زبان های برنامه نویسی

فول پکیج دکتر پایتون

دکتر پایتون مجموعه ای از آموزش های پایتون از صفر تا صد پایتون می‌‌باشد که شمارو برای کسب درآمد آماده می‌کند تخصص در حوزه های آینده دار مانند هوش مصنوعی و دیتا ساینس و بینایی کامپیوتر آماده می‌کند

اشتراک گذاری:

قیمت پکیج
تومان 14,500,000
 

پیش نیاز:
ندارد

 

نوع دوره:
پکیج

 

مدت زمان آموزش:
ندارد

 

روش پشتیبانی:
اپراتور اختصاصی

 

وضعیت آزمون:
ندارد

 

گواهینامه:
ندارد

 

خرید اقساطی:
ندارد

 

نحوه مشاهده:
ویدیو

درصد پیشرفت دوره: 100%

در فول پکیج دکتر پایتون چه خواهید آموخت

پکیج کامل دکتر پایتون مجموعه ای از  آموزش های صفر تا صد پایتون می‌‌باشد که  شمارو برای کسب درآمد و تخصص در حوزه های آینده داری مانند هوش مصنوعی و دیتا ساینس و بینایی کامپیوتر  آماده می‌کند. بعد از مباحث مقدماتی مباحث پیشرفته تر رو خواهیم داشت و وارد زمینه های بینایی کامپیوتر، وب فریم ورک جنگو و هوش مصنوعی با زبان پایتون میشویم. شما با استفاده از این دوره میتونید یک متخصص حرفه ای پایتون تبدیل بشید! و بعد از گذراندن دوره به راحتی وارد بازار شوید.


این پکیج شامل ۵ دوره می باشد 


پکیج مقدماتی پایتون 



پکیج پیشرفته پایتون 



پکیج هوش مصنوعی 



پکیج بینایی کامپیوتر



پکیج وب فریم ورک جنگو 


نکته اصلی در این است پکیج دکتر پایتون حاصل مجموع چندین پکیج است که تخفیف دارد و فقط در مناسبت ها فعال می‌شود چون تخفیف خوبی روی کل پکیج ها داره


با این حساب تا ۳۰ فروردین فرصت خرید است


 


شما می‌توانید بصورت تکی هم این پکیج هارو خریداری کنید 

سرفصل های دوره فول پکیج دکتر پایتون

سرفصل ها این پکیج در اصل سر فصل های پکیج های  زیر می‌باشد: 


پکیج مقدماتی پایتون 


پکیج پیشرفته پایتون 


پکیج هوش مصنوعی 


پکیج بینایی کامپیوتر


پکیج وب فریم ورک جنگو 


 


 


 

