دیگر عصری به نام اطلاعات وجود ندارد. اکنون در عصری زندگی می‌کنیم که استفاده از اطلاعات مهمترین هدف است و برای دست یابی به آن باید بتوانید اطلاعات بدست آمده را تحلیل کنید. شاید در عصر ارتباطات کسی که دانش کامپیوتر نداشت را بی‌سواد می‌خواندند. اما در عصر حاضر کسی که نتواند داده‌های به دست آمده را تحلیل کند، ورشکسته خواهد بود. زیرا بازار رقابتی عصر حاضر تنها و تنها بر مبنای استفاده از داده‌ها می‌چرخد! حال که می‌دانیم باید همگام با عصر حاضر گام برداریم، چرا از به روزترین و پررشدترین تکنولوژی های دنیا در این حیطه استفاده نکنیم؟ این دلیلی شد تا بیش از 3 ساعت آموزش تحلیل داده با جولیا را برای شما عزیزان هم رویشی تدارک ببینیم.
امروزه تحلیل داده با پایتون نیز بسیار رایج است. کتابخانه‌هایی مانند پانداس در این زمینه کاربرد دارند. اما تحلیل داده و داده کاوی با جولیا سریع‌تر است. ضمن این که سینتکس آن شبیه پایتون ساده است. اگر هنوز نمی‌دانید چرا زبان برنامه نویسی Julia را باید انتخاب کرد، به آموزش رایگان هم رویش در همین ارتباط با عنوان معرفی زبان برنامه نویسی Julia (خداحافظ پایتون؟) مراجعه نمایید.
محور آموزش سریع تحلیل داده در جولیا چیست ؟
در این آموزش سعی شده بر روی ابزارهای زبان برنامه نویسی جولیا جهت تحلیل داده تمرکز شود. با گذراندن این سرفصل آموزشی شما کاملاً آماده خواهید بود تا به وسیله زبان برنامه نویسی جولیا داده‌های خودتان را تحلیل کرده و از آنها استفاده نمایید.
این آموزش در یک نگاه:
در این آموزش از تعاریف پایه‌ای علم داده یعنی دیتاست و دیتافریم شروع و تفاوت این دو را بررسی کردیم. سپس با انتخاب دیتاست استاندارد گل زنبق (iris flower dataset) شروع به بررسی ابزارهای زبان برنامه نویسی جولیا برای ورود به حوزه علم داده یعنی کار با دیتافریم کردیم.
در ادامه به سمت اعمال مفاهیم آماری مقدماتی بر روی دیتاها رفتیم. به مفاهیمی همچون کمینه (Minimum)، بیشینه (Maximum)، میانه (Median)، میانگین (Mean)، بررسی داده‌های یکتا و… پرداخیتم.
مرحله بعد به سراغ تصویرسازی دیتاها رفتیم. اهداف تصویرسازی دیتاها را با نمونه‌هایی که برای ویروس کرونا تهیه شده بود مشاهده کردیم. سپس با توجه به آنچه در مرحله قبل یعنی مفاهیم آماری مقدماتی فهمیده بودیم، اهداف تصویرسازی دیتاهای گل زنبق را معین نمودیم. درنهایت تصویرسازی را شروع کردیم.
در این بین به نمودارهای جعبه‌ای (Box Plot)، نقطه‌ای یا پراکندگی (Scatter Plot)، میله ای یا ستونی (Bar Chart) و هیستوگرام یا بافت نگار (Histogram) برخوردیم. با توضیح در مورد اینکه هرکدام چه اطلاعاتی به ما می‌دهند و به چه کار می آیند، از آنها استفاده نمودیم.
مرحله پایانی آموزش به کار با دیتاهای اختصاصی پرداخته‌ایم. با روشی ابتکاری ابتدا دیتافریمی تصادفی را تهیه کردیم. سپس ذخیره سازی و فراخوانی آنها در زبان برنامه نویسی جولیا را آموختیم. در مسیر ذخیره‌سازی داده‌ها ابتدا کار فایل‌های جدولی با فرمت CSV را مورد بررسی قراردادیم. سپس به فایل‌های باینری با فرمت Feather پرداختیم که توسط تکنیک Arrow اداره می‌شوند. در نهایت برای آمادگی کار با داده‌های بزرگ (Big Data) به کار با دیتابیس های NoSql پرداختیم. این کار با اتصال زبان برنامه نویسی جولیا به پایگاه داده مونگو (MongoDB) صورت پذیرفت. کار با MongoDB در جولیا و ساختار داده ها در آن را فراگرفتیم.
