🎞ٰٰ در این ویدیو خیلی سریع با #پایتون آشنا میشین! همین‌طور مرور خیلی خوبی هست برای کسانی که قبل‌ترها دستشون به برنامه‌نویسی رفته و الان دنبال یه بهونه خوب برای شروع برنامه نویسی هستن:
https://www.aparat.com/v/7y04v
https://www.aparat.com/v/7y04v
آپارات - سرویس اشتراک ویدیو
پایتون: صفر تا صد در ۲ ساعت!
CS50 2016 - Week 8 - Pythonٰٰدر این ویدیو خیلی سریع با پایتون آشنا میشین! همین طور مرور خیلی خوبی هست برای کسانی که قبل ترها دستشون به برنامه نویسی رفته و الان دنبال یه بهونه خوب برای شروع برنامه نویسی هستن.
Forwarded from Sitpor.org سیتپـــــور
🔺 تجربه‌های شخصی در کارهای مربوط به تحلیل داده در بازار و نه دانشگاه!
من مدتی (۶ ماه) برای امرار معاش و کسب تجربه وارد یه پروژه تحلیل داده به صورت پاره‌وقت شدم. درامدش بد نبود و خوش هم می‌گذشت از یه جهت‌هایی :)
اگه شما تجربه‌ای در برنامه‌نویسی دارین یا ممکنه نیاز به کار پاره وقت داشته باشین یا اینکه کلا دوست داشته باشین که به صورت تفریحی از این کارا کنید، من یه سری پیشنهاد دارم که بهتون کمک کنه وارد این شغل بشین:
۱) سعی کنید #پایتون یادبگیرید! پایتون بر هر درد بی‌درمان دواست. اینم دو تا کورس خوب فارسی:
1️⃣ https://maktabkhooneh.org/course/346/آموزش-برنامه-نویسی-با-پایتون-مقدماتی/
2️⃣ https://maktabkhooneh.org/course/آموزش-برنامه-نویسی-با-پایتون-پیشرفته-mk387/
💡 اگر پایتون رو شروع کردین، ادامه این پیام رو بخونید:
دیگه وقتش رسیده که یکمی حرفه‌ای تر بشین!
اولین قدم - به عنوان پیشنهاد - اینه که برین توی #ژوپیتر نوت‌بوک کد بزنید، خیلی محیطش خوبه، همونجا کدو ران میکنید و خیلی راحته همه چیز. در هر مرحله هم خیلی راحت میشه کنترل کرد که دارین چیکار میکنید. برای آشنایی بیشتر اینو ببینید:
http://imuhammad.ir/2018/11/25/299/
یه خوبی دیگه کار با ژوپیتر اینه که گوگل یه چیزی درست کرده به اسم google #colab
که یه ژوپتر نوت بوک آنلاینه که میشه بری اونجا و آنلاین کد بزنی روی کامپیوترای گوگل!
۱۲ گیگ بهتون رم میده با پردازنده نسبتا معقولی. تازه gpu هم میده برای پردازش‌های موازی!
🎯 خوبی اینکار اینه که حتی با یه کامپیوتر ضعیف هم میشه راحت کد پایتون زد
و مهم‌تر اینکه کد رو به اشتراک بذاری و همزمان چند نفر توی یه پروژه مشارکت داشته باشند. در ضمن، هر چیزی که بشه روی کامپیوتر شخصی نصب کرد به راحتی اونجا هم نصب میشه. خیلی حرف زدم، خودتون ببنید چیه دیگه! سایت گوگل کولب:
https://colab.research.google.com/
داخل خود پروژه هم کلی کد نمونه هست. فیلم آموزشی هم هست. اینجا هم یکمی توضیح هست برای گوگل کولب:
https://www.geeksforgeeks.org/how-to-use-google-colab/
بین محیط‌هایی که میشه کد زد ژوپیتر رو بیشتر به این خاطر پیشنهاد می‌کنم چون که راحت می‌تونید برین روی گوگل کولب و راحت زندگی کنید! به خصوص، توی کار گروهی به جای اینکه هی به مردم توضیح بدین که دارین چیکار میکنید یا مثلا نمودارها تونو هی بخواین save کنید و جدا براشون بفرستین، راحت لینک گوگل کلب رو میدین و میگین خب همه چیز اینجا هست :)
تازه شفاف هم هست دیگه همه چیز. بقیه هم کدتون رو می‌تونن دنبال کنند و اینکه خودتونم یه جوری مجبور میشین تمیز کد بزنید و مرتب کامنت گذاری کنید، توضیح بنویسید که بعدترش دچار مشکل نشین در ادامه پروژه :) امکانات خیلی زیادی خلاصه هست.