«زبان برنامه نویسی پایتون» یکی از محبوب‌ترین زبان‌های برنامه‌نویسی دهه کنونی است, پایتون ازجمله زبان‌های بسیار ساده برای یادگیری افرادی است که به تازگی وارد دنیای برنامه‌نویسی می‌شوند. در گذشته برای آموزش مبتدیان از زبان جاوا استفاده می‌شد اما با پیدایش این زبان و سطح بالا بودن آن به سرعت جایگزین جاوا شده و برای یادگیری در مراکز آموزشی استفاده می‌شود.
نصب پایتون / نصب ویژوال استودیو کد (Visual Studio Code یا به اختصار VSCode) : یک ویرایشگر کد متن باز برای لینوکس، مک و ویندوز می‌باشد
انواع داده ها در برنامه نویسی پایتون در این ویدیو با انواع داده ها در برنامه نویسی پایتون (Python Data Types) که می توانید استفاده کنید، آشنا خواهید شد.
«متغیر» (Variable) یک موقعیت نام‌گذاری شده است که برای ذخیره‌سازی داده‌ها در حافظه مورد استفاده قرار می‌گیرد. در واقع، می‌توان به متغیرها در پایتون به عنوان ظرف‌هایی نگریست که داده‌هایی را نگه‌داری می‌کنند که بعدا از طریق برنامه‌نویسی قابل تغییر هستند.
گرفتن ورودی در پایتون با تابع input / «عملگرها» (Operators) سمبل‌های خاصی در پایتون هستند که پردازش‌های حسابی و منطقی را انجام می‌دهند.
Boolean ها یکی از انواع داده ها هستند که دو مقدار true و false را می‌پذیرند. این متغیرها نقش اساسی در زبان‌های برنامه نویسی به خصوص پایتون دارند. به کمک متغیرهای Boolean می‌توان عبارت‌های شرطی و کنترلی را تعریف کرده و امکان تصمیم گیری را برای برنامه ها فراهم نمود. boolean ها معمولا در پاسخ به عملگرهای منطقی مثل And و or و not و همچنین عملگرهای مقایسه ای مثل بزرگتر(>)، کوچکتر(<)، مساوی(==) و یا نامساوی (!=) استفاده می‎شود.
دستور if و else در پایتون برای تعریف شرط‌ها به کار می رود. برای استفاده از این دستور بعد از نوشتن دستور IF شرطی که باید توسط برنامه چک شود آورده شده و پس از علامت " : " که به مفهوم پایان شرط است در خط بعدی دستوراتی را که در صورت برقرار بودن شرط باید انجام شود را تعریف می‌کنیم. همچنین به کمک کلیدواژه else می‌توانیم عملیاتی را تعریف کنید که مایل هستید در صورت برقرار نبودن شرط انجام شود.
حل تمرین جسله قبل / Command و یاد داشت نوشتن در کدها
خب فصل اول به اتمام رسید و در فصل 2 راجب (حلقه های تکرار و تابع در پایتون) خواهیم کرد. استفاده از توابع در پایتون با یک بار تعریف کردن یک مفهوم می‌‌‌توانیم بارها از آن استفاده کنیم و دیگر نیازی به تکرار در برنامه نیست در این حالت دستورات دارای نظم و دسته‌‌‌بندی می‌‌‌شوند. از این رو استفاده از توابع کار ساخت برنامه‌‌‌های بزرگ را تسهیل می‌‌‌کند.
یکی از قابلیت‌های مورد استفاده در پایتون امکان استفاده از تکرار یا iteration است که به برنامه این امکان را می دهد تا یک فرآیند یا دستور را چندبار تکرار کند که تعداد این تکرارها توسط یک شرط کنترل می‌شود که برنامه نویس آن را مشخص می‌کند. در زبان برنامه نویسی پایتون این کار به کمک ساختارهایی به نام حلقه یا loop انجام می‌شود. حلقه های تکرار در پایتون انواع مختلفی دارند که به دو دسته حلقه For و While تقسیم می‌شود. در ادامه به آموزش حلقه while در پایتون می‌پردازیم.
یکی از پرکاربردترین حلقه‌ها حلقه for در پایتون است. این حلقه زمانی استفاده می‌شود که نیاز به تکرار با گام های مشخص در بازه‌ای مشخص باشد و یا برنامه‌نویس بخواهد این تکرار بر روی المان های یک داده ساختار مثل آرایه یا لیست انجام شود.
خب به فصل ۳ رسیدیم ! فکر میکنید زود بود ! سعی کردیم بجای اینکه بیایم چندین ویدیو بگیریم از حلقه ها ، ویدیو های طولانی تر بگیریم تا ذهن شما داخل یادگیری هست مطلب بیشتری یاد بگیره ، خب میخوایم راجب ((ساختمان داده در پایتون )) در فصل ۳ صحبت کنیم . با رشته ها شروع می کنیم و در ادامه چگونگی پیاده سازی لیست ها، دیکشنری ها و تاپل ها را مورد بررسی قرار می دهیم. این فصل هم مثل فصل های قبل قشنگ و جذابه!
 بیشتر به string ها به عنوان کلاس نگاه می‌کنیم. کلاس ها ساختارهایی هستند که زیربنای برنامه‌نویسی شی گرا هستند و یه کمک این ساختار ها می‌توان برنامه ها قوی تر و در عین حال ساده تری را نوشت. داخل کلاس‌ها ساختارهایی وجود دارد که به کمک آنها می‌توان از قابلیت کلاس ها در برنامه ها استفاده کرد.یکی از این ساختارها متدها (methods) هستند. متدها توابعی هستند که برای اشیا ساخته شده از یک کلاس قابل استفاده است. برای استفاده از توابع کلاس string، باید روی اشیایی که از جنس string هستند این متدها را فراخوانی ک
نوع داده لیست در پایتون : ، شش «نوع داده» (Data Type) گوناگون وجود دارد. یکی از این موارد «لیست» (list) است. در این مطلب، به نوع داده لیست در پایتون پرداخته خواهد شد. در ابتدا، معرفی کوتاهی پیرامون این نوع داده انجام می‌شود و سپس، روش ساخت لیست، برش زدن یک لیست، حذف یا اضافه کردن عناصر به لیست و دیگر موارد مورد بررسی قرار می‌گیرد.
( dictionary ) نوع داده دیکشنری در پایتون /نوع داده دیکشنری در پایتون یک مجموعه فاقد ترتیب از عناصر است. در حالی که دیگر انواع داده در پایتون معمولا ترکیبی از عناصر را می‌پذیرند، دیکشنری یک جفت «کلید: مقدار» دارد. دیکشنری‌ها به گونه‌ای بهینه شده‌اند که در صورت شناخته شده بودن کلید، مقادیر قابل بازیابی از دیکشنری باشند.
(Tuple)در زبان برنامه‌نویسی پایتون، تاپل شبیه به لیست است. تفاوت بین لیست و تاپل در آن است که عناصر تاپل پس از آنکه به آن تخصیص داده شدند، قابل تغییر نخواهند بود. این در حالی است که عناصر لیست قابل تغییر هستند.
