کتاب صوتی برنامه‌نویسی تابعی برای دانشمندان داده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره برنامه‌نویسی تابعی برای دانشمندان داده

موضوع کلی: برنامه نویسی

موضوع میانی: برنامه‌نویسی تابعی (Functional Programming)

📋 سرفصل‌های دوره

• 1. مبانی برنامه‌نویسی
• 2. مقدمه‌ای بر برنامه‌نویسی
• 3. مفاهیم پایه‌ای برنامه‌نویسی
• 4. متغیرها و انواع داده
• 5. عملگرها
• 6. ساختارهای کنترلی (شرطی)
• 7. ساختارهای کنترلی (حلقه‌ها)
• 8. توابع و ماژول‌ها
• 9. ساختارهای داده (لیست‌ها، تاپل‌ها، دیکشنری‌ها)
• 10. مقدمه‌ای بر پارادایم‌های برنامه‌نویسی
• 11. مقدمه‌ای بر برنامه‌نویسی شیءگرا
• 12. مقدمه‌ای بر برنامه‌نویسی تابعی
• 13. چرا برنامه‌نویسی تابعی؟
• 14. مزایای برنامه‌نویسی تابعی
• 15. کاربرد برنامه‌نویسی تابعی
• 16. مفاهیم اصلی برنامه‌نویسی تابعی
• 17. توابع به عنوان شهروند درجه اول
• 18. توابع خالص (Pure Functions)
• 19. اثرات جانبی (Side Effects)
• 20. ایمونتی (Immutability)
• 21. بازگشت (Recursion)
• 22. ترکیب توابع (Function Composition)
• 23. کرینگ (Currying)
• 24. ناشناس (Anonymous Functions) / لامبدا (Lambdas)
• 25. توابع مرتبه بالاتر (Higher-Order Functions)
• 26. کاربرد توابع مرتبه بالاتر
• 27. تابع `map`
• 28. تابع `filter`
• 29. تابع `reduce` (یا `fold`)
• 30. جمع‌کننده (Accumulator) در `reduce`
• 31. استفاده از `map`, `filter`, `reduce` در عمل
• 32. کاربرد `map` در پردازش داده
• 33. کاربرد `filter` در انتخاب داده
• 34. کاربرد `reduce` در خلاصه‌سازی داده
• 35. مثال‌های عملی `map`, `filter`, `reduce`
• 36. تمرین با `map`, `filter`, `reduce`
• 37. مفاهیم پیشرفته‌تر در برنامه‌نویسی تابعی
• 38. مدیریت حالت (State Management) در FP
• 39. جبران اثرات جانبی
• 40. Monads (مقدمه‌ای ساده)
• 41. Maybe/Optional Monad
• 42. Either Monad
• 43. List Monad
• 44. Promise/Future Monad
• 45. کاربرد Monads در پردازش خطا
• 46. کاربرد Monads در عملیات ناهمگزمان
• 47. توابع شرطی (Conditional Functions)
• 48. توابع شرطی محض (Pure Conditional Functions)
• 49. Pattern Matching (تطبیق الگو)
• 50. تطبیق الگو با انواع داده
• 51. تطبیق الگو در توابع
• 52. تطبیق الگو در لیست‌ها
• 53. تطبیق الگو در دیکشنری‌ها
• 54. کتابخانه‌های تابعی محبوب (مثال: Python)
• 55. functools
• 56. itertools
• 57. collections (با تمرکز بر ساختارهای تابعی)
• 58. کاربرد کتابخانه‌های تابعی در NumPy
• 59. کاربرد کتابخانه‌های تابعی در Pandas
• 60. Pandas و برنامه‌نویسی تابعی
• 61. Series و DataFrame در حالت تابعی
• 62. تکنیک‌های تابعی با Pandas
• 63. استفاده از `apply` به سبک تابعی
• 64. متدهای تابعی در Pandas
• 65. فیلتر کردن در Pandas به سبک تابعی
• 66. تجمع (Aggregation) در Pandas به سبک تابعی
• 67. تبدیل (Transformation) در Pandas به سبک تابعی
• 68. کاربرد برنامه‌نویسی تابعی در علم داده
• 69. تحلیل داده با رویکرد تابعی
• 70. پاکسازی داده با رویکرد تابعی
• 71. مهندسی ویژگی با رویکرد تابعی
• 72. مدل‌سازی با رویکرد تابعی (مقدماتی)
• 73. برنامه‌نویسی تابعی و داده‌های بزرگ
• 74. هماهنگی با ابزارهای Big Data
• 75. مزایای FP در پردازش توزیع شده
• 76. مثال‌هایی از FP در Spark (یا ابزارهای مشابه)
• 77. مقایسه FP با سایر پارادایم‌ها (OOP, Imperative)
• 78. چه زمانی از FP استفاده کنیم؟
• 79. چه زمانی از FP استفاده نکنیم؟
• 80. اشتباهات رایج در پیاده‌سازی FP
• 81. نکات و ترفندها در FP
• 82. بازنگری (Refactoring) کد به سبک تابعی
• 83. بهینه‌سازی کد تابعی
• 84. تست‌نویسی در برنامه‌نویسی تابعی
• 85. تست توابع خالص
• 86. تست توابع غیر خالص
• 87. ابزارهای تست در FP
• 88. برنامه‌نویسی تابعی در عمل (پروژه‌های کوچک)
• 89. پروژه ۱: پردازش و تحلیل لاگ فایل
• 90. پروژه ۲: تحلیل سری زمانی ساده
• 91. پروژه ۳: پیاده‌سازی یک فیلتر داده سفارشی
• 92. پروژه ۴: استفاده از FP برای ساخت pipeline داده
• 93. پروژه ۵: شبیه‌سازی ساده با رویکرد تابعی
• 94. مباحث پیشرفته‌تر و تحقیقاتی (اشاره)
• 95. Parallel FP
• 96. Concurrent FP
• 97. Functional Reactive Programming (FRP) (اشاره)
• 98. FP و یادگیری ماشین (مروری)
• 99. FP و هوش مصنوعی (مروری)
• 100. چالش‌های پذیرش FP