الان وقتشه که یه سری کورس تحلیل داده هم ببینید و یاد بگیرین (مهم‌ترین کتابخونه پایتون برای تحلیل داده Pandas هست). من چندتا کورس معرفی می‌کنم برای اول کار:
3️⃣ https://www.codecademy.com/learn/paths/analyze-data-with-python
یا
3️⃣ https://www.coursera.org/learn/python-for-applied-data-science-ai
و کورس جامع‌تر:
4️⃣ https://www.coursera.org/learn/python-plotting?specialization=data-science-python
🥇 برای حرفه‌ای شدن هم بهتره برین سراغ این کورس:
5️⃣ https://www.edx.org/course/data-analysis-with-python
👨🏼💻 نکته مهم اینه که لزومی نداره که خیلی کورس و کتاب بخونید! خیلی چیزا رو حین کار میشه یاد گرفت. ولی دونستن یه حداقل‌هایی کمک می‌کنه که شما سریع‌تر بتونید کار پیدا کنید یا موقع کار اصلا بدونید چی باید سرچ کنید برای رفع مشکلتون! فراموش نکنید که گوگل بهترین کمک‌دهنده شما در این مسیره. گوگل معلم خوبیه، ازش سوال بپرسید!
راستی، این‌ها تجربه یه آدم خیلی حرفه‌ای نیست! امیدوارم حرفه‌ای‌ها ببخشن و با نظرات خودشون بهتر کنن این نوشته کوتاه رو.
⭕️ یه چیزی، آمار یاد بگیرید اگه واقعا می‌خواین کار درست حسابی کنید! مثلا اینو ببینید:
Statistics for Applications | MIT OpenCourseWare
https://ocw.mit.edu/courses/mathematics/18-650-statistics-for-applications-fall-2016/
من مدتی (۶ ماه) برای امرار معاش و کسب تجربه وارد یه پروژه تحلیل داده به صورت پاره‌وقت شدم. درامدش بد نبود و خوش هم می‌گذشت از یه جهت‌هایی :)
اگه شما تجربه‌ای در برنامه‌نویسی دارین یا ممکنه نیاز به کار پاره وقت داشته باشین یا اینکه کلا دوست داشته باشین که به صورت تفریحی از این کارا کنید، من یه سری پیشنهاد دارم که بهتون کمک کنه وارد این شغل بشین:
۱) سعی کنید #پایتون یادبگیرید! پایتون بر هر درد بی‌درمان دواست. اینم دو تا کورس خوب فارسی:
1️⃣ https://maktabkhooneh.org/course/346/آموزش-برنامه-نویسی-با-پایتون-مقدماتی/
2️⃣ https://maktabkhooneh.org/course/آموزش-برنامه-نویسی-با-پایتون-پیشرفته-mk387/
💡 اگر پایتون رو شروع کردین، ادامه این پیام رو بخونید:
دیگه وقتش رسیده که یکمی حرفه‌ای تر بشین!