خب به فصل 4 رسیدین و بخش خفن پایتون :) . فصل جدید راجب کتابخانه ها که جزء مهمترین قسمت های زبان پایتون هستند صحبت میکنیم ، در این قسمت با کتابخانه های استاندارد و دیگر کتابخانه های زبان پایتون و چگونگی استفاده از آنها آشنا می شویم.
قسمت قبلی راجب کتابخونه استاندارد صحبت کردیم حالا میخوایم یاد بدیم چطوری کتابخونه غیر استاندارد رو فرابخوانید . *** نکته : فایل PIP که داخل ویدیو گفته شد میتونید از دانلود فایل این جلسه دانلود کنید
فصل 5 به (File)رسیدیم... فایل ها قدرت مضاعفی به زبان پایتون می افزایند. به صورت کلی کار با فایل ها را با هم یاد میگیریم و به صورت خاص کار با فایل های csv را مورد بررسی قرار می دهیم.
یکی از انواع فایل‌های پرکاربرد در پایتون، فایلهای csv (comma separated value) در پایتون هستند.در این نوع از فایل‌ها، مقادیری که قصد ذخیره کردن آن را داریم را به کمک کاما از هم جدا می‌کنیم و با پسوند csv ذخیره می‌کنیم. برای کار کردن با فایل csv کتابخانه‌هایی وجود دارد که با import کردن آن می‌توان با فایل‌های csv کار کرد.
ﻫﺶ HASH ﭼﯿﺴﺖ ؟! ﻫﺶ کردن یا هشینگ به فرآیندی گفته می‌شود که در آن یک عملگر ریاضی به نام «تابع هش» (Hash Function)، داده‌های ورودی مانند حروف و اعداد و تصویر و … را به خروجی رمزگذاری شده تبدیل می‌کند. به تابع هش، «تابع درهم‌ساز» نیز گفته می‌شود. و یا خواهید گرفت برنامه ای بنویسید که مقدار هارو به Hash تبدیل کنه
شاید خیلی از برنامه ها و سایت ها برای شما اینکارو انجام بده ولی اینکه شما دانشش رو پیدا کردین بسازین ، به لذت دیگه داره :) موفق باشید 🟢حتما موقعه دیدن این آموزش ها استوری کنید تگ کنید که شمارو میبینم ♥️ دوره پیشرفته که همه اینارو حرفه ای تر بشید در راهه (تا کسی نوشتن یاد نگیره نمیتونه یه ضرب نویسندگی :))
معرفی دوره
مقدمه ای و رد مپی از پایتون و پیشرفت در آن می‌بینیم
در این جلسه راجع به تابع‌های لامبدا (Lambda ) صحبت خواهیم کرد. رایج‌ترین استفاده از تابع‌های لامبدا در کدهایی است که نیازمند توابع یک‌خطی ساده‌ای هستند و نوشتن یک تابع معمولی کامل، زیاده کاری محسوب می‌شود و یه جورایی کار خودمان را راحت می‌کنیم
در این جلسه راجع به generator صحبت خواهیم کرد generator ها توابعی هستند که می‌توان در حین اجرا آن‌ها را متوقف کرد و سپس ادامه داد. این توابع شی‌ءای را برمی‌گردانند که می‌توان روی آن‌ها پیمایش کرد.
در این جلسه راجع به (Object-Oriented Programming) صحبت خواهیم کرد یا همان OOP ( شی‌گرایی) در برنامه‌نویسی شی‌گرا، هر برنامه در قالب موجودیت‌های کوچکی که در واقع همان اشیا هستند و با یکدیگر تعامل دارند در نظر گرفته می‌شود. برای داشتن این اشیا می‌بایست ابتدا کلاس‌های برنامه را تعریف نماییم؛ هر کلاس «رفتار» (Behavior) و «صفات» (Attributes) اشیایی که قرار است از آن ایجاد شوند را تعریف می‌کند و در این جلسه مفصل می‌خواهیم بهش بپردازیم
در ادامه جلسه قبل و بعد از توضیح OOP در این جلسه در پایتون این بحث را مرور می‌کنیم و در کد باهاش کار خواهیم کرد
بعد از صحبت و آموزش در مبحث شی‌گرایی ، وقت آن رسیده با مفهوم ارث بری اشنا شوید ، در این جلسه به آن به خوبی پرداخته شده
در این جلسه به دیتا بیس مای اس کیو ال MySQL نگاه خواهیم کرد و نصب آن را انجام می‌دهیم پایگاه داده MySQL چیست؟ شاید این سوال برای شما پیش بیاید که تفاوت MySQL با SQL چیست؟ MySQL یک سیستم مدیریت پایگاه داده‌ رابطه‌ای (RDBMS) است، در حالی که SQL زبانی برای مدیریت داده‌ها در این سیستم می‌باشد. با استفاده از دستورات SQL می‌توان داده‌ها را در پایگاه داده ایجاد، درج، به‌روزرسانی و حذف کرد. این دستورات به حروف کوچک و بزرگ حساس نیستند، به این معنی که دستور CREATE و create هر دو یک کار را انجام می‌ده
ساخت جداول در MYSQL را آموزش می‌دهیم
اضافه کردن اطلاعات در جداول MYSQL را آموزش می‌دهیم
خواندن اطلاعات در جداول MYSQL را در پایتون آموزش می‌دهیم
شرط گذاری در خواندن اطلاعاتش در دیتا بیس
محدودیت و حذف اطلاعات در دیتا بیس
در این جلسه به web scraping و Regex ها می‌پردازیم
در این جلسه به web scraping در پایتون خواهیم دید
در این جلسه با requests به بحث Web scraping می‌پردازیم
در این جلسه با beautifulsoup به بحث Web scraping می‌پردازیم
در این جلسه سیو کردن اطلاعات تو اکسل را در Web scraping می‌پردازیم
آموزش ساخت محیط ماشین مجازی در پایتون (VirtualEnv)
مقدمه آشنایی با (Application Programming Interface) را می‌بینیم API ازنظر فنی اختصاری برای عبارت «رابط برنامه‌نویسی اپلیکیشن» (Application Programming Interface) محسوب می‌شود. در برخی موارد شرکت‌های بسیار بزرگ API-هایی برای مشتریان خود و یا کاربردهای داخلی‌شان ساخته‌اند.
با توجه به جلسه قبلی از API برای بدست اوردن قیمت بیت کوین استفاده می‌کنیم
جلسه پایانی و صحبت در برنامه های هک و استفاده از تکنیک ها برای بدست آوردن تجربه و راه های متفاوت در پایتون میپردازیم . همچنین چندین جلسه بعد چند مینی پروژه را می‌بینیم که با دانش حال حاضر قادر به حل آن ها خواهید بود
آموزش ساخت ساعت دیجیتال در ویندوز با پایتون
آموزش ساخت پروژه حدس اعداد در پایتون
آموزش ساخت دفترچه تلفن با پایتون
آموزش ساخت بازی سنگ کاغذ قیچی با پایتون
آموزش ساخت QR Code با پایتون
آموزش ساخت برنامه تشخیص تناسب اندام ( شاخص توده بدنی یا همان BMI)
آموزش ساخت مبدل ارز در پایتون
آموزش ساخت تاس در دو حالت با پایتون
آموزش ساخت نمایش سرعت اینترنت از جمله دانلود و آپلود
