آموزش ضروری جاوا برای دانشمندان داده

مدرس Charles Kelly

انتشار 2017/02/01

مدت زمان 2h 43m

سطح متوسط

فایل تمرینی دارد

آموزش Java for Data Scientists Essential Training

یاد بگیرید که چگونه از جاوا برای دو جزء علم داده استفاده کنید - مهندسی داده و تجزیه و تحلیل داده. مربی چارلز کلی به جای بررسی هر جنبه ای از جاوا، بر روی مجموعه ای از موضوعات ارزشمند تمرکز می کند که به شما کمک می کند یاد بگیرید که چگونه از جاوا در حرفه علم داده خود استفاده کنید. این دوره حول محور ingest، model، query، تجزیه و تحلیل و تجسم مدل (IMQAV) می چرخد \u200b\u200bکه چارچوبی برای گردش کار علم داده است. چارلز به توسعه آزمایش محور و طراحی شی گرا می پردازد. او با استفاده از نسخه رایگان جامعه IntelliJ از JetBrains، نمونه های جاوا شامل کلاس های جاوا، روش ها، عملیات و کتابخانه ها را ارائه می دهد. به علاوه، چارلز نحوه به کارگیری مهارت هایی را که در این دوره آموختید برای ایجاد مربع های جادویی و پازل سودوکو به اشتراک می گذارد.

Big Data Java

Introduction

Welcome ()

What you should know ()

Using the exercise files ()

1. Getting Started with Java

Java, data science, and IMQAV ()

JVM languages ()

Downloading software ()

Installing software ()

2. Test-Driven Development

Introduction to testing ()

Types of tests ()

Mock tests ()

Code coverage ()

3. IntelliJ IDEA

Windows, views, and modes ()

Projects ()

Editor basics ()

Refactoring ()

Code execution ()

Debugging ()

4. Object-Oriented Java

Object-oriented principles ()

Primitives ()

Strings ()

Classes and attributes ()

Classes and methods ()

Classes and constructors ()

Exception handling ()

Enumerations ()

Casting ()

Generics ()

Annotations ()

Program flow control ()

5. Libraries

Install and use libraries ()

gson ()

StringUtils ()

6. Regular Expressions (Regex)

Introduction to regular expressions ()

Literals ()

Metacharacters and representations ()

Predefined character classes ()

Regex quantifiers ()

Regex boundaries and anchors ()

Regex examples ()

7. Reflection

Introduction to reflection ()

Introspect fields ()

Introspect methods ()

Introspect constructors ()

Introspect annotations ()

8. Design Patterns

Introduction to design patterns ()

Singleton patterns ()

Decorator patterns ()

Visitor patterns ()

9. Applying Data Science

Introduction to magic squares ()

Magic squares algorithm ()

Adjacency matrix ()

Magic characteristics ()

Building magic cubes ()

Conclusion

Next steps ()

Java_DataScience_EssT.zip (2.9 MB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.