اولین قدم - به عنوان پیشنهاد - اینه که برین توی #ژوپیتر نوت‌بوک کد بزنید، خیلی محیطش خوبه، همونجا کدو ران میکنید و خیلی راحته همه چیز. در هر مرحله هم خیلی راحت میشه کنترل کرد که دارین چیکار میکنید. برای آشنایی بیشتر اینو ببینید:
http://imuhammad.ir/2018/11/25/299/
یه خوبی دیگه کار با ژوپیتر اینه که گوگل یه چیزی درست کرده به اسم google #colab
که یه ژوپتر نوت بوک آنلاینه که میشه بری اونجا و آنلاین کد بزنی روی کامپیوترای گوگل!
۱۲ گیگ بهتون رم میده با پردازنده نسبتا معقولی. تازه gpu هم میده برای پردازش‌های موازی!
🎯 خوبی اینکار اینه که حتی با یه کامپیوتر ضعیف هم میشه راحت کد پایتون زد
و مهم‌تر اینکه کد رو به اشتراک بذاری و همزمان چند نفر توی یه پروژه مشارکت داشته باشند. در ضمن، هر چیزی که بشه روی کامپیوتر شخصی نصب کرد به راحتی اونجا هم نصب میشه. خیلی حرف زدم، خودتون ببنید چیه دیگه! سایت گوگل کولب:
https://colab.research.google.com/
داخل خود پروژه هم کلی کد نمونه هست. فیلم آموزشی هم هست. اینجا هم یکمی توضیح هست برای گوگل کولب:
https://www.geeksforgeeks.org/how-to-use-google-colab/
بین محیط‌هایی که میشه کد زد ژوپیتر رو بیشتر به این خاطر پیشنهاد می‌کنم چون که راحت می‌تونید برین روی گوگل کولب و راحت زندگی کنید! به خصوص، توی کار گروهی به جای اینکه هی به مردم توضیح بدین که دارین چیکار میکنید یا مثلا نمودارها تونو هی بخواین save کنید و جدا براشون بفرستین، راحت لینک گوگل کلب رو میدین و میگین خب همه چیز اینجا هست :)
تازه شفاف هم هست دیگه همه چیز. بقیه هم کدتون رو می‌تونن دنبال کنند و اینکه خودتونم یه جوری مجبور میشین تمیز کد بزنید و مرتب کامنت گذاری کنید، توضیح بنویسید که بعدترش دچار مشکل نشین در ادامه پروژه :) امکانات خیلی زیادی خلاصه هست.
الان وقتشه که یه سری کورس تحلیل داده هم ببینید و یاد بگیرین (مهم‌ترین کتابخونه پایتون برای تحلیل داده Pandas هست). من چندتا کورس معرفی می‌کنم برای اول کار:
3️⃣ https://www.codecademy.com/learn/paths/analyze-data-with-python
یا
3️⃣ https://www.coursera.org/learn/python-for-applied-data-science-ai
و کورس جامع‌تر:
4️⃣ https://www.coursera.org/learn/python-plotting?specialization=data-science-python
🥇 برای حرفه‌ای شدن هم بهتره برین سراغ این کورس:
5️⃣ https://www.edx.org/course/data-analysis-with-python
👨🏼💻 نکته مهم اینه که لزومی نداره که خیلی کورس و کتاب بخونید! خیلی چیزا رو حین کار میشه یاد گرفت. ولی دونستن یه حداقل‌هایی کمک می‌کنه که شما سریع‌تر بتونید کار پیدا کنید یا موقع کار اصلا بدونید چی باید سرچ کنید برای رفع مشکلتون! فراموش نکنید که گوگل بهترین کمک‌دهنده شما در این مسیره. گوگل معلم خوبیه، ازش سوال بپرسید!
راستی، این‌ها تجربه یه آدم خیلی حرفه‌ای نیست! امیدوارم حرفه‌ای‌ها ببخشن و با نظرات خودشون بهتر کنن این نوشته کوتاه رو.