معرفی انواع عکس ها ، و اهداف ما در این مباحث روی پردازش تصاویر
تو این جلسه به انواع مدل های پردازش تصویر و اهداف ما از پردازش تصویر همچنین فرمت های عکس ها و ویدیو ها پرداختیم
تو این جلسه راجع به تصاویر دیجیتال ، و اینکه از چه مواردی تشکیل شده مانند پیکسل همچنین شرایط هایی که در تشخیص تصاویر وجود دارد که ممکنه به مشکل بخوریم صحبت کردیم و راه حل های موجود را برسی کردیم
در این جلسه به پردازش تصاویر از چشم انسان برای بهتر درک کردن مفاهیم پیش رو پرداختیم و اجزای چشم را برسی می‌کنیم و پیشرفت دوربین ها بر اساس چشم انسان را برسی کردیم
در این جلسه به نصب و تاریخچه و برسی و معرفی کتابخانه OpenCv پرداختیم، و به کاربردهای آن اشاره کردیم که قراره مورد استفاده قرار بدیم
در این جلسه به چگونگی خواندن و نوشتن تصاویر در Opencv در پایتون پرداختیم
در این جلسه به نصب و تاریخچه و برسی و معرفی کتابخانه Numpy پرداختیم، و به کاربردهای آن اشاره کردیم که قراره مورد استفاده قرار بدیم
در این جلسه به مبحث Color Space و انواع و مدل های آن پرداختیم . و دونه به دونه به مدل ها آن پرداختیم مانند : Hsv .RGB و Cmyk
توضیح و آموزش مبحث Histogram در Matplotlib و چگونگی نوشتن و رسم این نمودار در پایتون پرداختیم
در این جلسه به مبحث Image Manipulations یا همون دستکاری تصاویر پرداختیم و انواع آن را برسی کردیم
در ادامه جلسه قبلی در دستکاری تصاویر به یکی از آن ها یعنی Translations یا جابه جایی تصاویر پرداختیم و در پایتون آن را برسی کردیم
در ادامه بحث دستکادی تصاویر به Rotations image پرداختیم و در پایتون آن را برسی کردیم
در ادامه بحث دستکادی تصاویر به Scaling, resizing, interpolations پرداختیم و در پایتون آن را برسی کردیم همچنین در بحث interpolations به Down Sampling و Up sampling که در واقع کم و زیاد کردن پیکسل های تصاویر بدونه ضربه وارد کردن به ماتریکس آنها می باشد
در ادامه بحث دستکادی تصاویر به image pyramid پرداختیم و در پایتون آن را برسی کردیم پیرامید ها در در واقعه ابعاد تصاویر در حالت های مختلف می باشد که بصورت هرم می باشد
در ادامه بحث دستکادی تصاویر به cropping پرداختیم . کراپ در بخش عکس ها و دستوراتش در پایتون را کامل برسی می‌کنیم
در ادامه بحث دستکادی تصاویر به Arithmetic Operations پرداختیم . در این بخش ، عملگر های حسابی تغییراتی است که در ماتریکس تصاویر به وجود میاوریم که در پایتون به خوبی در این جلسه می‌پردازیم
در این جلسه به مبحث bitwise پرداختیم کامل بصورت تئوری و عملی به این مبحث پرداختیم
در این جلسه به مبحث Convolutions & Blurring پرداختیم کامل بصورت تئوری و عملی به این مبحث پرداختیم
در این جلسه آموزش sharpening داریم و کامل بصورت تئوری و عملی در پایتون به این مبحث پرداختیم
در این جلسه آموزش Thresholding and Binarization داریم و کامل بصورت تئوری و عملی در پایتون به این مبحث پرداختیم
در این جلسه آموزش Dilation , Erosion , Opening and Closing داریم و کامل بصورت تئوری و عملی در پایتون به این مبحث پرداختیم بحث جذاب مورفوگرافی رو کامل بهش می‌پردازیم
در این جلسه آموزش Edge Detection and image Gradients داریم و کامل بصورت تئوری و عملی در پایتون…
در این جلسه آموزش Perspective and Affine Transforms داریم و کامل بصورت تئوری و عملی در پایتون به این مبحث پرداختیم
پروژه لبه یابی در تصاویر با استفاده از دوربین و رسم شدن لبه های اشیاء
در این جلسه به در مبحث image segmentation به قسمت Contours میپردازیم و کامل بصورت تئوری و عملی در پایتون صحبت خواهیم کرد
در این جلسه به در مبحث image segmentation به قسمت Contours و sort کردن آن ها میپردازیم و کامل بصورت تئوری و عملی در پایتون صحبت خواهیم کرد
در این جلسه آموزش Approximating Contours and Convex Hull داریم و کامل بصورت تئوری و عملی در پایتون به این مبحث پرداختیم
در این جلسه آموزش Matchshapes داریم و کامل بصورت تئوری و عملی در پایتون به این مبحث پرداختیم
پروژه شناسایی نوع و ابعاد اشیاء در تصاویر
در این جلسه آموزش HoughLines داریم و کامل بصورت تئوری و عملی در پایتون به این مبحث پرداختیم
در این جلسه آموزش HoughCircles داریم و کامل بصورت تئوری و عملی در پایتون به این مبحث پرداختیم
بحث لکه یابی در پزشکی بسیار پر کاربرد هست و در این جلسه به خوبی بهش پرداختیم
این جلسه به موضوع : Object Detection Using Template Matching که بسیار جذاب و پر کاربرد هست پرداختیم که در تشخیص چهره ، ماشین های خودران ، ناوبری ربات ها ، تشخیص بیماری و سرطان و....
در این پروژه شما توانایی جعل شناسی و پیدا کردن تصاویر همانند پیدا خواهید کرد
در این جلسه به آموزش Feature Description پرداختیم ، بحث ویژگی دادن به دستورات در تشخیص اشیاء ( گوشه یابی) و مدل هاشو برسی کردیم و کامل بصورت تئوری و عملی در پایتون به این مبحث پرداختیم
در این جلسه آموزش به موضوع Finding Corners کامل بصورت تئوری و عملی در پایتون به این مبحث پرداختیم
در این جلسه آموزش SIFT ,SURF ,FAST,BREIF AND ORB دادیم و کامل بصورت تئوری و عملی در پایتون به این مبحث پرداختیم
پروژه تشخیص اشیاء توسط دوربین و بحث matching
در این جلسه آموزش Histogram Of Oriented Gradients (HOG) دادیم و کامل بصورت تئوری و عملی در پایتون به این مبحث پرداختیم
در این جلسه موضوع CascadeClassifier آموزش دادیم و کامل بصورت تئوری و عملی در پایتون به این مبحث پرداختیم .
