آموزش آنالیز داده های شبیه سازی با زبان برنامه نویسی Python
در این دوره سعی بر آن میشود، تا خروجی های شبیه سازی ابزارهای انرژی یا روشنایی را با استفاده از زبان قدرتمند پایتون، آنالیز کرد و به صورت گرافیکی به تصویر کشید. لازم به ذکر است که بدلیل وسعت کاربرد این زبان در حوزه های مختلف، در این دوره به آموزش فرمان های و پکیج هایی پرکاربردی که میتوانند به آنالیز داده های شبیه سازی کمک کنند، در یک دوره فشرده و کوتاه، پرداخته خواهد شد.
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
دیدگاه کاربران
فرشید دهقان
1 سال پیش
با سلام خدمت دکتر امیر تبادکانی در حین دوره فرمودید فایل پاورپوینت تدریس رو در گوگل درایو قرار میدید ولی قرار ندادید. ممنون میشم اینکار و بکنید. باتشکر بسیار دوره خوبی بود.
علیرضا عبدالهی نیک
3 سال پیش
این دوره، با توجه به سرفصل هایی که دارد، بسیار مفید و کاربردی است. مدرس دوره، آقای دکتر تبادکانی، مباحث را خیلی کامل و دقیق شرح دادند. در پایان هر جلسه تمرینات خیلی خوبی برای دانشجویان تعریف میشد و در ابتدای جلسه بعد تک تک تمرینات توسط مدرس دوره حل میشد. همچنین ایشان با معرفی منابع بیشتر مسیر یادگیری عمیق تری را فراهم کردند. با توجه به رشد و گسترش روزافزون استفاده از زبان برنامه نویسی Python و الگوریتم های Machine Learning در علوم مختلف، شرکت در این دوره را به دانشجویان و پژوهشگران علاقه مند توصیه می کنم. در پایان از زحمات آقای دکتر تبادکانی و تیم آپ گرین گرید بسیار تشکر و قدردانی می کنم.
Moein Afzali
3 سال پیش
با سلام با تشکر از گروه Upgreengrade و آقای دکتر تبادکانی بابت برگزاری این دوره آموزشی بسیار پرکاربرد، به روز و متمرکز بر برنامه نویسی و آنالیز داده های انرژی. دوره کاملا متناسب با نیاز داوطلبان فعال در حوزه انرژی علی الخصوص مدیریت داده های ترمال و انرژی در ساختمان می باشد و بدون هیچ پیش زمینه ای از برنامه نویسی می توان مباحث را فراگرفت و به کار برد. امیدوارم دوره پیشرفته تر این مبحث نیز با تمرکز بر روی ماشین لرنینگ برای پیش بینی مصارف انرژی برگزار شود ممنون.