برنامه‌نویسی و مبانی داده

دوره‌ی پردازش سریع داده با Polars

Polars for Python Developers

آموزش ساخت جریان‌های پردازش داده با Polars؛ شامل عبارت‌ها، Schema، Join، توابع پنجره‌ای و اجرای Lazy، همراه با پروژه‌ی پایانی. این دوره به زبان فارسی و به‌صورت حضوری یا آنلاین برای تیم‌های سازمانی برگزار می‌شود.

سطح
مقدماتی تا متوسط
مدت پیشنهادی
۴ روز (۳۲ ساعت)
درس در ۱۲ بخش
۶۴
شیوه‌ی برگزاری
حضوری یا آنلاین

آنچه شرکت‌کنندگان می‌آموزند

  • تفکر بر پایه‌ی عبارت‌ها (Expression) با pl.col، select، with_columns و filter به‌عنوان الگوی اصلی کار
  • پاک‌سازی، اعتبارسنجی و تبدیل نوع داده‌های واقعی و نامرتب
  • تجمیع با group_by، توابع پنجره‌ای، Join و تغییر شکل داده
  • کار با داده‌های تودرتو، سری‌های زمانی و اجرای Lazy روی فایل‌های CSV، JSON، Parquet و SQLite

کار عملی: جریان کامل تحلیل داده‌ی فروشگاه Thistlewood Goods

سرفصل دوره

سرفصل شامل ۱۲ بخش و ۶۴ درس است. برنامه‌ی پیشنهادی ۴ روز آموزشی (۳۲ ساعت) است؛ مدت نهایی، تمرین‌ها و شیوه‌ی ارزیابی بر اساس سطح و نیاز تیم پیش از برگزاری تعیین می‌شوند.

  1. ۱

    شروع با یک جریان کاری واقعی

    ۵ درس
    • چرا Polars برای توسعه‌دهندگان پایتون اهمیت دارد
    • تفاوت Polars با پایتون خام و pandas
    • راه‌اندازی یک پروژه‌ی محلی Polars
    • نصب Polars و اجرای اولین جریان پردازش
    • پروژه‌ی راهنمادار: خواندن و خلاصه‌کردن یک فایل CSV
  2. ۲

    DataFrame، Series و Schema

    ۶ درس
    • Series چیست؟
    • DataFrame چیست؟
    • ساخت داده از لیست‌ها و رکوردها
    • Schema، انواع داده و مدیریت مقادیر Null
    • مدل بدون اندیس
    • پروژه‌ی راهنمادار: ابزار بررسی داده
  3. ۳

    یادگیری زودهنگام سیستم عبارت‌ها

    ۶ درس
    • عبارت (Expression) چیست؟
    • انتخاب ستون با pl.col
    • ساخت مقادیر ثابت و ستون‌های مشتق
    • تبدیل داده با select و with_columns
    • فیلتر با عبارت‌ها
    • پروژه‌ی راهنمادار: اسکریپت ساخت ویژگی
  4. ۴

    پاک‌سازی و اعتبارسنجی داده

    ۶ درس
    • پاک‌سازی داده‌های نامرتب CSV
    • تبدیل و اعتبارسنجی نوع داده
    • مدیریت ایمن داده‌های گمشده
    • مقادیر نامعتبر و دسته‌بندی‌های ناهماهنگ
    • تهیه‌ی گزارش کیفیت داده
    • پروژه‌ی راهنمادار: پاک‌ساز داده‌های فروش
  5. ۵

    رشته‌ها، دسته‌ها و پردازش متن

    ۵ درس
    • پاک‌سازی رشته‌ها با فضای نام String
    • استخراج و جایگزینی مقادیر با عبارات منظم
    • یکسان‌سازی متن و دسته‌بندی‌ها
    • کار با داده‌های دسته‌ای و شمارشی
    • پروژه‌ی راهنمادار: یکسان‌سازی کاتالوگ محصولات
  6. ۶