⭕️ یه چیزی، آمار یاد بگیرید اگه واقعا می‌خواین کار درست حسابی کنید! مثلا اینو ببینید:
Statistics for Applications | MIT OpenCourseWare
https://ocw.mit.edu/courses/mathematics/18-650-statistics-for-applications-fall-2016/
Forwarded from SciSchool | مدرسه دانش
📣 مدرسه دانش با همکاری پژوهشکدهٔ فیزیک پژوهشگاه دانش‌های بنیادی و انجمن علمی فیزیک دانشگاه شهید بهشتی برگزار می‌کند:
دورهٔ فشردهٔ آنلاین کامپ‌فیزیک (شبیه‌سازی کامپیوتری در مدل‌سازی فیزیکی)
مدرس: سعید سرکاراتی
دربارهٔ دوره:
این دوره به‌منظور آشنایی علاقه‌مندان با شبیه‌سازی فیزیکی طراحی شده است. شرکت‌کنندگان در این دوره، ضمن یادگیریِ اصولیِ شبیه‌سازی فیزیکی، دیدگاه جدیدی نسبت به پدیده‌ها و قوانین فیزیکی پیدا می‌کنند.
مخاطبان دوره: دانش‌جویان فیزیک، دانش‌آموزان علاقه‌مند و محققان سایر رشته‌های نزدیک
🚲 مهلت ثبت‌نام زودهنگام (با تخفیف): تا ۱۱ تیر ۱۴۰۱
⌛️ مهلت نهایی ثبت‌نام: تا ۲۱ تیر ۱۴۰۱
🗓 تاریخ شروع دوره: ۲۲ تیر ۱۴۰۱
🗂 شیوهٔ برگزاری: ۸ جلسهٔ دو ساعته به اضافهٔ جلسات آفلاین
⏰ زمان برگزاری: چهارشنبه‌ها ساعت ۱۷
🔖 همراه با گواهی‌نامهٔ شرکت در دوره
🔗 مشاهدۀ اطلاعات بیشتر و ثبت نام در صفحۀ دوره در سایت مدرسه دانش
#شبیه‌سازی #فیزیک #فیزیک_محاسباتی #پایتون #علوم_کامپیوتر
📌 اینستاگرام
📌 لینکداین
📌 توییتر
🔗 @SciSchool
دورهٔ فشردهٔ آنلاین کامپ‌فیزیک (شبیه‌سازی کامپیوتری در مدل‌سازی فیزیکی)
مدرس: سعید سرکاراتی
دربارهٔ دوره:
این دوره به‌منظور آشنایی علاقه‌مندان با شبیه‌سازی فیزیکی طراحی شده است. شرکت‌کنندگان در این دوره، ضمن یادگیریِ اصولیِ شبیه‌سازی فیزیکی، دیدگاه جدیدی نسبت به پدیده‌ها و قوانین فیزیکی پیدا می‌کنند.
مخاطبان دوره: دانش‌جویان فیزیک، دانش‌آموزان علاقه‌مند و محققان سایر رشته‌های نزدیک
🚲 مهلت ثبت‌نام زودهنگام (با تخفیف): تا ۱۱ تیر ۱۴۰۱
⌛️ مهلت نهایی ثبت‌نام: تا ۲۱ تیر ۱۴۰۱
🗓 تاریخ شروع دوره: ۲۲ تیر ۱۴۰۱
🗂 شیوهٔ برگزاری: ۸ جلسهٔ دو ساعته به اضافهٔ جلسات آفلاین
⏰ زمان برگزاری: چهارشنبه‌ها ساعت ۱۷
🔖 همراه با گواهی‌نامهٔ شرکت در دوره
🔗 مشاهدۀ اطلاعات بیشتر و ثبت نام در صفحۀ دوره در سایت مدرسه دانش
#شبیه‌سازی #فیزیک #فیزیک_محاسباتی #پایتون #علوم_کامپیوتر
📌 اینستاگرام
📌 لینکداین
📌 توییتر
🔗 @SciSchool