python-labs
SRTTU: Labs for python
این صفحه متعلق به درس آزمایشگاه پایتون دانشگاه تربیت دبیر شهید رجایی در ترم بهمن ماه سال تحصیلی 96-97 است.
| شماره و گروه درس | زمان |
|---|---|
| ۰۱-۰۲۷-۹۸-۹۰ | سه شنبه ۱۷:۳۰-۱۹:۳۰ |
| ۰۲-۰۲۷-۹۸-۹۰ | چهار شنبه ۱۷:۳۰-۱۹:۳۰ |
چه نسخه ای از پایتون استفاده می‌کنیم؟
در حال حاضر دو نسخه‌ی 2و 3 رواج دارد. کدهای این ترم بر اساس پایتون 3 خواهد بود.
چه مباحثی را میخوانیم؟
در زیر سیلابس پیشنهادی برای این ترم لیست شده است.
امید است تا انتهای ماژول 7 حتما پوشش داده شود، مابقی مباحث بر اساس روند کلاس و علاقه دانشجویان خواهد بود.
Course Syllabus:
Module 1 - Python Basics
How to install Python?
Your first program
Input and output
Variables
Operators
Types
Expressions and Variables
String Operations
Module 2 - Python Data Structures & Containers
Lists
Tuples
Sets
Dictionaries
Module 3 - Python Programming Fundamentals
Conditions and Branching
Loops
Functions
Objects and Classes
Functions and Packages
Module 4 - Numpy
Vectorization
Arrays
Array indexing
Datatypes
Array math
Broadcasting
Module 5 - Visualization with Matplotlib
Plotting
Subplots
Images
Module 6 - Working with Data in Python
Reading files with open
Writing files with open
Loading data with Pandas
Working with and Saving data with Pandas
Module 7 - Importing Datasets
Learning Objectives
Understanding the Domain
Understanding the Dataset
Python package for data science
Importing and Exporting Data in Python
Basic Insights from Datasets
Module 8 - Cleaning the Data
Identify and Handle Missing Values
Data Formatting
Data NormalizationSets
Binning
Indicator variables
Module 9 - Summarizing the Data Frame
Descriptive Statistics
Basic of Grouping
ANOVA
Correlation
More on Correlation
Module 10 - Model Development
Simple and Multiple Linear Regression
Model Evaluation Using Visualization
Polynomial Regression and Pipelines
R-squared and MSE for In-Sample Evaluation
Prediction and Decision Making
Module 11 - Model Evaluation
Model Evaluation
Over-fitting, Under-fitting and Model Selection
Ridge Regression
Grid Search
Model Refinement
Module 12 - More about Visualization Tools
Introduction to Data Visualization
Introduction to Matplotlib
Basic Plotting with Matplotlib
Dataset on Immigration to Canada
Line Plots
Area Plots
Histograms
Bar Charts
Pie Charts
Box Plots
Scatter Plots
Bubble Plots
Module 13 - Advanced Visualization Tools
Waffle Charts
Word Clouds
Seaborn and Regression Plots
Module 14 - SciPy
Image operations
MATLAB files
Distance between points
Module 15 - Intro to Unit Testing and Test Driven Development in Python
Overview of Unit Testing and Test Driven Development
XUnit
Assert Statements and Exceptions
Test Fixtures
PyTest Command Line Arguments