فیلم مسترکلاس دوره مقدماتی زبان برنامه نویسی پایتون و پیش پردازش داده های اکسلی

مخاطبان این دوره آموزشی افرادی هستند که قصد دارند وارد دنیای برنامه نویسی و هوش مصنوعی شوند ولی رشته تخصصی آن ها کامپیوتر نبوده و نیاز دارند به صورت کاربردی یک زبان برنامه نویسی را به ساده ترین شکل ممکن یاد بگیرند.

همچنین علاقه مندان و دانشجویانی که برای مدلسازی و  پیش پردازش داده‎ های خود در پایان نامه یا مقاله با استفاده از روش های یادگیری ماشین، یادگیری عمیق و شبکه‌های عصبی و… باید زبان برنامه نویسی پایتون را یاد بگیرند. مخاطبان در این دوره به صورت مقدماتی با کتابخانه‌های مهم در حوزه علم داده و هوش مصنوعی مانند Pandas، NumPy، Scikit-learn،Matplotlib و با کمک زبان پایتون داده‌های مختلف را پردازش خواهند کرد.

---

ویدئوی جلسه اول

---

معرفی مدرس

• حانیه رضایی
• مدرس زبان برنامه نویسی پایتون
• دارنده مدرک کارشناسی ارشد ارزیابی و آمایش سرزمین از دانشگاه تهران
• دارنده مدرک کارشناسی مهندسی منابع طبیعی- محیط زیست از دانشگاه شیراز
• مهندس جوان برتر سال 97 از سوی سازمان نظام مهندسی کشاورزی و منابع طبیعی استان فارس و دانشگاه شیراز
• رتبه 8 کنکور کارشناسی ارشد رشته علوم و مهندسی محیط‌زیست

---

عناوین آموزشی

بخش اول: آموزش پایتون مقدماتی (با مثال)

• مقدمات و نقشه راه زبان برنامه نویسی پایتون
• آشنایی با کتابخانه‌های مهم و کاربردی در پایتون
• معرفی سایت‌های کاربردی برای کمک به کد نویسی
• قواعد و نحوه نوشتار در پایتون
• عملگر‌ها در پایتون
• توضیح انواع داده‌ها در پایتون ( داده عددی، رشته‌ای، دیکشنری و ….)
• مشخص کردن نوع داده و تبدیل انواع داده‌ها به یکدیگر
• دستورات شرطی در پایتون
• حلقه‌ها در پایتون
• توابع در پایتون

 

بخش دوم: آموزش گوگل کولب و پردازش داده های اکسلی

•  آموزش تنظیمات گوگل کولب برای کد نویسی و مدلسازی
• آموزش نصب کتابخانه ها در گوگل کولب
• بخش سوم: پیش پردازش داده‌های اکسلی با کتابخانه های مهم پایتون (پروژه محور)
• معرفی کتابخانه های مهم در علم داده شامل Matplotlib Pandas, NumPy, Sikit-Learn
• آشنایی کلی با اولین گام مدل سازی (پیش پردازش داده ها)
•  ساختار داده‌ها در کتابخانه  Pandas
• آموزش وارد سازی داده‌های اکسلی در زبان پایتون
• نمایش صحیح داده‌های اکسلی، مرتب کردن آن‌ها، حذف سطر و ستون و …
• مدیریت داده‌های گمشده در یک دیتاست
• بررسی داده‌های پرت و نویز در یک دیتاست
• پیدا کردن داده‌های تکراری
• نرمال کردن داده‌ها
• ادغام دو دیتاست
• بررسی اطلاعات آماری در یک دیتاست
• پردازش داده‌های سری زمانی
• خروجی گرفتن و ذخیره پردازش‌های انجام شده
• رسم نمودار برای داده های اکسلی

---

معرفی آموزش

در این دوره آموزشی، از زبان برنامه نویسی پایتون و سامانه ابری گوگل کولب استفاده شده است، همچنین سعی شده مخاطبان و دانشجویان با یک زبان ساده به صورت مفید و کاربردی بدون نیاز به نصب هیچ گونه برنامه ای به صورت مقدماتی زبان برنامه نویسی پایتون را یادبگیرند و با استفاده از پایتون و پرکاربردترین کتابخانه های آن پیش پردازش دیتاست های مختلف را بیاموزند.

چرا زبان برنامه نویسی پایتون یاد بگیریم؟

هنگامی که صحبت از برنامه‌نویسی به میان می‌آید، پایتون (Python) یکی از بهترین انتخاب‌ها است زیرا بسیار ساده است و به زبان انگلیسی نزدیک است. پایتون در میان 5 زبان محبوب جهان است. افرادی که علاقه‌مند به فراگیری مهارت برنامه‌نویسی هستند و تازه قصد دارند وارد دنیای برنامه‌نویسی شوند، به این افراد به طور ویژه توصیه می‌شود که پایتون بیاموزند.  پایتون یک زبان برنامه‌نویسی همه‌منظوره است. این یعنی از پایتون می‌توان برای کاربردهای گوناگون و در حوزه‌های مختلف استفاده کرد.

