دوره جامع برنامه‌نویسی اسکالا برای علم داده و تحلیل اطلاعات همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جامع برنامه‌نویسی اسکالا برای علم داده و تحلیل اطلاعات

موضوع کلی: برنامه‌نویسی پیشرفته و علم داده

موضوع میانی: تحلیل داده با زبان اسکالا

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر زبان برنامه‌نویسی اسکالا و ویژگی‌های آن
• 2. نصب و راه‌اندازی محیط توسعه یکپارچه برای اسکالا
• 3. نوع‌های داده پایه و متغیرها در اسکالا
• 4. ساختارهای کنترلی: شرط‌ها و حلقه‌ها
• 5. توابع در اسکالا: تعریف، پارامترها و مقدار بازگشتی
• 6. توابع مرتبه بالا و closureها
• 7. مجموعه‌های پایه: لیست، ست و مپ
• 8. تغییرناپذیری و تفاوت mutable با immutable
• 9. رشته‌ها و عملیات پیشرفته بر روی متن
• 10. الگوهای تطبیق (Pattern Matching) در اسکالا
• 11. کلاس‌ها و شی‌گرایی مقدماتی
• 12. مفهوم case class و کاربرد آن در داده
• 13. اشیاء همراه (Companion Object) و متدهای ایستا
• 14. وراثت و چندریختی در اسکالا
• 15. ویژگی‌ها (Traits) و ترکیب رفتارها
• 16. مفهوم generics و پارامترهای نوع
• 17. مدیریت خطا با Try, Option و Either
• 18. نوع Option و مدیریت مقدار null
• 19. نوع Either برای بازگشت خطا یا نتیجه
• 20. مقدمه‌ای بر برنامه‌نویسی تابعی در اسکالا
• 21. نقش immutability در برنامه‌نویسی تابعی
• 22. کار با توابع خالص و عوارض جانبی
• 23. مونادها و مفاهیم پایه‌ای functional programming
• 24. کار با مجموعه‌های تابعی: map, flatMap, filter
• 25. کاهش و تجمیع داده با reduce و fold
• 26. پردازش موازی مجموعه‌ها با ParSeq
• 27. مقدمه‌ای بر lazy evaluation و Stream
• 28. مدیریت جریان داده با Iterator
• 29. فایل‌خوانی و نوشتن در اسکالا
• 30. کار با فرمت JSON با کتابخانه circe
• 31. کار با فرمت CSV و کتابخانه‌های مرتبط
• 32. اتصال به پایگاه داده با JDBC در اسکالا
• 33. مقدمه‌ای بر کتابخانه Apache Spark
• 34. ساخت SparkSession و خواندن داده
• 35. تبدیلات پایه روی DataFrameها
• 36. فیلتر کردن و انتخاب ستون‌ها در Spark
• 37. گروه‌بندی و تجمیع داده در Spark
• 38. انجام join بین DataFrameها
• 39. کار با Spark SQL برای پرسش‌های داده
• 40. مدیریت Missing Data در Spark
• 41. نوشتن و ذخیره‌سازی خروجی در Spark
• 42. مقدمه‌ای بر کتابخانه Breeze برای محاسبات عددی
• 43. عملیات ماتریسی و برداری با Breeze
• 44. توابع آماری پایه در Breeze
• 45. مقدمه‌ای بر کتابخانه Vegas برای مصورسازی
• 46. نمودارهای خطی، میله‌ای و پراکندگی
• 47. مصورسازی توزیع داده با هیستوگرام
• 48. مقدمه‌ای بر یادگیری ماشین با MLlib
• 49. پیش‌پردازش داده برای مدل‌های یادگیری ماشین
• 50. رگرسیون خطی با استفاده از MLlib
• 51. طبقه‌بندی با Logistic Regression
• 52. ارزیابی مدل با معیارهای دقت و یادآوری
• 53. خوشه‌بندی با K-Means در Spark
• 54. مدیریت pipeline در MLlib
• 55. ذخیره و بارگذاری مدل‌های آموزش‌دیده
• 56. مقدمه‌ای بر Akka Streams برای جریان داده
• 57. ساخت Source, Flow و Sink
• 58. مدیریت backpressure در جریان‌ها
• 59. یکپارچه‌سازی Akka Streams با Spark
• 60. مقدمه‌ای بر کتابخانه ScalaTest برای تست
• 61. نوشتن تست واحد با FunSuite
• 62. تست تابعی و بررسی صحت خروجی
• 63. مدیریت وابستگی‌ها با sbt
• 64. ایجاد پروژه عملی: تحلیل داده‌های فروش
• 65. ایجاد پروژه عملی: تحلیل داده‌های لاگ سرور
• 66. بهینه‌سازی عملکرد کد در اسکالا
• 67. مدیریت حافظه و garbage collection
• 68. نکات نهایی و منابع تکمیلی