در این جلسه موضوع Haar Cascade آموزش دادیم و کامل بصورت تئوری و عملی در پایتون به این مبحث پرداختیم . بحث جذابه استفاده از ویژگی ها بصورت فایل با پسوند Xml که خیلی در صعنت های مانند : شناسایی آدم ها و ...با موضوعات مختلف مورد استفاده قرار میگیرد و کار برنامه نویسان را اسان تر کرده
پروژه شناسایی ماشین های اتومبیل در آزاد راه ها پروژه شناسایی انسان ها در صحرا
numpy مخفف numerical python است. Numpy کتابخانه ای است که می‌توان به کمک آن بر روی داده‌های عددی موجود در حافظه عملیات متنوعی انجام داد. آرایه های numpy شبیه به لیست های خود پایتون هستند ولی با این تفاوت که به گونه‌ای در حافظه ذخیره می‌شوند که می‌توان بر روی آن‌ها عملیات مختلفی را به صورت سریع‌تر انجام داد. در این جلسه به نصب و برسی Numpy می‌پردازیم
در این جلسه برسی روی تابع و دستورات numpy خواهیم کرد
در این جلسه در مبحث Numpy روی selection و sliceing صحبت خواهیم کرد
در این جلسه در مبحث Numpy روی Oprations صحبت خواهیم کرد بحث مهم و جذابه عملیاتی در numpy که بخش بزرگی از کار با دیتا ما وابسته به آن است
مرور کلی روی مباحث گفته شده Numpy برای استفاده در مباحث پیشرو
در این جلسه می‌خواهیم به pandas بپردازیم و نصب این کتابخونه را برسی کنیم شما می توانید با استفاده از کتابخانه پانداس در پایتون داده های خود را تمیز کرده و مرتب کنید. این ابزار با ابزارهای مشهور دیگر مانند matplotlib نیز کار می کند تا بتواند data visualization (بصری سازی داده) را نیز انجام دهد.
در این جلسه در مبحث pandas روی موضوع Series ها صحبت خواهیم کرد
در این جلسه در مبحث pandas روی موضوع DataFrames ها صحبت خواهیم کرد دیتا فریم ها در اصل همان دیتاهایی هستند که ما قراره باهاشون انالیز دیتاهامون رو انجام بدیم یا یکسری دیتاهارو به دیتا فریم تبدیل کنیم که کامل در این جلسه صحبت کردیم
در این جلسه در مبحث pandas روی موضوع Data missing ها صحبت خواهیم کرد مدیریت داده‌ گمشده یا ناموجود در این مبحث بسیار اهمیت بالایی در آنالیز دیتا دارد که در این جلسه کامل به آن پرداختیم
در این جلسه در مبحث pandas روی موضوع Groupby ها صحبت خواهیم کرد تابع groupby برای گروه‌بندی داده‌ها بر اساس مقادیر متمایز موجود یک ستون استفاده می‌شود
در این جلسه می‌خواهیم به merging and joining and Concatenatinh بپردازیم و نصب این کتابخونه را برسی کنبم برای ادغام (merge) و اتصال (join) مجموعه داده ها استفاده می‌شود و کامل در این جلسه به آن پرداختیم
در این جلسه در مبحث pandas روی موضوع Operations ها صحبت خواهیم کرد بحث عملگرا در همه مباحث اهمیت بسیاری دارد تا برای محاسبات در در اون کتابخانه مورد استفاده قرار بگیرد که بصورت مفصل آموزش دادیم
در این جلسه در مبحث pandas روی موضوع Input and output ها صحبت خواهیم کرد در این جلسه ورودی های دیتا و انواع در پانداس همچنین مدل های خروجی آن را مورد برسی قرار دادیم
در این جلسه یک تمرین مهم در pandas داریم که برای حرفه ای شدن به آن نیاز داریم
در این جلسه با یک دیتا تمرین دیگری انجام میدیم تا در کار با pandas به بهترین شکل بتونیم فعالیت کنیم
در این جلسه می‌خواهیم به Matplotlib بپردازیم و نصب این کتابخونه را برسی کنیم. Pyplot یک ماژول از کتابخانه رسم نمودار Matplotlib است که رابطی متلب مانند فراهم می‌کند. Matplotlib به گونه‌ای طراحی شده که به اندازه متلب (و حتی بیش از آن) کاربردی باشد و علاوه بر این، از مزیت کار با پایتون، «متن‌باز» (Open-Source) و رایگان بودن نیز بهره می‌برد.
در این جلسه به انواع رسم نمودار در Matplotlib می‌پردازیم
این جلسه ادامه جلسه قبلی می باشد که به تکمیل آن پرداختیم و مباحث بیشتری را درmatplotlib مورد برسی قرار دادیم
در این جلسه چندین تمرین بر اساس مباحثی که از کتابخانه Matplotlib یاد گرفتیم می‌پردازیم
در این جلسه به مباحث اضافی و تکمیلی برای رسم کردن انالیز دیتا پرداختیم تا بتوانیم در صورت نیاز از آن در ماشین لرنینگ استفاده مناسب داشته باشیم
بعد از مباحث آنالیز دیتا حالا وقت آن رسیده با یادگیری ماشین آشنا بشید که میریم یه صحبت کوتاه بر سیستم های نظارت شده و بدون نظارت همچین توصیه گر ها داشته باشیم
در این جلسه به توضیح کوتاه و تاریخچه رگرسیون ها می‌پردازیم
رگرسیون در واقع خطی است که در یک نمودار سعی داریم بصورت خط ساده روی مقادیر به بهترین شکل در بیاوریم در این چند جلسه پیش رو ابتدا با مفهوم رگرسیون و سپس با کتابخانه‌های مهمی که اشنا شدید از جمله numpy، pandas و matplotlib . و بعد پیاده‌سازی ساده‌ای از رگرسیون را خواهید آموخت و سپس سراغ مفاهیم پیشرفته‌تری از رگرسیون مثل رگرسیون غیرخطی و رگرسیون چندجمله‌ای می‌رویم و در انتها به پیاده‌سازی این موارد می‌پردازیم. که سعی کردیم به ساده ترین شکل بهتون توضیح بدیم
در این جلسه راجع به رگرسیون خطی ساده بصورت مفصل صحبت خواهیم کرد
این جلسه کامل به بحث اعتبار سنجی پرداختیم
این برنامه امکان استفاده مشارکتی، گسترده، مقیاس‌پذیر و قابل بازتولید را فراهم می‌کند. هنگامی که صحبت از ساخت «نمونه اولیه» (prototyping) سریع و بهتربن شکل تحلیل اکتشافی می‌شود، ژوپیتر نوت‌بوک برای بسیاری از افراد یک پلتفرم بالفعل واقعی به شمار
کد نویسی رگرسیون های خطی یا Simple Regression linear در این جلسه وقت آن رسیده رگرسیون های ساده را داخل کد کار کنیم . و متوجه خواهید شد چندتا عملگر کل رگرسیون هارو برای ما در چند خط انجام می.دهد
در این جلسه وقت آن رسیده رگرسیون های چند خطی اشنا شویم و بصورن کامل راجع بهش حرف بزنیم
