Udemy – Data Analysis with Polars and Python 2026-1

در تاریخ: 1404/11/21 11:33:05

توضیحات

Data Analysis with Polars and Python دوره آموزشی استفاده از کتابخانه Polars در کنار پایتون می باشد که توسط آکادمی آنلاین یودمی منتشر شده است. شما خواهید آموخت که چگونه معماری مدرن و ستونی Polars امکان بارگذاری، تبدیل، تجمیع و پرس‌وجو با کارایی بالا را در مجموعه داده‌های بزرگ، اغلب بسیار سریع‌تر از ابزارهای سنتی، فراهم می‌کند. این دوره تکنیک‌های ضروری دستکاری داده‌ها مانند فیلتر کردن، گروه‌بندی، اتصال و توابع پنجره‌ای را پوشش می‌دهد و به شما نشان می‌دهد که چگونه Polars را با ابزارها و گردش‌های کاری رایج پایتون برای تمیز کردن، کاوش و آماده‌سازی داده‌ها برای تجزیه و تحلیل ادغام کنید.

تحلیل داده‌ها با Polars و پایتون، بیش از ۲۲ ساعت آموزش ویدیویی عمیق در مورد کتابخانه قدرتمند تحلیل داده‌های Polars ارائه می‌دهد. این دوره همچنین شامل مجموعه‌ای گسترده از مجموعه داده‌ها، آزمون‌ها و چالش‌های کدنویسی برای کمک به یادگیری شما است. در عین حال، این کتابخانه به ما امکان می‌دهد تا کد خود را با Python، محبوب‌ترین زبان در جهان، بنویسیم. ما از هر دو دنیا بهترین‌ها را به دست می‌آوریم – سرعت و کارایی Rust و سادگی و ظرافت Python.

آنچه در دوره Data Analysis with Polars and Python یاد خواهید گرفت:

بر عملیات دستکاری داده‌ها در Polars از جمله مرتب‌سازی، فیلتر کردن، گروه‌بندی، چرخش، اتصال و موارد دیگر مسلط شوید!
نحوه عملکردگرا و مبتنی بر عبارت Polars را برای ایجاد زنجیره‌های پیچیده منطق درک کنید
از LazyFrames برای ایجاد طرح‌های پرس‌وجوی پیچیده‌ای استفاده کنید که Polars می‌تواند برای کارایی بهینه کند
با انواع داده‌ها از جمله متن، زمان، عدد، ساختارهای تو در تو و موارد دیگر کار کنید
و …

مشخصات دوره

ناشر: یودمی
مدرس: Boris Paskhaver
زبان: انگلیسی
سطح آموزش: مقدماتی
تعداد دروس: 191
مدت زمان آموزش: 22 ساعت و 12 دقیقه

سرفصل های دوره

Data Analysis with Polars and Python Content

پیش نیازهای دوره Data Analysis with Polars and Python

Basic/intermediate experience with a spreadsheet software like Microsoft Excel/Google Sheets (common functions, vlookups, countif, pivot tables etc)
Basic experience with the Python programming language (we’ll cover the basics if you’re brand new!)
Strong knowledge of data types (strings, integers, floating points, booleans) etc