    کار با داده‌های تودرتو

    ۵ درس
    • تفاوت List و Array
    • ساخت و بررسی ستون‌های لیستی
    • اعمال تبدیل روی عناصر لیست
    • ستون‌های Struct برای مقادیر گروهی
    • پروژه‌ی راهنمادار: تبدیل سفارش‌های تودرتو به جدول‌های آماده‌ی تحلیل
  7. ۷

    تجمیع داده و توابع پنجره‌ای

    ۶ درس
    • گروه‌بندی و خلاصه‌سازی با group_by
    • چند تجمیع در یک کوئری
    • تجمیع شرطی
    • عبارت‌های پنجره‌ای با over
    • رتبه‌بندی، جمع تجمعی و مقایسه‌ی غلتان
    • پروژه‌ی راهنمادار: گزارش عملکرد مشتریان
  8. ۸

    Join، تغییر شکل و ترکیب داده‌ها

    ۶ درس
    • الحاق عمودی و افقی
    • Join از نوع Inner، Left، Right و Full
    • Join از نوع Semi، Anti و Cross
    • Join غیرتساوی و As-Of
    • Pivot و Unpivot داده
    • پروژه‌ی راهنمادار: داده‌ی یکپارچه‌ی خرده‌فروشی
  9. ۹

    سری‌های زمانی و کار با تاریخ

    ۶ درس
    • انواع Date، Datetime و Duration
    • تجزیه و قالب‌بندی برچسب‌های زمانی
    • گروه‌بندی روزانه، هفتگی و ماهانه
    • پنجره‌های زمانی غلتان و پویا
    • کار دقیق با منطقه‌های زمانی
    • پروژه‌ی راهنمادار: گزارش پایش تراکنش‌ها
  10. ۱۰

    اجرای Lazy، فایل‌ها و مهندسی داده‌ی محلی

    ۶ درس
    • اجرای Eager در برابر Lazy
    • تفاوت read_*، scan_* و .lazy()
    • فایل‌های CSV، JSON، Parquet و SQLite
    • ساخت دریاچه‌ی داده‌ی محلی با پارتیشن‌بندی
    • طرح اجرای کوئری و عادت‌های بهینه‌سازی
    • پروژه‌ی راهنمادار: یک جریان تحلیلی محلی
  11. ۱۱

    آزمون، اشکال‌زدایی و کارایی

    ۶ درس
    • نوشتن آزمون برای تبدیل‌های Polars
    • اشکال‌زدایی رفتار کوئری و خطاهای رایج
    • اندازه‌گیری و مقایسه‌ی کارایی
    • بررسی عمیق طرح اجرای کوئری
    • اجرای جریانی و پردازش داده‌های بزرگ‌تر از حافظه
    • پروژه‌ی راهنمادار: جریان پردازش آزموده و محک‌خورده
  12. ۱۲

    پروژه‌ی پایانی

    ۱ درس
    • پروژه‌ی پایانی: جریان تحلیل داده‌ی Thistlewood

شیوه‌های برگزاری

حضوری در محل سازمان

برگزاری در محل سازمان، همراه با تمرین روی ابزارها و نمونه‌های مرتبط با کار تیم. زمان و مکان با هماهنگی تعیین می‌شود.

آنلاین و زنده

کلاس تعاملی آنلاین همراه با پرسش و پاسخ، تمرین گروهی و بازخورد مستقیم؛ مناسب تیم‌های دورکار یا پراکنده در چند شهر.

کارگاه کوتاه یا دوره‌ی جامع

از کارگاه یک‌روزه برای یک موضوع مشخص تا برنامه‌ی چندماهه برای آماده‌سازی تیم در یک مسیر تخصصی.

دوره‌های مرتبط

همه‌ی دوره‌ها

برگزاری دوره‌ی پردازش سریع داده با Polars برای تیم سازمان

تعداد و سطح شرکت‌کنندگان و زمان‌بندی مدنظر را ارسال کنید تا برنامه‌ی دوره بر همان اساس تنظیم شود.