در این جلسه وقت آن رسیده رگرسیون های چند خطی را داخل کد کار کنیم . و متوجه خواهید شد با چندتا عملگر کل رگرسیون هارو برای ما در چند خط انجام به خوبی رسم می‌کند و عمل می‌کند
در این جلسه با رگرسیون غیر خطی یا Nonlinear Regression صحبت خواهیم کرد
در این جلسه با رگرسیون غیر خطی بیشتر صحبت خواهیم کرد
در این جلسه وقت آن رسیده رگرسیون های غیر خطی را داخل کد کار کنیم . و متوجه خواهید شد چندتا عملگر و تغییرات رگرسیون هارو برای ما در چند خط رسم می کند و به خوبی عمل می‌کند
در این جلسه تکمیل مباحث قبلی رو داریم
برای این پروژه ما اطلاعات تقریبا ۳۰۰۰ آپارتمان در تهران را تهیه کرده ایم. تمامی داده ها کاملا واقعی هستند. وظیفه شما این است که با استفاده از ویژگی های دیتاست که در ادامه به تشریح آنها پرداخته‌ایم قیمت به دلار یا تومان را تخمین بزنید. داده ها درون فایل housePrice.csv ذخیره شده اند. تعداد اتاق خواب (Room) انباری دارد یا خیر (Warehouse) آسانسور دارد یا خیر (Elevator) پارکینگ دارد یا خیر (Parking) متراژ خانه به متر (Area) قیمت به تومان (Price) قیمت به دلار (Price(USD)) آدرس حدودی در تهران
طبقه‌ بندی classification یکی از زیر شاخه‌ های اساسی یادگیری ماشین و داده کاوی است. و اساس آن داده‌های جمع‌‌آوری شده از اعمال گذشته هستند. اعمالی که بر اساس دانش فرد خبره برچسب گذاری شدند. برای اینکه یک مدل طبقه‌ بند خوب داشته باشیم، باید با داده‌ها و ساختار آنها و نیز تعداد دسته‌ها (برچسب-کلاس-طبقه‌) اطلاع داشته باشیم. هر چند آشنایی با ساختار و نوع داده‌ها گاها عملی غیر ممکن است اما در صورت وجود یک آشنایی ساده گاها نیز می‌توان مدل طبقه بند درست را انتخاب کرد.
در این جلسه با الگوریتم KNN (k نزدیکترین همسایه - K-nearest neighbors) آشنا خواهیم شد الگوریتم KNN (k نزدیکترین همسایه - K-nearest neighbors) از "تشابه ویژگی" برای پیش بینی مقادیر نقاط داده جدید استفاده می کند؛ که به این معنی است که به نقطه داده جدید بر اساس میزان مطابقت آن با نقاط مجموعه آموزشی، یک مقدار تخصیص می دهد. با کمک مراحل زیر میتوان نحوه عملکرد آن را درک کرد.
در ادامه بحث های قبل ارزیابی KNN به موضوع ارزیابی این الگوریتم می‌پردازیم
کد نویسی الگوریتم KNN (k نزدیکترین همسایه - K-nearest neighbors) این جلسه برسی می‌کنیم
درخت تصمیم (Decision Tree) یکی از ابزارها و تکنیک‌هایی است که در مهارت‌های داده‌کاوی بسیار پر کاربرد است. زمانی که حجم داده‌ها بسیار بالا باشد این تکنیک می‌تواند به کمک شما بیاید.
کد نویسی الگوریتم درخت تصمیم (Decision Tree) این جلسه برسی می‌کنیم ریاضیات (Decision Tree) را برسی می‌کنیم
تکمیل جلسه قبلی
کد نویسی درخت تصمیم (Decision Tree) خواهیم داشت
در این جلسه مقدمه الگوریتم رگرسیون لجستیک (Logistic Regression) را می‌بینیم رگرسیون لجستیک اغلب برای بیان شدت رابطه خطی بین دو متغیر کمی از ضریب همبستگی استفاده می‌کنیم. همچنین برای نمایش مدل رابطه بین آن دو نیز از مدل رگرسیونی کمک می‌گیریم
این جلسه در ادامه بحث قبلی رگرسیون لجستیک و خطی را می‌بینیم
در دو جلسه قبلی رگرسیون لجستیک خطی را می‌دیدیم و این جلسه راجع بهش کامل صحبت کردیم
کد نویسی الگوریتم رگرسیون لجستیک (Logistic Regression) را در این جلسه برسی می‌کنیم
مقدمه ای بر الگوریتم SVM داریم ماشین بردار پشتیبانی (Support vector machines - SVMs) یکی از روش‌های یادگیری بانظارت است که از آن برای طبقه‌بندی و رگرسیون استفاده می‌کنند.
کد نویسی الگوریتم SVM را در این جلسه برسی می‌کنیم
روش‌‌ها و الگوریتم‌های متعددی برای تبدیل اشیاء به گروه‌های همشکل یا مشابه وجود دارد. الگوریتم k-میانگین یکی از ساده‌ترین و محبوب‌ترین الگوریتم‌هایی است که در «داده‌کاوی» (Data Mining) بخصوص در حوزه «یادگیری نظارت نشده» (Unsupervised Learning) به کار می‌رود.
در این پروژه شما باید با توجه به اطلاعات پزشکی یک بیمار که در ادامه به صورت کامل شرح داده شده است پیش بینی کنید که یک بیمار شانس کمی برای حمله قلبی دارد یا شانس زیادی؟! داده ها درون فایل heart.csv ذخیره شده اند. سن فرد (Age) جنسیت (Sex) آیا درد با فعالیت خاصی شروع میشود؟ (exang) عدد یک یعنی بله عدد صفر یعنی خیر تعداد رگهای اصلی (ca) مقداری از صفر تا سه نوع درد قفسه سینه (cp) مقدار ۱ : درد مستقیم قلبی مقدار ۲ : درد غیرمسقیم که منجر به حس کردن درد در قلب میشود مقدار ۳ : درد غیر قلبی
مقدمه ای بر الگوریتم خوشه‌بندی (Clustering) فرآیندی است که به کمک آن می‌توان مجموعه‌ای از اشیاء را به گروه‌های مجزا افراز کرد. هر افراز یک خوشه نامیده می‌شود. اعضاء هر خوشه با توجه به ویژگی‌هایی که دارند به یکدیگر بسیار شبیه هستند و در عوض میزان شباهت بین خوشه‌ها کمترین مقدار است. در چنین حالتی هدف از خوشه‌بندی، نسبت دادن برچسب‌هایی به اشیاء است که نشان دهنده عضویت هر شیء به خوشه است.
در الگوریتم خوشه بندی روش K-Means را برسی می‌کنیم روش‌‌ها و الگوریتم‌های متعددی برای تبدیل اشیاء به گروه‌های همشکل یا مشابه وجود دارد. الگوریتم k-میانگین یکی از ساده‌ترین و محبوب‌ترین الگوریتم‌هایی است که در «داده‌کاوی» (Data Mining) بخصوص در حوزه «یادگیری نظارت نشده» (Unsupervised Learning) به کار می‌رود.
با توجه به جلسه قبل و نکته هایی که‌گفته شد در خصوص K-Menas ، صحبت هامون رو تکمیل می‌کنیم
در این جلسه در کد روش خوشه‌بندی K-Menas را در رندوم دیتا می‌بینیم
در این جلسه روش خوشه‌بندی K-Menas را با دیتا کد نویسی می‌کنیم
