اپلیکیشن اندرویدی فلش‌کارت آموزشی اسکالا؛ زبانی پیشرو برای تحلیل داده و یادگیری ماشین

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اسکالا؛ زبانی پیشرو برای تحلیل داده و یادگیری ماشین

موضوع کلی: برنامه‌نویسی و علم داده

موضوع میانی: زبان‌های برنامه‌نویسی در علم داده

📋 سرفصل‌های دوره

• 1. اسکالا و جایگاه آن در علم داده
• 2. نصب و راه‌اندازی محیط توسعه اسکالا
• 3. آشنایی با ساختار پایه و نحو زبان اسکالا
• 4. انواع داده و متغیرها در اسکالا
• 5. عملگرها و عبارات شرطی
• 6. ساختارهای کنترلی و حلقه‌ها
• 7. توابع در اسکالا؛ تعریف و فراخوانی
• 8. توابع مرتبه بالا و closureها
• 9. مجموعه‌های پایه: لیست، ست، مپ
• 10. تغییرناپذیری و مجموعه‌های تغییرناپذیر
• 11. رشته‌ها و پردازش متن
• 12. مدیریت خطا با try-catch و Option
• 13. شی‌گرایی در اسکالا؛ کلاس و شیء
• 14. وراثت و traits
• 15. case classها و pattern matching
• 16. ژنریک‌ها در اسکالا
• 17. مقدمه‌ای بر برنامه‌نویسی تابعی
• 18. فانکتورها، مونادها و for-comprehension
• 19. کار با کتابخانه استاندارد مجموعه‌ها
• 20. پردازش موازی با مجموعه‌های موازی
• 21. اکو سیستم ابزارهای اسکالا: SBT و IDE
• 22. خواندن و نوشتن فایل‌های CSV
• 23. کار با فرمت JSON در اسکالا
• 24. اتصال به پایگاه داده با JDBC
• 25. مقدمه‌ای بر Apache Spark
• 26. RDDها و تبدیلات در اسپارک
• 27. DataFrame و Dataset در اسپارک
• 28. SQL پرس‌وجو بر روی DataFrames
• 29. انجام عملیات aggregation و join
• 30. پردازش جریانی با Spark Streaming
• 31. مقدمه‌ای بر یادگیری ماشین با MLlib
• 32. رگرسیون خطی با اسپارک
• 33. طبقه‌بندی با درخت تصمیم و random forest
• 34. خوشه‌بندی با K-Means
• 35. مدیریت و ذخیره مدل‌های آموزش‌دیده
• 36. پایپلاین‌های یادگیری ماشین
• 37. ارزیابی مدل و تنظیم فراپارامترها
• 38. کار با داده‌های متنی و TF-IDF
• 39. مهندسی ویژگی برای داده‌های عددی و اسمی
• 40. مقیاس‌سازی و نرمال‌سازی داده‌ها
• 41. استفاده از کتابخانه Breeze برای محاسبات عددی
• 42. تجسم داده با کتابخانه Vegas یا Plotly
• 43. کار با داده‌های زمانی و سری زمانی
• 44. پیش‌پردازش داده‌های گمشده و پرت
• 45. یکپارچه‌سازی اسکالا با کتابخانه‌های جاوا
• 46. تست واحد با ScalaTest
• 47. مدیریت وابستگی‌ها و پروژه با SBT
• 48. بهینه‌سازی کد و پروفایلینگ
• 49. نوشتن توابع توزیع‌شده و cluster computing
• 50. مقدمه‌ای بر Akka و مدل بازیگر
• 51. کار با Akka Streams برای جریان داده
• 52. ایجاد API ساده با Akka HTTP
• 53. ذخیره‌سازی و بارگذاری داده‌های حجیم با Parquet
• 54. ادغام اسکالا با سیستم‌های NoSQL
• 55. مقدمه‌ای بر یادگیری عمیق با BigDL
• 56. پردازش تصویر با OpenCV و اسکالا
• 57. تحلیل متن و تشخیص موجودیت‌های نام‌دار
• 58. سیستم توصیه‌گر با الگوریتم‌های هم‌یاری
• 59. مدیریت خطا در برنامه‌های توزیع‌شده
• 60. تکنیک‌های کش داده و بهینه‌سازی حافظه
• 61. پکیج‌بندی و استقرار برنامه با sbt-native-packager
• 62. کار با خط فرمان و آرگومان‌های ورودی
• 63. تولید گزارش و خروجی به فرمت Excel
• 64. اتوماسیون و زمان‌بندی پردازش داده
• 65. مقدمه‌ای بر GraphX برای تحلیل گراف
• 66. تحلیل شبکه‌های اجتماعی با GraphX
• 67. مدل‌سازی داده با Algebra‌های جبری
• 68. استفاده از نوع‌های جبری و sealed trait
• 69. نوشتن کتابخانه‌های قابل استفاده مجدد
• 70. مشارکت در پروژه‌های متن‌باز اسکالا
• 71. اشکال‌زدایی و عیب‌یابی کدهای اسپارک
• 72. ملاحظات امنیتی در تحلیل داده
• 73. اخلاق در علم داده و حریم خصوصی