مسیرهای یادگیری
دورهها روی چند پلتفرم پخش شدهاند و هر پلتفرم فقط بخشی از کار را نشان میدهد. اینجا همهشان کنار هم و به ترتیب پیشنیاز چیده شدهاند، با توضیح اینکه هر دوره چرا در آن نقطه از مسیر قرار گرفته است.
در مجموع ۲۸ دوره، که ۱ تای آنها رایگان است.
پایتون از صفر تا حرفهای
از اولین خط کد تا نوشتن برنامههای سریع و تمیز
اگر تا امروز برنامهنویسی نکردهاید، این مسیر نقطه شروع است. با یک دوره رایگان دو ساعته آغاز میشود تا ببینید اصلاً این کار را دوست دارید یا نه، بعد وارد دوره مقدماتی کامل میشود و در ادامه سراغ چیزهایی میرود که معمولاً کسی به تازهکارها یاد نمیدهد: ساختار درست کد، کلاسها، الگوهای طراحی و سرعت اجرا. ترتیب این فهرست بر اساس پیشنیاز چیده شده، نه بر اساس محبوبیت. اگر از بالا شروع کنید هیچجا به مفهومی برنمیخورید که هنوز یاد نگرفته باشید.
محاسبات علمی و آمار
ابزارهایی که کار علمی با آنها انجام میشود
پایتون به تنهایی برای کار علمی کافی نیست. این مسیر کتابخانههایی را پوشش میدهد که پژوهش واقعی روی آنها سوار است: NumPy برای محاسبات عددی، SciPy برای حل معادله و بهینهسازی، Matplotlib برای رسم، و زبان R برای تحلیل آماری. مبانی احتمالات هم اینجاست، چون بدون آن هیچ نتیجهای را نمیشود درست تفسیر کرد. بیشتر دورههای این مسیر رایگاناند.
یادگیری ماشین و هوش مصنوعی
از تحلیل داده تا یادگیری عمیق
مسیر اصلی این مجموعه، و تنها مسیری که هر سه پلتفرم را به هم وصل میکند. از تحلیل داده شروع میشود، به نقشه کلی الگوریتمهای یادگیری ماشین میرسد، بعد روی آمادهسازی داده و مدلهای خطی عمیق میشود و در پایان به یادگیری عمیق میرسد. برای الگوریتمهای تکاملی، مسیر «بهینهسازی» جدا شده است. دو دوره «مقدمهای بر الگوریتمهای یادگیری ماشین» و «یادگیری ماشین با پایتون» رقیب هم نیستند: اولی نقشه است و دومی عمق. توضیح هرکدام زیر خودش آمده است.
بهینهسازی و الگوریتمهای تکاملی
وقتی بهترین جواب را میخواهید، نه فقط یک جواب
بهینهسازی جایی لازم میشود که مسئله یک پاسخ درست ندارد بلکه بیشمار پاسخ دارد و شما دنبال بهترین آنها هستید: کمهزینهترین طرح، کوتاهترین مسیر، سبکترین سازه، دقیقترین مدل. همین کار در دل آموزش هر مدل یادگیری ماشین هم اتفاق میافتد، به همین دلیل فهمیدنش جای دیگری هم به کار میآید. مسیر با صورتبندی مسئله و حل آن با ابزارهای آماده پایتون شروع میشود، بعد سراغ الگوریتم ژنتیک میرود: روشی الهامگرفته از تکامل که وقتی به کار میآید که مسئله آنقدر بزرگ یا ناهموار باشد که روشهای مبتنی بر گرادیان در آن گیر کنند. سه دوره پایانی همین یک الگوریتم را از ایده تا پیادهسازی کامل باز میکنند. اگر پیشتر با پایتون راحت باشید، این مسیر مستقل از بقیه قابل گذراندن است.
مهندسی زیستی و پزشکی
آکوستیک، میکروسیالات، بایومِمز و زیستشناسی سامانهای
این مسیر کمترین رقیب را در زبان فارسی دارد. دورههایی که معمولاً فقط در مقالات انگلیسی پیدا میشوند: آکوستیک و آکوستیک پزشکی، میکروسیالات و آزمایشگاه روی تراشه، سیستمهای میکروالکترومکانیک زیستی، و زیستشناسی سامانهای. اگر روی پایاننامهای در مهندسی پزشکی یا بیومکانیک کار میکنید، احتمالاً چیزی که دنبالش هستید همینجاست. مسیر با آکوستیک شروع میشود چون سبکترین ورودی است و به بایومِمز و زیستشناسی سامانهای ختم میشود.
پژوهش و مسیر تحصیلی
پایاننامه، مقاله و اپلای
چیزی که هیچ دوره ویدیویی بهتنهایی حلش نمیکند: انتخاب موضوع پایاننامه، پیش بردن آن، نوشتن مقالهای که پذیرفته شود، و مسیر اپلای برای ادامه تحصیل در خارج از کشور. این مسیر هنوز دوره ویدیویی ندارد و بهصورت یکبهیک ارائه میشود: جلسه مشاوره برای وقتی که یک پرسش مشخص دارید، و برنامه منتورینگ برای وقتی که به همراهی در طول ماهها نیاز دارید.