برای تماشای تصاویری از این دوره حتما فیلم معرفی دوره را در بالای این صفحه بررسی کنید.
این آموزش برای چه کسانی مناسب است ؟
برای تمامی کسانی که می‌خواهند تحلیل داده را به‌وسیله یک ابزار سریع و به‌روز یعنی زبان برنامه نویسی جولیا انجام دهند.
چنانچه قبلاً تحلیل داده را با ابزارهای دیگر انجام داده باشید، با خود خواهید گفت «چرا زودتر از جولیا استفاده نکردم؟!»
اگر هم به هر دلیلی تا به حال وارد حوزه تحلیل داده نشده‌اید اما علاقه‌مند هستید، در این بسته آموزشی سعی کرده‌ایم مفاهیم تحلیل داده را نیز به صورت بنیادی پوشش دهیم تا علاوه بر یادگیری ابزار، تحلیل داده را نیز به صورت مقدماتی فرا گیرید.
پیشنیازهای دوره:
این آموزش بی نظیر است زیرا:
- موضوع به شدت مرتبط با بازار کار ایران و جهان است.
- سرفصل ها کاملا پله‌ای طراحی شده اند.
- هیچ‌گونه سردرگمی نخواهید داشت.
- بیانی کاملا شیوا، روان و بنیادی
- فیلم‌های با خوانایی مناسب برای تمامی دستگاه‌ها
کلیدواژگان
آموزش تحلیل داده با جولیا – تحلیل داده در julia – آموزش زبان برنامه نویسی جولیا – کاربرد زبان جولیا – علم داده با جولیا – آموزش numpy با جولیا – داده کاوی با جولیا – آموزش julia – آموزش تحلیل داده – آموزش داده کاوی با جولیا – برنامه نویسی جولیا برای تحلیل داده
مرضیه بیگلری –
سلام ممنون از پاسخ شما. من به شما ایمیل زدم لطف میکنید جواب بدین. ممنون
احمد چیت‌ساززاده –
خواهش میکنم
مرضیه بیگلری –
سلام وقتتون بخیر من توی vc code برنامه ام رو به زبان جولیا نوشتم و باید pycall و pyplot را برای رسم شکل ها فراخوانی کنم خطا میده و هر روشی رو که بکار بردم مشکلش رفع نمیشه نمیدونم باید چیکار کنم؟ ممنون میشم راهنمایی بفرمایید.
احمد چیت‌ساززاده –
سلام و عرض ادب
هرچند در دوره تحلیل داده با جولیا از pycall و pyplot استفاده نکردیم و توصیه هم نمیشه، اما برای اجرای این نوع تصویرسازی در vs code علاوه بر اطمینان از نصب جولیا و پایتون بر روی سیستم، باید افزونه های vs code مورد نیاز رو نیز نصب داشته باشید. لطفاً برای رفع مشکلتون با ایمیل بنده در تماس باشید تا به دقت بتونم بررسی کنم.
اما پیشنهاد من این هست که به جای تصویر سازی بوسیله کتابخانه های پایتون، از کتابخانه های خود جولیا که در دوره کاملا آموزش داده شده، استفاده کنید تا در زمان صرفه جویی کنید، اگر هم دوره را تهیه نکرده اید، لینک زیر خیلی سریع مشکل شمارو حل میکنه ان شاءالله:
https://towardsdatascience.com/data-visualization-with-julia-and-vscode-168a69f7ddf8
امیدوارم مشکلتون زودتر حل بشه
موفق باشید
علیرضا فروزان (خریدار محصول) –
با سلام و احترام و درود خدمت استاد عزیز ,
ممنونم که لطف میکنید و تشکر میکنم بابت آموزش پردازش تصویر با جولیا که انشاالله بتونیم به زودی شاهد قدرت پردازشی julia در کنار opencv باشیم , بی صبرانه منتظر این آموزش عالی از طرف شما و تیم فنی هم رویش خواهم بود
سپاسگذارم
علیرضا فروزان (خریدار محصول) –
با عرض سلام و ادب واحترام خدمت استاد چیت ساز زاده
استاد من علاقه زیادی به برنامه نویسی با جولیا پیدا کردم آیا امکانش هست در زمینه مباحث پردازش تصویر با جولیا آموزش تهیه کنید ؟
ممنون از شما
احمد چیت‌ساززاده –
با عرض سلام و خدا قوت خدمت شما دوست عزیز
بسیار خوشحالم که زبان جولیا را به خوبی درک کرده و علاقه مند به کار با آن هستید.
