پایتون زبان برنامه نویسی کاربر پسند و قدرتمند است. IPython یک رابط کاربری مناسب را به زبان و کتابخانه های تجزیه و تحلیل آن ارائه می دهد، در حالی که Jupyter Notebook یک محیط غنی است که با علم داده و مصورسازی سازگار است. این دو با هم، این ابزارهای متن باز به طور گسترده ای توسط مبتدیان و متخصصان در سراسر جهان در انواع مختلفی از زمینه ها استفاده می شوند. این دوره یک راهنمای مبتدی پسند برای پلتفرم تحلیل داده پایتون است. پس از مقدمه ای بر زبان پایتون، IPython و Jupyter Notebook، شما نحوه تحلیل داده ها و مصورسازی داده ها در نمونه های واقعی دنیا، نحوه ایجاد رابط های کاربری گرافیکی برای پردازش تصویر در Notebook و نحوه انجام محاسبات عددی سریع برای شبیه سازی های علمی با NumPy، Numba، Cython، و ipyparallel را خواهید آموخت. در پایان این دوره، شما قادر خواهید بود تجزیه و تحلیل عمیق از انواع داده ها را انجام دهید.

سرفصل:

  • معرفی دوره
  • شروع کار با IPython
  • پایتون، IPython و Jupyter Notebook چیست؟
  • نصب پایتون با Anaconda
  • معرفی Notebook
  • تحلیل داده های تعاملی با pandas
  • بررسی یک مجموعه داده در نوت بوک
  • دستکاری داده ها
  • عملیات پیچیده
  • محاسبات عددی با NumPy
  • آغازگر برای محاسبات بردار
  • ایجاد و بارگذاری آرایه ها
  • دستکاری آرایه پایه
  • محاسبه با آرایه های NumPy
  • طرح بندی تعاملی و رابط گرافیکی
  • انتخاب plotting backend
  • matplotlib و seaborn
  • پردازش تصویر
  • کتابخانه های ترسیم و مصورسازی
  • کارایی بالا و محاسبات موازی
  • تسریع در کد پایتون با Numba
  • نوشتن C در پایتون با Cython
  • توزیع وظایف در چند هسته با IPython.parallel
  • بیشتر تکنیک های محاسباتی با کارایی بالا
  • سفارش سازی IPython
  • ایجاد custom magic command در  IPython extension
  • نوشتن Jupyter kernel جدید
  • نمایش عناصر غنی HTML در Notebook
  • سفارشی سازی رابط نوت بوک با جاوا اسکریپت
  • خلاصه