در این جلسه خوشه‌بندی سلسله مراتبی (Clustering Hierarchical) را برسی می‌کنیم
ادامه جلسه قبل در بحث (Clustering Hierarchical) می‌پردازیم
در این جلسه با زبان پایتون خوشه‌بندی سلسله مراتبی (Clustering Hierarchical) را برسی می‌کنیم
در ادامه جلسه قبل در کد هامون بحث سلسله مراتبی را تکمیل می‌کنیم
مقدمه ای از الگوریتم DBSCAN را می‌بینیم یکی از تفاوت‌های اصلی این الگوریتم با KMeans این است که الگوریتم DBSCAN نیاز به تعیین تعدادِ خوشه توسط کاربر ندارد و خودِ الگوریتم می‌تواند خوشه‌ها را مبتنی بر غلظتِ آن‌ها شناسایی کند. اجازه بدهید در این درس ببینیم که این الگوریتم چگونه می‌تواند غلظت را شناسایی کند و خوشه‌ها را در میان داده‌های مختلف از یکدیگر تفکیک داده و شناسایی کند.
الگوریتم DBSCAN را در کد می‌بینیم
در این پروژه شما نیاز دارید مشتریان را در دسته های مختلف تقسیم کنید. ویژگی داده ای که در اختیار شماست به صورت زیر است. پیشنهاد میشود از تمامی الگوریتم های خوشه بندی را جهت بهبود الگوریتم خود امتحان کنید. شناسه کاربر (CustomerID) جنسیت کاربر (Gender) سن کاربر (Age) درآمد سالیلانه (Annual Income) امتیاز کاربر بر اساس رفتار (Spending Score)
مقدمه سیستم توصیه‌گر (Recommender System) را می‌بینیم سیستم توصیه‌گر (Recommender System) در دنیایی که ما زندگی می‌کنیم، یکی از بهترین پیشرفت‌های فناوری به حساب می‌آید؛ مخصوصا اگر کسب و کار اینترنتی داشته باشید و هر روزه کاربران بسیاری از وب سایت شما بازدید کنند. سیستم‌های توصیه‌گر براساس الگوریتم‌های از پیش تعیین شده، علائق کاربر و تاریخچه جست‌وجو، پیشنهادهای مرتبط را به کاربران یا مشتریان می‌دهند؛ این پیشنهادها مطمئنا نقش مهمی در افزایش تعامل کاربران با وب سایت و حتی افزایش فروش دارد.
در مبحث سیستم توصیه‌گر به بحث content Based می‌پردازیم
در جلسه قبل به مبحث سیستم توصیه‌گر به content Based پرداختیم ، حالا در کد آن را می‌بینیم
در این جلسه در بحث سیستم توصیه‌گر ، به سیستم collaborative Filtring می‌پردازیم
در جلسه قبل به مبحث سیستم توصیه‌گر به collaborative Filtring پرداختیم ، حالا در کد آن را می‌بینیم
در این پروژه شما باید یک سیستم توصیه‌گر بسازید . داده‌ها مربوط به فیلم های وبسایت IMDB هستند. دو فایل وجود دارد که یکی لیست فیلم‌ها و ژانر آن‌ها و دیگری امتیاز کاربران به این فیلم‌ها. از آنجایی این مثال در آزمایشگاه توضیح داده شده است، انتظار می‌رود یک فایل نوتبوک جدید بسازید و کدها را توضیح دهید. نتیجه کدها و گزارش خود را در قالب جوپیتر نوتبوک ارسال کنید. هرچه گزارش شما و توضیح شما درباره کدها کامل تر باشد نمره کامل تری نیز دریافت می‌کنید. فایل‌های مورد نیاز به صورت زیپ در پیوست آمده‌اند. فا
توضیح کلی راجع به جنگو در قدم اول داریم و از مزیت های این فریم ورک صحبت خواهیم کرد
پیاده ساری محیط توسعه پروژه ( نصب جنگو )
در این جلسه راجع به معماری جنگو صحبت ‌می‌کنیم ( MVT ) و مفصل بهش می‌پردازیم جنگو ترجیج میدهد معماری خودش را پیاده کند. معماری که جنگو از آن استفاده میکند MVT نام دارد که بسیار مشابه MVC است. MVT مخفف model-view-template است.
در اولین قدم اولین خروجی در این فریم ورک برسی ‌می‌کنیم
آشنایی داریم با سیستم URL و View ها
آشنایی با لایه مدل ها
پیاده سازی جداول با Migration
در این جلسه با shell edit data با مدل ها کار می‌کنیم
ادامه جلسه قبل و تکمیل مبحث (با shell edit data با مدل ها کار می‌کنیم )
نصب دیتابیس PostgreSQL
پنل ادمین و مدیریت آن
در این جلسه مدل هارو در پنل مدیریت می‌بینیم
(URL) پویار را برسی می‌کنیم
کامپوننت templates معادل view است در معماری mvc. در این بخش نتیجه نهایی به کاربر نشان داده میشود. همچنین میتوانید در این بخش از کاربر اطلاعاتی را دریافت کرده و به دیگر بخش‌های ارسال کنید. نمایش templates جنگو وظیفه بخش view است.
در این جلسه با ارث بری Template ها آشنا خواهید شد
در این جلسه با تگ ها در Template ها آشنا خواهید شد
در این جلسه با فیلتر در Template ها آشنا خواهید شد
در این جلسه راجع‌به فایل های استاتیک صحبت می‌کنیم
در این جلسه راجع‌به پیاده سازی اکشن ها صحبت می‌کنیم
تو این جلسه به راحتی و با فرخوانی چندین خط کد ، پنل مدیریت فارسی میکنیم
تبدیل تاریخ میلادی به شمسی در پنل مدیریت برای بهبود در مدیریت !
شخصی سازی پنل ادمین
مدیریت فایل های استاتیک
شخصی سازی ارور 404
صفحه بندی اطلاعات
استفاده از مدل های فرم ها در جنگو
اعتبارسنجی اطلاعات در فرم ها
ادامه جلسه قبلی و در اعتبارسنجی بهتر عمل می‌کنیم
فرم ویرایش اطلاعات
در این جلسه به ایجاد فرم برای مدل هامون می‌پردازیم
خب حالا وقتش رسیده از آموزش هاتون یکم بهره ببرید و راجع به پیاده سازی صفحه لاگین صحبت می‌کنیم
در ادامه بحث جذاب قبلی ، این جلسه صفحه عضویت هم خواهیم ساخت
در این جلسه بحث احراز هویت را داریم که از مهم ترین ارکان ساخته یک وبسایته و می‌بینید به خوبی جنگو از پس آن بر می‌میاد!!!
تکمیل تر کردن پروژه
معرفی و اشنایی Class-Based-Views
با توجه به جلسه قبل ، به بازنویسی و تمیز کردن کد ها می‌پردازیم
باز نویسی view هارو داریم
زیبا سازی بخش ورود و عضویت
مدل One to many رو می‌بینم
رفع باگ فونت های فارسی
نگاهی به مدل Many to many Relationships خواهیم داشت
ادامه جلسه قبل و تکمیل صحبت هامون
مدل One to One را می‌بینیم
در ادامه مدل ها میپردازیم به یاد گیری استفاده از Rollback برای Migration
جلسه پایانی