بله ان شاء الله در زمینه پردازش تصویر توسط جولیا نیز آموزشی با همکاری تیم قوی و حرفه ای همرویش تهیه خواهیم کرد.
Junuxmain@gmail.com (خریدار محصول) –
سلام عرض شد . استاد جلسه چهارم ظاهرا مشکلی پیش اومده و نحوه استفاده از رگرسیون توضیح داده نمیشه.
ممنون میشم همینجا یا در خود دوره یک توضیح تکمیلی بدین.
احمد چیت‌ساززاده –
سلام و عرض ادب
بنای این آموزش مروری سریع و گذرا برای ورود به حوزه تحلیل داده به وسیله زبان برنامه نویسی جولیا هست و برای همین فقط به فراهم کردن پیشنیازهای رگرسیون بسنده شده چرا که اگر به بحث رگرسیون پرداخته می شد از موضوع آموزش دور می شدیم و اساسا محاسبه رگرسیون در سرفصل های یادگیری ماشین باید تدریس شود.
لینک زیر برای محاسبه رگرسیون خطی در جولیاست اما پیش از اتمام مجموعه به سراغ آن نروید چراکه در فصل چهارم با فایل ها و کارکردن با آنها آشنا می شوید:
Linear regression with julia | محاسبه رگرسیون خطی با زبان برنامه نویسی جولیا
اگر با منابع انگلیسی راحت نیستید، چندروزی صبر بفرمائید تا بنده ترجمه این مقاله را به فارسی در سایتم منتشر کنم.
اگر ابهامی در پاسخ وجود دارد یا مشکل دیگری هست، بنده در خدمتم.
مصطفی آصفی –
از درس صفر مشخص هست که مدرس با چه علاقه و دقتی این آموزش رو تهیه کرده.
دست مریزاد و سپاس فراوان از آقای چیت ساز زاده عزیز.
احمد چیت‌ساززاده –
با تشکر از همراهی شما جناب آصفی عزیز. امیدوارم گامی هرچند کوچک در پیشرفت علمی میهن عزیزم برداشته باشم.
سارا –
با سلام و خسته نباشید
تفاوت جولیا و پایتون در چی هست؟آیا میشه از کد های جولیا در پایتون استفاده کرد؟
احمد چیت‌ساززاده –
سلام و عرض ادب
در خصوص تفاوت ها که در یک کامنت نمیشه نظر داد و پیشنهاد میکنم برگ رایگان معرفی زبان برنامه نویسی Julia (خداحافظ پایتون؟) رو مشاهده بفرمائید.
اما کوچ از پایتون به جولیا، بله حتماً امکان پذیر هست.
در جامعه جهانی پایتون، خیلی از دوستان به خاطر جذابیت ها و امکانات جولیا، از پایتون به جولیا کوچ کردند و این به خاطر تدارک دیدن همین ویژگی جولیاست که از توابع و پکیج های پایتون میتونید در جولیا هم استفاده کنید. اما در تحلیل داده معمولا به خاطر ذات آرایه ها در جولیا از پکیج های جولیا استفاده میکنن نه پایتون.
هرچند اگر با جولیا دستتون آشنا بشه، پایتون رو کمتر استفاده میکنید مگر اینکه بخواهید میکروسرویس کار کنید.
لینک زیر پکیج های جولیاست برای استفاده از پکیج ها و توابع پرکاربرد پایتون در جولیا:
https://github.com/JuliaPy
امیدوارم پاسخ مفید بوده باشه
اگر ابهامی هست بنده در خدمتم:)