کتاب TDD for Data Science Projects
, ,

کتاب TDD for Data Science Projects

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000029073 دسته: , , برچسب: , , , , , , , , ,

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب TDD for Data Science Projects

موضوع کلی: برنامه نویسی

موضوع میانی: توسعه آزمون‌محور (TDD)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر TDD در علم داده
  • 2. چرا TDD برای علم داده مهم است؟
  • 3. مزایای TDD در چرخه عمر پروژه علم داده
  • 4. مفاهیم کلیدی TDD
  • 5. چرخه قرمز-سبز-بازنگری
  • 6. نوشتن تست های کوچک و متمرکز
  • 7. تست های واحد، تست های ادغام، تست های پذیرش
  • 8. اهمیت بازنگری در TDD
  • 9. ابزارهای TDD برای پایتون
  • 10. Pytest: نصب و پیکربندی
  • 11. Pytest: ساختار تست پایه
  • 12. Pytest: Assertions (ادعاها)
  • 13. Pytest: Fixtures (تجهیزات)
  • 14. Pytest: Parameterization (پارامترسازی)
  • 15. Pytest: Mocking (شبیه سازی)
  • 16. Pytest: Fixture scopes (محدوده تجهیزات)
  • 17. Pytest: Hooks (قلاب ها)
  • 18. Pytest: Plugins (افزونه ها)
  • 19. Unittest: نصب و پیکربندی
  • 20. Unittest: ساختار تست پایه
  • 21. Unittest: Assertions
  • 22. Unittest: setUp و tearDown
  • 23. Unittest: Test Suites (مجموعه تست)
  • 24. Unittest: Mocking
  • 25. Mocking در پایتون با unittest.mock
  • 26. Mocking: Mock Objects
  • 27. Mocking: Patches
  • 28. Mocking: Assertions on Mocks
  • 29. Mocking: Isolating Dependencies
  • 30. مراحل TDD در پروژه علم داده
  • 31. شناسایی نیازمندی ها و موارد استفاده
  • 32. نوشتن تست های مورد استفاده (Use Case Tests)
  • 33. نوشتن تست های واحد برای توابع و کلاس ها
  • 34. توسعه کد برای گذراندن تست ها
  • 35. بازنگری کد
  • 36. تست داده ها
  • 37. انواع داده ها و چالش های تست
  • 38. تست کیفیت داده ها (Data Quality Testing)
  • 39. تست اعتبارسنجی داده ها (Data Validation Testing)
  • 40. تست یکپارچگی داده ها (Data Integrity Testing)
  • 41. تست توزیع داده ها (Data Distribution Testing)
  • 42. تست داده های گمشده (Missing Data Testing)
  • 43. تست داده های پرت (Outlier Testing)
  • 44. تست داده های تکراری (Duplicate Data Testing)
  • 45. تست فرمت داده ها (Data Format Testing)
  • 46. تست مقادیر نامعتبر (Invalid Value Testing)
  • 47. تست داده های برچسب گذاری شده (Labeling Data Testing)
  • 48. تست داده های متنی (Text Data Testing)
  • 49. تست داده های تصویری (Image Data Testing)
  • 50. تست داده های سری زمانی (Time Series Data Testing)
  • 51. تست داده های جغرافیایی (Geospatial Data Testing)
  • 52. کتابخانه های تست داده در پایتون
  • 53. Pandera: نصب و پیکربندی
  • 54. Pandera: نوشتن Schema ها
  • 55. Pandera: اعتبارسنجی DataFrame ها
  • 56. Pandera: انواع Schema ها
  • 57. Pandera: سفارشی سازی قوانین اعتبارسنجی
  • 58. Pandera: ادغام با Pytest
  • 59. Great Expectations: نصب و پیکربندی
  • 60. Great Expectations: Data Context
  • 61. Great Expectations: Data Sources
  • 62. Great Expectations: Expectations
  • 63. Great Expectations: Checkpoints
  • 64. Great Expectations: Data Docs
  • 65. Great Expectations: ادغام با Pytest
  • 66. Soda Core: نصب و پیکربندی
  • 67. Soda Core: Data Sources
  • 68. Soda Core: Checks
  • 69. Soda Core: Datasets
  • 70. Soda Core: ادغام با Pytest
  • 71. TDD برای پیش پردازش داده ها
  • 72. تست توابع پاکسازی داده ها
  • 73. تست توابع نرمال سازی داده ها
  • 74. تست توابع تبدیل داده ها
  • 75. تست توابع مهندسی ویژگی (Feature Engineering)
  • 76. تست توابع ترکیب داده ها (Data Merging)
  • 77. تست توابع کاهش ابعاد (Dimensionality Reduction)
  • 78. TDD برای مدل سازی داده ها
  • 79. تست ساختار مدل (Model Architecture Testing)
  • 80. تست مقداردهی اولیه وزن ها (Weight Initialization Testing)
  • 81. تست تابع فعال سازی (Activation Function Testing)
  • 82. تست تابع هزینه (Loss Function Testing)
  • 83. تست تابع بهینه ساز (Optimizer Testing)
  • 84. تست آموزش مدل (Model Training Testing)
  • 85. تست ارزیابی مدل (Model Evaluation Testing)
  • 86. تست پیش بینی مدل (Model Prediction Testing)
  • 87. تست مدل های رگرسیون
  • 88. تست مدل های طبقه بندی
  • 89. تست مدل های خوشه بندی
  • 90. تست مدل های کاهش ابعاد
  • 91. تست مدل های سری زمانی
  • 92. تست مدل های پردازش زبان طبیعی (NLP)
  • 93. تست مدل های بینایی ماشین (Computer Vision)
  • 94. TDD برای استقرار مدل (Model Deployment)
  • 95. تست API های مدل
  • 96. تست Pipeline های استقرار
  • 97. تست مدیریت نسخه مدل (Model Versioning)
  • 98. تست مقیاس پذیری (Scalability Testing)
  • 99. تست عملکرد (Performance Testing)
  • 100. تست امنیت (Security Testing)

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب TDD for Data Science Projects”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مشابه

پیمایش به بالا