دوره Rust and Data Science: A Practical Guide to Data Analysis and Visualization with Rust همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Rust and Data Science: A Practical Guide to Data Analysis and Visualization with Rust

موضوع کلی: برنامه نویسی

موضوع میانی: راست (Rust)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر زبان برنامه‌نویسی راست
• 2. نصب و راه‌اندازی محیط توسعه راست
• 3. مبانی سینتکس و ساختار زبان راست
• 4. انواع داده‌های اولیه در راست
• 5. متغیرها و ثابت‌ها در راست
• 6. عملگرها و اولویت آن‌ها در راست
• 7. دستورات شرطی و تصمیم‌گیری در راست
• 8. حلقه‌ها و تکرار در راست
• 9. تابع‌ها و مدیریت آن‌ها در راست
• 10. ساختارها (Structs) در راست
• 11. شمارش‌ها (Enums) در راست
• 12. برد (Ownership) و قرض گرفتن (Borrowing) در راست
• 13. اشاره‌گرهای قابل تغییر (Mutable References) در راست
• 14. محدودیت‌های برد و قرض گرفتن
• 15. مجموعه‌ها (Collections) در راست
• 16. بردارها (Vectors) در راست
• 17. رشته‌ها (Strings) در راست
• 18. نقشه‌ها (HashMaps) در راست
• 19. مدیریت خطا با Result و Option در راست
• 20. منفردسازی (Pattern Matching) در راست
• 21. استفاده از Crates و مدیریت وابستگی‌ها
• 22. معرفی crates.io
• 23. ساخت اولین پروژه در راست
• 24. برنامه‌نویسی شیءگرا در راست (Traits)
• 25. پیاده‌سازی Traits برای انواع داده
• 26. مدیریت حافظه و تخصیص آن در راست
• 27. اشاره‌گرهای خام (Raw Pointers) با احتیاط
• 28. چندریسمانی (Concurrency) در راست
• 29. رشته‌های امن (Thread-Safe)
• 30. اشتراک‌گذاری داده بین رشته‌ها
• 31. قفل‌ها (Mutexes) و کانال‌ها (Channels)
• 32. مقدمه‌ای بر علم داده
• 33. نقش راست در علم داده
• 34. جمع‌آوری داده‌ها در راست
• 35. خواندن و نوشتن فایل‌ها در راست
• 36. فرمت‌های داده‌ای رایج (CSV, JSON)
• 37. پردازش و پاکسازی داده‌ها
• 38. فیلتر کردن و انتخاب داده‌ها
• 39. تبدیل و نرمال‌سازی داده‌ها
• 40. مدیریت مقادیر گمشده
• 41. مقدمه‌ای بر کتابخانه‌های علم داده راست
• 42. استفاده از ndarray برای محاسبات عددی
• 43. عملیات پایه‌ای با ndarray
• 44. عملیات ماتریسی با ndarray
• 45. تابع‌های آماری با ndarray
• 46. مقدمه‌ای بر تجسم داده‌ها
• 47. اصول اولیه تجسم داده‌ها
• 48. استفاده از کتابخانه‌های تجسم راست
• 49. رسم نمودارهای خطی
• 50. رسم نمودارهای میله‌ای
• 51. رسم نمودارهای پراکندگی
• 52. رسم هیستوگرام‌ها
• 53. سفارشی‌سازی نمودارها
• 54. ذخیره نمودارها در فرمت‌های مختلف
• 55. مقدمه‌ای بر یادگیری ماشین
• 56. کاربرد یادگیری ماشین در علم داده
• 57. مقدمه‌ای بر کتابخانه‌های یادگیری ماشین راست
• 58. استفاده از linfa برای مدل‌های یادگیری ماشین
• 59. آموزش مدل‌های رگرسیون خطی
• 60. ارزیابی مدل‌های رگرسیون
• 61. آموزش مدل‌های طبقه‌بندی
• 62. ارزیابی مدل‌های طبقه‌بندی
• 63. مقدمه‌ای بر خوشه‌بندی
• 64. الگوریتم K-Means با linfa
• 65. کاربرد داده‌کاوی در راست
• 66. تحلیل سری‌های زمانی در راست
• 67. تجزیه و تحلیل احساسات با راست
• 68. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 69. پردازش متن با کتابخانه‌های راست
• 70. استخراج ویژگی از متن
• 71. ساخت ابزارهای تحلیل داده سفارشی
• 72. بهینه‌سازی عملکرد کد راست
• 73. مدیریت حافظه در پروژه‌های بزرگ علم داده
• 74. تست‌نویسی در پروژه‌های علم داده راست
• 75. مستندسازی کد و پروژه‌ها
• 76. معرفی فریم‌ورک‌های وب برای ارائه نتایج
• 77. ساخت API برای مدل‌های یادگیری ماشین
• 78. مقدمه‌ای بر رایانش توزیع‌شده
• 79. استفاده از Rust در سیستم‌های داده بزرگ
• 80. امنیت در پروژه‌های علم داده راست
• 81. ملاحظات اخلاقی در علم داده
• 82. اصول خانواده و روابط در چارچوب اسلامی
• 83. روش‌های تحلیل داده مبتنی بر خانواده
• 84. تحلیل داده‌های اقتصادی با چارچوب اسلامی
• 85. قوانین و مقررات مالی در راست
• 86. مدیریت ریسک در سیستم‌های مالی با راست
• 87. مقدمه‌ای بر بلاکچین و فناوری‌های مرتبط
• 88. کاربرد راست در توسعه بلاکچین
• 89. اقتصاد اسلامی و قراردادهای هوشمند
• 90. توسعه ابزارهای مالی با راست
• 91. مباحث پیشرفته در راست برای علم داده
• 92. طراحی سیستم‌های داده مقیاس‌پذیر
• 93. مطالعه موردی: پروژه‌های موفق علم داده با راست
• 94. آینده علم داده و نقش راست
• 95. جمع‌بندی و گام‌های بعدی در یادگیری راست و علم داده