پایتون برای مهندسی داده: از مبتدی تا پیشرفته

مدرس Deepak Goyal

انتشار 2024/01/30

مدت زمان 3h 50m

سطح مناسب همه

فایل تمرینی دارد

آموزش Python for Data Engineering: from Beginner to Advanced

قبل از پیشرفت به موضوعات پیشرفته تر مخصوص مهندسی داده، با اصول اولیه پایتون آشنا شوید و اجرا کنید. در این دوره عملی و تعاملی، به مربی دیپاک گویال بپیوندید تا انجام طیف گسترده ای از وظایف مهندسی داده در پایتون را تمرین کنید تا دانش فنی خود را تقویت کنید، برای مصاحبه آماده شوید یا نقش جدیدی را به دست آورید. این دوره شامل چالش های کد است که توسط CoderPad طراحی شده است. چالش‌های کد، تمرین‌های کدنویسی تعاملی با بازخورد بلادرنگ هستند، بنابراین می‌توانید برای پیشبرد مهارت‌های کدنویسی خود تمرین کدنویسی را انجام دهید. دیپک به شما کمک می کند تا مهارت های خود را به عنوان یک برنامه نویس پایتون با شش چالش برنامه نویسی خاص تقویت کنید. اصول زبان، مجموعه‌های پایتون، مدیریت فایل، پانداها، NumPy، OOP و ابزارهای پیشرفته مهندسی داده‌ای که از پایتون استفاده می‌کنند را کاوش کنید. این دوره با یک پروژه اصلی متمرکز بر تجزیه و تحلیل خرده فروشی به پایان می رسد.

Data Engineering Python (Programming Language)

Introduction

Welcome to the course ()

What you should know ()

CoderPad tour ()

1. Python Basics

Introduction to Python and data engineering ()

Setting up your Python environment ()

Explore a Google Colab worksheet ()

Variables and data types ()

Operators and expressions ()

Control structures ()

Functions ()

Modules and packages ()

String manipulation ()

Error handling ()

Solution: String Manipulation ()

2. Python Collections

Collection overview ()

Python collections: Tuples ()

Python collections: Lists ()

Python collections: Sets ()

Python collections: Dictionaries ()

Solution: Analyze list ()

3. Python File Handling

File I/O overview ()

Working with CSV files ()

Working with JSON files ()

Solution: Read/Write text to file ()

4. pandas DataFrame API

Introduction to pandas ()

Read files as DataFrames ()

Data cleaning and preprocessing ()

Data manipulation and aggregation ()

Data visualization ()

Write DataFrames as files ()

Solution: Play with pandas ()

5. NumPy

Introduction to NumPy ()

Array creation and attributes ()

Array operations ()

Indexing and slicing ()

Linear algebra and statistics ()

Write DataFrames as files ()

Solution: NumPy Array Operation ()

6. OOP with Python

Understanding classes and objects ()

Implementation: Classes and objects in Python ()

Understand OOP features: Abstraction, inheritance, and more ()

Solution: Accessing Object attributes ()

7. Advanced Data Engineering

Tips to write efficient Python code ()

What is ETL in the data engineering world? ()

What is Hadoop? ()

Understand PySpark for data engineering ()

Importance of visualization tools in DE ()

On-prem vs. cloud data engineering ()

8. Capstone Project

Capstone project: Retail sales analysis ()

Solution: Capstone project ()

Conclusion

Next steps ()

Ex_Files_Python_Data_Eng_Beginner_to_Advanced.zip (442 KB)

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.

مسیرهای یادگیری آموزش پایتون برای مهندسی داده: از مبتدی تا پیشرفته

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Python for Data Engineering: from Beginner to Advanced در 2 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

تمرین کامل می کند! وقت آن است که عضلات برنامه نویسی را منعطف کنید و آنچه را که یاد گرفته اید تمرین کنید. این مسیر یادگیری چالش ها و پروژه های هدایت شده را در اختیار شما قرار می دهد تا بتوانید به توسعه و به کارگیری مهارت های خود به عنوان یک مهندس داده ادامه دهید.

آموزش پایتون برای مهندسی داده: از مبتدی تا پیشرفته ، ایستگاه شماره 2 در مسیر یادگیری تمرین عملی مهندسی داده ، است.

مسیر یادگیری تمرین عملی مهندسی داده

مهندسی داده یکی از سریع ترین حوزه های در حال رشد در فضای فناوری است. بر ابزارها و مهارت های مورد نیاز برای موفقیت در این بازار به سرعت در حال تحول و تقاضا، مانند Kafka، SQL، Python، dbt و Snowflake تسلط داشته باشید.

آموزش پایتون برای مهندسی داده: از مبتدی تا پیشرفته ، ایستگاه شماره 5 در مسیر یادگیری کارشناسی ارشد مهندسی داده ، است.