTML
- 08 - درک بسته درخواست ها
- 09 - نحوه استفاده از متد get().
- 10 - نحوه بازیابی اطلاعات صفحه وب
- 11 - نحوه بازیابی کدهای HTML
- 12 - نحوه استفاده از BeautifulSoup
- 13 - نحوه استفاده از متدهای find() و find all().
- 14 - نحوه حلقه یافتن متدهای all().
- 15 - نحوه بازیابی لینکهای صفحات وب
- 16 - نحوه نوشتن کد HTML در یک فایل متنی
2. بررسی Alpha Vantage API
- 17 - APIها چیست؟
- 18 - معرفی Alpha Vantage API
- 19 - نحوه دسترسی به دادههای Alpha Vantage
- 20 - نحوه استفاده از کلید API
- 21 - نحوه استخراج دادههای سهام با بسته برتری آلفا - قسمت 1
- 22 - نحوه استخراج دادههای سهام با بسته برتری آلفا - قسمت 2
- 23 - نحوه استخراج دادههای سهام با بسته درخواست ها
- 24 - نحوه قرار دادن دادههای سهام در یک DataFrame
- 25 - نحوه استفاده از توابع Alpha Vantage - قسمت 1
- 26 - نحوه استفاده از توابع Alpha Vantage - قسمت 2
- 27 - نحوه استفاده از توابع Alpha Vantage - قسمت 3
- 28 - چالش - سهام مایکروسافت را تجزیهوتحلیل کنید
- 29 - راه حل - سهام مایکروسافت را تجزیهوتحلیل کنید
3. تحلیل متن در رمان انتظارات بزرگ
- 30 - تحلیل متن چیست
- 31 - معرفی پروژه گوتنبرگ و انتظارات بزرگ
- 32 - نحوه کشیدن دادههای متنی
- 33 - نحوه پاکسازی دادههای متنی
- 34 - نحوه ایجاد ابر کلمه
- 35 - نحوه بهبود ابر کلمه
- 36 - نحوه تجزیهوتحلیل فراوانی کلمات
- 37 - نحوه انجام تجزیهوتحلیل احساسات Vader
- 38 - نحوه ساخت مجموعه و فرهنگ لغت برای مدلسازی موضوع
- 39 - نحوه انجام مدل سازی موضوع
- 40 - چالش - تجزیهوتحلیل حس و حساسیت
- 41 - راه حل - تجزیهوتحلیل حس و حساسیت
نتیجه
- 42 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی مصورسازی پیشرفته دادههای مکانی در پایتون
- دوره آموزشی GitHub Copilot کاربردی: نوشتن، اصلاح و اشکالزدایی کد
- دوره آموزشی ساختارهای داده پایتون: Stacks, Deques, و Queues
- دوره آموزشی ساختارهای دادههای درختی در پایتون
- دوره آموزشی داستان سرایی برای داده و طراحی
- دوره آموزشی اکسل: کار با Power Query و Power Pivot
- دوره آموزشی مبانی تحلیل املاک و مستغلات
- دوره آموزشی Vue.js 2 برای طراحان وب
مسیرهای مرتبط
- مسیر آموزشی ارتقاء مهارت های خود در زبان پایتون
- مسیر آموزشی تمرینهای عملی پایتون
- مسیر آموزشی تبدیل شدن به یک استاد مسلط بر مهارت های پیشرفته داده ها و تجزیه و تحلیل اکسل
- مسیر آموزشی تبدیل شدن به یک توسعه دهنده Raspberry Pi
- مسیر آموزشی تقویت مهارت های خود را در یادگیری عمیق و شبکه های عصبی
- مسیر آموزشی تبدیل شدن به یک مدیر شبکه
- مسیر آموزشی ارتقا مهارت های خود به عنوان یک متخصص اسپارک آپاچی
- مسیر آموزشی ارتقاء مهارت های خود را در هوش مصنوعی و یادگیری ماشین