دوره آموزشی «صفر تا صد پایتون برای همه؛ بخش پنجم، پروژه نهایی: بازیابی، پردازش و نمایش داده‌ها با پایتون»

آنچه در دوره آموزشی

«صفر تا صد پایتون برای همه؛ بخش پنجم: پروژه نهایی: بازیابی، پردازش و نمایش داده‌ها با پایتون»

خواهید آموخت

ماژول اول

به شما برای رسیدن به این مرحله تبریک می‌گویم. قبل از شروع، لطفاً ویدئو «معرفی دوره» را مشاهده کرده و بخش «نمای کلی پروژه پایانی» را مطالعه کنید. در بخش «منابع دوره»، مطالب اضافی وجود دارد که ممکن است در هفته‌های آینده به آن‌ها نیاز پیدا کنید.

• • معرفی دوره 
  • مروری بر پروژه پایانی 
  • به ما کمک کنید بیشتر شما را بشناسیم 
  • Python Textbook  
  • کاراکترها و رشته‌های یونیکد
  • گزینه‌های تکمیل پروژه پایانی 
  • آزمون
  • ملاقات حضوری در دن هاگ، هلند 
  • گفتگو با  John Resig and Pam Fox از Khan Academy 

ماژول دوم

در این ماژول نسخه‌ای ساده از الگوریتم PageRank گوگل را دانلود و اجرا خواهیم کرد و جمع‌آوری محتوای وب  (spidering)  را تمرین خواهیم کرد.

این تکلیف به‌صورت همتراز (peer-graded) ارزیابی می‌شود و اولین تکلیف از سه تکلیف افتخاری اختیاری (Honors assignments) در این دوره است. این فعالیت ادامه مطالبی است که در دوره چهارم این مجموعه آموزشی آموزش داده شد و بر اساس فصل ۱۶ کتاب درسی «پایتون برای همه» طراحی شده است.

• • مقدمه‌ای بر ساخت موتور جستجو Search Engine
  • بررسی کلی Page Rank 
  • حل مثال برای Page Rank – خزنده‌ها (Spidering) 
  • حل مثال برای Page Ra – محاسبات(Computation) 
  • حل مثال برای Page Rank – مصورسازی(Visualization) 
  • ملاقات حضوری در دیترویت، میشیگان 
  • گفتگو با Anil Jain  درباره پردازش عکس (Image Processing)
  • Optional Honors Content
  • دستورالعمل ثبت تکلیف ارزیابی شده توسط همتایان 
  • تکلیف

ماژول سوم

پروژه اختیاری Capstone فرصتی است برای انتخاب، پردازش، و مصورسازی داده‌های دلخواه و دریافت بازخورد از همتایان. این پروژه نمره‌دهی نمی‌شود و می‌تواند به سادگی یا پیچیدگی که تمایل دارید انجام شود. تکلیف این هفته شناسایی یک منبع داده و نوشتن یک پست کوتاه در انجمن گفتگو است که منبع داده را توصیف کرده و برخی از تحلیل‌های ممکن که می‌توان با آن انجام داد را شرح دهد. شما نیازی به استفاده از منبع داده‌ای که در اینجا ارائه شده برای تحلیل واقعی خود ندارید.

• • مقدمه‌ای بر شناسایی منبع داده(Data Source) 
  • فهرست منابع داده (تهیه‌شده توسط کادر آموزشی) 
  • شناسایی یک منبع داده 
  • گربه جدید دکتر چاک! 
  • گفتگو با Bruce Schneier درباره نگرش امنیتی (Security Mindset) 

ماژول چهارم

در دومین تکلیف اختیاری Honors، ما داده‌های ایمیل را از پروژه متن‌باز Sakai دریافت و پردازش خواهیم کرد. درس‌های ویدیویی شما را در فرایند دریافت، تمیز کردن و مدل‌سازی داده‌ها راهنمایی خواهند کرد.

• • خزیدن(Spidering) و مدل‌سازی داده‌های ایمیل – مقدمه 
  • مقدمه‌ای بر Gmane  
  • حل مثال برای Gmane / بازیابی ایمیل 
  • حل مثال برای Gmane / ایمیل – مدل‌سازی 
  • ملاقات حضوری در بالتیمور 
  • گفتگو با Bruce Schneier درباره ساخت سیستم‌های رمزنگاری(Cryptographic Systems) 
  • Optional Honors Content
  • تکلیف

ماژول پنجم

تکلیف این هفته این است که یک پست در انجمن بحث ایجاد کنید که پیشرفت شما را در دریافت و پاک‌سازی منبع داده‌تان برای انجام تحلیل نشان دهد. بازخورد سایر دانشجویان به شما در بهبود این فرایند کمک کند.

• • دسترسی به منابع داده جدید – مقدمه 
  • تحلیل یک منبع داده 
  • ملاقات حضوری و دکتر چاک در نقش آنتونی بوردین

ماژول ششم

در آخرین تکلیف اختیاری Honors، دو مدل ، مصورسازی از داده‌های ایمیلی که دریافت و پردازش کرده‌اید انجام خواهیم داد: یک نمودار ابری (Word Cloud) برای نمایش توزیع فراوانی و یک خط زمانی (Timeline) برای نشان دادن تغییرات داده‌ها در طول زمان.

• • مصورسازی داده‌های ایمیل  Visualizing Email Data
  • مثال برای Gmane /  Email – مصورسازی Visualization 
  • ملاقات حضوری در موتریال 
  • گفتگو با Nathaniel Borenstein  ؛ پدر MIME 
  • Optional Honors Content
  • تکلیف

ماژول هفتم

در این ماژول شما تحلیل داده‌های خود را به کلاس ارائه خواهید داد. در حالی که بسیاری از پروژه‌ها منجر به مصورسازی داده‌ها می‌شوند، هر نتیجه دیگری از تحلیل داده‌ها نیز به همان اندازه ارزشمند است. بنابراین، از هر نوع تحلیل و نمایش که برای مجموعه داده‌ای که انتخاب کرده‌اید مناسب‌تر است، استفاده کنید.

• • مصورسازی منابع داده جدید – مقدمه 
  • تحلیل و مصورسازی داده‌ها 
  • ملاقات حضوری در آن‌آربور، میشیگان 
  • استیو جابز ؛ NeXT  و اینترنت 
  • پرسشنامه پایانی کلاس 
  • بهترین دلیل برای جشن‌گرفتن موفقیتی که کسب کردید!