دوره آموزشی تحلیل دادههای پایتون: از نوتبوکها تا تولید
59 دقیقهپیشرفته2024-08-26
مدرسین

Miki Tebeka
CEO at 353Solutions
جزئیات دوره
در مرحله تولید، کد شما با چالشها و محدودیتهای خاصی روبهرو میشود که ممکن است در محیطهای توسعهای دیده نشود. این دوره آموزشی به شما کمک میکند تا دفترهای تحقیقاتی (notebooks) پایتون خود را به کدی تبدیل کنید که برای استفاده در محیط تولید مناسب و آماده باشد. **Miki Tebeka** مدرس این دوره، شما را در مراحل مختلف تبدیل و بهینهسازی کد راهنمایی میکند تا مطمئن شوید که پروژههای شما به درستی و بهینه در محیط تولید اجرا میشوند.
در این دوره، ابتدا با نیازهای خاص محیط تولید آشنا خواهید شد و بررسی میکنید که نوتبوکها (notebooks) چگونه میتوانند به شما کمک کنند و در کجا ممکن است محدودیتهایی داشته باشند. یاد میگیرید که چگونه کد خود را برای سازگاری با نیازهای تولید آماده کنید و مشکلاتی که ممکن است در این روند پیش بیاید، شناسایی کنید.
یکی از جنبههای کلیدی دوره، سازماندهی صحیح کد است. شما خواهید آموخت که چرا سازماندهی کد اهمیت دارد و چگونه باید یک API تمیز برای ماژولهای خود بنویسید. همچنین نحوه ساختاردهی کد با استفاده از ماژولهای فرعی بررسی میشود، که به شما کمک میکند تا کدهای بزرگ و پیچیده را به بخشهای قابل مدیریت تقسیم کنید.
آزمایش کد نیز بخش مهمی از این دوره است. شما یاد خواهید گرفت چرا آزمایش کد برای اطمینان از کیفیت و عملکرد صحیح آن ضروری است و با تکنیکهای مفید و بهترین شیوهها در آزمایش کد آشنا خواهید شد.
مدیریت وابستگیها، ثبت و معیارها، تنظیم عملکرد، و ایمنسازی کد نیز از دیگر مباحث مورد بحث در این دوره هستند. شما یاد میگیرید که چگونه وابستگیهای خارجی را مدیریت کنید و اطمینان حاصل کنید که کد شما به درستی با این وابستگیها کار میکند. همچنین به بررسی چگونگی ثبت فعالیتها، تعیین معیارهای عملکرد و بهینهسازی کارایی کد میپردازید. نکات مهمی در زمینه ایمنسازی کد و محافظت از آن در برابر تهدیدات مختلف نیز مورد بررسی قرار خواهد گرفت.
با پیوستن به این دوره، شما قادر خواهید بود کد پایتون خود را از یک محیط تحقیقاتی به یک کد کاملاً آماده تولید تبدیل کنید و اطمینان حاصل کنید که پروژههای شما در محیطهای عملیاتی به طور مؤثر و بدون مشکل اجرا میشوند.
در این دوره، ابتدا با نیازهای خاص محیط تولید آشنا خواهید شد و بررسی میکنید که نوتبوکها (notebooks) چگونه میتوانند به شما کمک کنند و در کجا ممکن است محدودیتهایی داشته باشند. یاد میگیرید که چگونه کد خود را برای سازگاری با نیازهای تولید آماده کنید و مشکلاتی که ممکن است در این روند پیش بیاید، شناسایی کنید.
یکی از جنبههای کلیدی دوره، سازماندهی صحیح کد است. شما خواهید آموخت که چرا سازماندهی کد اهمیت دارد و چگونه باید یک API تمیز برای ماژولهای خود بنویسید. همچنین نحوه ساختاردهی کد با استفاده از ماژولهای فرعی بررسی میشود، که به شما کمک میکند تا کدهای بزرگ و پیچیده را به بخشهای قابل مدیریت تقسیم کنید.
آزمایش کد نیز بخش مهمی از این دوره است. شما یاد خواهید گرفت چرا آزمایش کد برای اطمینان از کیفیت و عملکرد صحیح آن ضروری است و با تکنیکهای مفید و بهترین شیوهها در آزمایش کد آشنا خواهید شد.
