اکسپرس 24
کتاب اتوماسیون فرآیندهای داده با پایتون: از صفر تا مسلط با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

کتاب اتوماسیون فرآیندهای داده با پایتون: از صفر تا مسلط با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اتوماسیون فرآیندهای داده با پایتون: از صفر تا مسلط

موضوع کلی: تحلیل داده و اتوماسیون

موضوع میانی: اتوماسیون فرآیندهای داده

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر اتوماسیون فرآیندهای داده
  • 2. چرا اتوماسیون فرآیندهای داده مهم است؟
  • 3. معرفی زبان برنامه‌نویسی پایتون برای اتوماسیون داده
  • 4. نصب و راه‌اندازی پایتون و محیط توسعه
  • 5. مبانی پایتون: متغیرها، انواع داده، عملگرها
  • 6. ساختارهای کنترلی در پایتون: شرط‌ها و حلقه‌ها
  • 7. توابع در پایتون: تعریف و استفاده
  • 8. کار با فایل‌ها در پایتون: خواندن و نوشتن
  • 9. کتابخانه‌های مهم پایتون برای کار با داده: معرفی
  • 10. کتابخانه Pandas: ساختارهای داده Series و DataFrame
  • 11. خواندن داده از منابع مختلف با Pandas (CSV، Excel، SQL)
  • 12. پاکسازی و پیش‌پردازش داده با Pandas
  • 13. تبدیل و دستکاری داده در Pandas
  • 14. تجمیع و گروه‌بندی داده با Pandas
  • 15. تحلیل داده با Pandas: آمار توصیفی و استنباطی
  • 16. کتابخانه NumPy: آرایه‌ها و محاسبات عددی
  • 17. کار با تاریخ و زمان در پایتون
  • 18. کتابخانه Requests: دریافت داده از وب
  • 19. کتابخانه Beautiful Soup: استخراج داده از HTML
  • 20. کار با APIها در پایتون
  • 21. اتوماسیون وظایف تکراری با پایتون
  • 22. برنامه‌ریزی وظایف با کتابخانه Schedule
  • 23. اتوماسیون ایمیل با پایتون
  • 24. اتوماسیون گزارش‌گیری با پایتون
  • 25. کار با پایگاه داده‌ها با پایتون (MySQL، PostgreSQL)
  • 26. اتوماسیون بکاپ‌گیری از پایگاه داده
  • 27. اتوماسیون فرآیندهای ETL (Extract, Transform, Load)
  • 28. اتوماسیون اعتبارسنجی داده‌ها
  • 29. اتوماسیون مانیتورینگ داده‌ها
  • 30. اتوماسیون ساخت داشبوردهای ساده
  • 31. مقدمه‌ای بر یادگیری ماشین و اتوماسیون
  • 32. اتوماسیون مدل‌سازی داده با Scikit-learn
  • 33. استقرار مدل‌های یادگیری ماشین
  • 34. بهینه‌سازی کد پایتون برای اتوماسیون داده
  • 35. مدیریت خطاها و استثناها در پایتون
  • 36. مستندسازی کد پایتون
  • 37. کنترل نسخه با Git و GitHub
  • 38. تست کد پایتون
  • 39. استفاده از Docker برای بسته‌بندی و استقرار اتوماسیون‌ها
  • 40. استفاده از Cloud Services (AWS, Azure, Google Cloud) برای اتوماسیون
  • 41. بهبود امنیت در اتوماسیون فرآیندهای داده
  • 42. اتوماسیون فرآیندهای داده در محیط‌های بزرگ (Big Data)
تگ‌ها: API automation data analysis data automation data pipeline data processing data science database automation ETL machine learning automation numpy pandas python scheduling web scraping

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.