از زبان پایتون می‌توان برای توسعه وب، توسعه اپلیکیشن‌های دسکتاپ و موبایل، برنامه‌نویسی محاسباتی، هوش مصنوعی، یادگیری عمیق، یادگیری ماشین، شبکه های عصبی، علم داده و بسیاری از دیگر زمینه‌ها استفاده کرد.

با گوگل کولب بدون نیاز به نصب هیچ برنامه‌ای راحت کدنویسی یادبگیر!

گوگل کولب (Google Collaboratory) محصولی از گوگل است. این محیط به برنامه‌نویسان اجازه می‌دهد تا کد‌نویسی پایتون را با استفاده از مرورگر خود انجام دهند. همچنین کولب یک ابزار عالی برای یادگیری ماشین و یادگیری عمیق می‌باشد. گوگل کولب با در اختیار گذاشتن یک فضای رایگان پردازشی مبتنی بر Cloud این امکان را فراهم کرده که نیاز به سخت افزار های قدرتمند برای مدلسازی در حوزه یادگیری ماشین و یادگیری عمیق نداشته باشید و به راحتی بدون نیاز به نصب خیلی از کتابخانه های پایتون مدلسازی و کد نویسی رو تحت وب انجام دهید، به دلیل اینکه بعضی کتابخانه های کاربردی و زبان برنامه نویسی پایتون از پیش روی گوگل کولب نصب شده اند و افراد تازه کار در حوزه برنامه نویسی دچار مشکل نصب کتابخانه ها و سخت افزار نخواهند شد.

---

کاربرد

شروع هر نوع کار و عملیاتی در مرحله اول، دارای یک سری مقدمات و پیش‌نیازها است. در علم داده‌کاوی و مدلسازی، تمامی داده‌هایی که برای هدف مورد نظر استفاده خواهند شد، باید پیش از شروع پردازش با استفاده از روش‌هایی، آماده و تنظیم و یا به اصطلاح «پیش‌پردازش» (Preprocess) شوند. مرحله آماده‌سازی داده‌ها قبل از پردازش را، پیش‌پردازش (Preprocessing) می‌گویند. پیش‌پردازش نقشی اساسی در روند پردازش داده‌ها و نتایج حاصل از آن‌ها ایفا می‌کند و به عبارت ساده تر پیش پردازش داده ها اولین گام برای شروع مدل سازی و داده کاوی است، زیرا ممکن است داده هایی که در اختیار داریم دارای نواقص و مشکلاتی باشند که باید برطرف شود.

پایتون یکی از زبان های بسیار مورد توجه در هوش مصنوعی و یادگیری ماشین، مدل سازی و شبکه های عصبی است. که در وبینار رایگان آشنایی با زبان‌های برنامه نویسی با این روش ها و مفاهیم به صورت کلی آشنا شدیم.

در این آموزش دانشجویان و علاقه مندان با استفاده از کتابخانه های محبوب پایتون مانند Pandas (کاربرد: تحلیل، پیش پردازش، مدیریت داده برای داده های اکسلی)، NumPy ( کاربرد: عملیات ریاضی، پردازش آرایه های چند بعدی و ماتریس)، Scikit-learn (کاربرد: روش های یادگیری ماشین، داده کاوی، مدلسازی و تحلیل) و Matplotlib (کاربرد: رسم نمودار و بصری سازی داده ها) به صورت مقدماتی و کاربردی داده های مختلف را پردازش می‌کنند.

---

مخاطبان

مخاطبان این دوره آموزشی افرادی هستند که  قصد دارند وارد دنیای برنامه نویسی و هوش مصنوعی شوند ولی رشته تخصصی آن‌ها کامپیوتر نبوده و نیاز دارند به صورت کاربردی یک زبان برنامه نویسی را به ساده ترین شکل ممکن یادبگیرند. همچنین علاقه مندان و دانشجویانی که برای مدل سازی و پیش پردازش داده‎های خود در پایان نامه یا مقاله با استفاده از روش‌های یادگیری ماشین، یادگیری عمیق و شبکه‌های عصبی و … باید زبان برنامه نویسی پایتون را یاد بگیرند. مخاطبان در این دوره به صورت مقدماتی با کتابخانه های مهم در حوزه علم داده و هوش مصنوعی مانند Pandas، NumPy، Scikit-learn،Matplotlib و با کمک زبان پایتون داده‌های مختلف را پردازش خواهند کرد.

از سوی دیگر سعی ما بر آن بوده است تا با ساده‌ترین زبان، مطالب به گونه‌ای ارائه شود که برای همه علاقه مندان به فناوری و تکنولوژی قابل درک باشد.