مدیریت وابستگیها، ثبت و معیارها، تنظیم عملکرد، و ایمنسازی کد نیز از دیگر مباحث مورد بحث در این دوره هستند. شما یاد میگیرید که چگونه وابستگیهای خارجی را مدیریت کنید و اطمینان حاصل کنید که کد شما به درستی با این وابستگیها کار میکند. همچنین به بررسی چگونگی ثبت فعالیتها، تعیین معیارهای عملکرد و بهینهسازی کارایی کد میپردازید. نکات مهمی در زمینه ایمنسازی کد و محافظت از آن در برابر تهدیدات مختلف نیز مورد بررسی قرار خواهد گرفت.
با پیوستن به این دوره، شما قادر خواهید بود کد پایتون خود را از یک محیط تحقیقاتی به یک کد کاملاً آماده تولید تبدیل کنید و اطمینان حاصل کنید که پروژههای شما در محیطهای عملیاتی به طور مؤثر و بدون مشکل اجرا میشوند.
مهارت ها
Data Science FoundationsPythonData AnalysisProgramming LanguagesData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen SourceSoftware DevelopmentOne-Off
سرفصل ها
0. مقدمه
- 01 - نوت بوک به تولید
- 02 - آنچه باید بدانید
- 03 - استفاده از فضاهای کد GitHub
1. نوت بوک برای تولید
- 04 - درک تولید
- 05 - جایی که نوت بوکها برتری دارند
- 06 - جایی که نوت بوکها کوتاه میشوند
2. سازماندهی کد شما
- 07 - چرا باید کد خود را سازماندهی کنید
- 08 - API ماژول
- 09 - ماژولهای فرعی
- 10 - اصلی
- 11 - چالش - تبدیل دفترچه یادداشت logs مربوط
- 12 - راه حل - تبدیل دفترچه یادداشت logs مربوط
3. تست کد شما
- 13 - چرا آزمایش مهم است
- 14 - دفترچههای در حال اجرا
- 15 - آزمونهای پارامتری
- 16 - تجهیزات تست
- 17 - ادغام مستمر
- 18 - چالش - برچسبهای تست
- 19 - راه حل - برچسبهای تست
4. مدیریت وابستگی
- 20 - مشکلات وابستگی
- 21 - تعیین و نصب وابستگی ها
- 22 - جداسازی وابستگیهای آزمون
- 23 - توزیع بسته شما
- 24 - چالش - ایجاد محیط
- 25 - راه حل - ایجاد محیط
5. در حال اجرا در تولید
- 26 - ثبت و معیارها
- 27 - پیکربندی
- 28 - تنظیم عملکرد
- 29 - ایمن سازی کد خود
- 30 - چالش - تهیه گزارش ماهانه را آماده کنید
- 31 - راه حل - تهیه گزارش ماهانه را آماده کنید
نتیجه گیری
- 32 - بعدش چی
دوره های مرتبط
- دوره آموزشی مقدمه ای بر علم داده (2019)
- دوره آموزشی اصول یادگیری ماشین برای مراقبت های بهداشتی
- دوره آموزشی یادگیری جامع پایتون برای علم داده و یادگیری ماشین بخش اول
- دوره آموزشی آمادگی گواهینامه Databricks Certified Data Engineer Associate: بخش دوم ELT با Spark SQL و Python
- دوره آموزشی پایتون برای تجسم دادهها (2019)
- دوره آموزشی گزارشنویسی دادهکاوی با Quarto برای پایتون
- دوره آموزشی تحلیل اکتشافی دادهها (EDA) با Hex
- دوره آموزشی پایتون پیشرفته: کار با پایگاه داده
مسیرهای مرتبط
- مسیر آموزشی ارتقاء مهارت های خود را در هوش مصنوعی و یادگیری ماشین
- مسیر آموزشی ارتقا مهارت های خود به عنوان یک متخصص اسپارک آپاچی
- مسیر آموزشی ارتقا مهارت های خود را در Hadoop/NoSQL Data Science Stack
- مسیر آموزشی تسلط بر مهارت های پایتون
- مسیر آموزشی آماده شدن برای گواهینامه Databricks Certified Data Engineer Associate
- مسیر آموزشی شروع کار خود در فناوری: علم داده
- مسیر آموزشی از دانشمند داده به یک تحلیلگر داده تبدیل شوید
- مسیر آموزشی تبدیل شدن به یک متخصص تجزیه و تحلیل کسب و کار