سرفصل مطالب دوره:

-آشنایی با محیط ابزار نوت بوک Jupyter

-داده های ابتدایی پایتون:

فرمان Print

Dictionary

Tuples

Sets

IF Statements

For Loops

While Loops

Functions

-آموزش پکیج Numpy:

Arrays

Indexing

Operations

-آموزش پکیج Pandas:

Series

Operations

Index Levelling 

Missing/Cleaning Data

Joining/Merging/Concatenating

GroupBy

Data Frames

Resampling/Truncate

-آموزش پکیجMatplotlib 

-آموزش پکیج Seaborn:

Regression Plots

Matrix Plots

Grids

Distribution Plots

Categorical Plots

Style/Color

-آموزش چند الگوریتم پرکاربرد Machine Learning:

Linear Regression

Logistic Regression

K Nearest Neighbors

Support Vector Machine

Decision Trees

Random Forest

>این دوره فشرده برای دوستانی که هیچ پس زمینه دیتا آنالیز یا استفاده از زبان برنامه نویسی ندارند، شروع بسیار خوبی است<

سرفصل های این دوره به صورت داده-محور بر روی داده های متفاوت آموزش داده خواهند شد. این دوره برای دوستانی که تسلط کافی به ابزارهای پارامتریک مانند Ladybug-tools یا JEPlus و یا DesignBuilder برای تولید داده های متنوع را دارند، بسیار توصیه می شود.  

برای مشاهده نمونه کاربرد زبان پایتون و این دوره، در حوزه پژوهش هم میتوانید به مقاله ISI مدرس دوره در ژورنال Applied Energy با IF=9.7 مراجعه کنید: 

https://www.sciencedirect.com/science/article/pii/S0306261921003883