نظرات ثبت شده کاربران

  • نام کاربر: محمد عبادی پور | تاریخ ثبت نظر: 21 اردیبهشت 91

    نشسته ام به در نگاه میکنم… دریچه آه میکشد! تو از کدام راه میرسی؟ بالاخره پکیجو میخرم😍

    دیدگاه خود را ثبت کنید

    برای ثبت نظر، ابتدا وارد شوید.

    سوالات متداول از فول پکیج دکتر پایتون

    خیر - این دوره به دلیل فول پکیج بودن از صفر به شما یاد داده شده . در این پکیج از پایتون مقدماتی که قدم اول هست شروع میشود و بعد پیشرفته و بعد متخصص می‌شوید
    از سال ۱۴۰۱ خانواده MA تصمیم گرفته بجای ارائه مدرک کاغذی ، نسخه دیجیتالی به دانشجویان خودش ارائه کند . خانواده MA مانند همه مجموعه های پیشرفته سعی دارد برای جلوگیری از قطع شدن درختان و حفظ محیط زیست
    اگر شما عزیزان دورهای مارو تهیه کرده باشید می‌فهمید ،مجموعه ما خیلی بیشتر از آنچه طی می‌کند عمل می‌کند و سعی بر پیشرفت همه اعضای خانواده دارد ♥️ این کارو جز اینکه از خانوادت بدونی کسی انجام نمی‌دهد :)
    زبان انگلیسی در همه جا اهمیت دارد ولی باید دید ندانستن آن به روند زندگی و کار شما لطمه میزند یا خیر ! اگر شما خارج از کشور باشید الزام داره بلد باشید هم به حروف هم به گرامر و مشکل زبان در گرامر آن است اما بعنوان مثال در برنامه نویسی چندین کلمه کلیدی و کاربردی به مرور تکرار می‌شود و واضح هست و گرامر ندارد مثلا در پایتون Print یعنی چاپ کن و دیگر گرامر ندارد که بشود Printed! پس اهمیت داشتن آن اینه شما فقط به حروف انگلیسی اشنایی داشته باشید ، مابقی در آموزش یاد خواهید گرفت که چیز چندانی هم ندارد