دوره آموزشی اجتناب از اشتباهات علوم داده پایتون
47 دقیقهمتوسط2020-10-01
مدرسین

Lavanya Vijayan
Coding instructor who is passionate about STEM education and diversity
جزئیات دوره
چه در پایتون استاد باشید و چه هنوز در حال یادگیری باشید ، به احتمال زیاد اشتباهات ساده ای مرتکب شده اید که برای شما وقت و بهره وری تمام می شود. در این دوره ، در مورد رایج ترین اشتباهاتی که دانشمندان داده هنگام استفاده از پایتون مرتکب می شوند ، و همچنین در مورد چگونگی جلوگیری از این اقدامات اشتباه در کارهای خود ، اطلاعات کسب کنید. مواردی را که باید از آنها در زمینه برنامه نویسی اجتناب کنید ، مانند دادن نام مبهم به اشیا کشف کنید. درباره اشتباهاتی که توسعه دهندگان هنگام ساخت کد ، از جمله ایجاد وابستگی های دایره ای ، مرتکب می شوند ، بیاموزید. به علاوه ، اشتباهات متداولی را که توسعه دهندگان هنگام کار با داده ها و کار بر روی پروژه های یادگیری ماشین انجام می دهند ، کشف کنید. در پایان این دوره ، شما به لیستی از ابزارها ، استراتژی ها و بهترین روش ها برای بهبود اثربخشی هنگام کار با داده ها در پایتون مجهز خواهید شد.
مهارت ها
PythonPersonaProgramming LanguagesOpen SourceSoftware Development
سرفصل ها
مقدمه
- اجتناب از اشتباهات رایج پایتون
- بیشترین بهره را از این دوره ببرید
از اشتباه در شیوه های کدنویسی اجتناب کنید
- نظر ندادن
- سازماندهی نکردن دایرکتوری شما
- تست نشدن
- عدم اشتراک گذاری داده های ارجاع شده در کد
- کدینگ سخت مسیرهای غیرقابل دسترس
- تداخل نام با کتابخانه استاندارد پایتون
- عدم وارد کردن کتابخانه ها و ماژول های مربوطه
- نامگذاری مبهم
اجتناب از اشتباهات در ساختار کد
- تغییر لیست در حین تکرار روی آن
- استفاده از حلقه های for به جای توابع برداری
- استفاده از متغیرهای کلاس در مقابل متغیرهای نمونه
- فراخوانی توابع قبل از تعریف
- ایجاد وابستگی های دایره ای
از اشتباه در مدیریت داده ها اجتناب کنید
- عدم انتخاب صحیح ساختار داده
- داده های اسکیمینگ
- عدم استفاده از نوع تجسم مناسب
- عدم پرداختن به موارد پرت
- به روز رسانی نکردن مجموعه داده شما
- پاک نشدن داده ها
از اشتباهات در یادگیری ماشینی اجتناب کنید
- استفاده از ویژگی هایی که بعداً از دسترس خارج می شوند
- استفاده از امکانات اضافی
نتیجه
- با پایتون شروع کنید