در این مطلب، ویدئو یادگیری ماشین با پایتون در SQL Server 2017 و 2019 با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 1:12:14
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,160 –> 00:00:03,199
عالی ممنون صبح
2
00:00:03,199 –> 00:00:05,120
بخیر بعدازظهر بخیر یا عصر بخیر
3
00:00:05,120 –> 00:00:07,279
همه خوش آمدید به جلسه من در پایتون خوش آمدید که
4
00:00:07,279 –> 00:00:10,320
چگونه در سرور sql
5
00:00:10,320 –> 00:00:13,200
2017 و 2019 جا می شود
6
00:00:13,200 –> 00:00:15,599
و چون ما گروه کاربری ترکیبی uh هستیم
7
00:00:15,599 –> 00:00:16,720
8
00:00:16,720 –> 00:00:18,560
همچنین کمی در مورد جایی که می توانیم استفاده کنیم صحبت کنیم
9
00:00:18,560 –> 00:00:21,439
آن را به رنگ لاجوردی نیز می نویسم،
10
00:00:21,439 –> 00:00:24,240
بنابراین این من هستم، من یک مشاور مستقل هستم که
11
00:00:24,240 –> 00:00:25,279
12
00:00:25,279 –> 00:00:27,439
وقت خود را بین آلبوکرکی
13
00:00:27,439 –> 00:00:28,560
مکزیک جدید
14
00:00:28,560 –> 00:00:31,519
و منطقه دالاس تگزاس
15
00:00:31,519 –> 00:00:33,040
16
00:00:33,040 –> 00:00:35,040
17
00:00:35,040 –> 00:00:36,160
تقسیم می کنم.
18
00:00:36,160 –> 00:00:37,920
19
00:00:37,920 –> 00:00:40,399
اگر جلسه را دوست داشتید، این اسلاید در پایین سمت راست قرار دارد.
20
00:00:40,399 –> 00:00:42,719
توئیت در من توییت کرد همه کسانی را که می شناسید
21
00:00:42,719 –> 00:00:44,000
به همه اطلاع دهید که چقدر خوب
22
00:00:44,000 –> 00:00:46,239
است اگر جلسه را دوست ندارید اگر
23
00:00:46,239 –> 00:00:47,600
فکر می کنید دفعه بعد می توانم بهتر انجام دهم
24
00:00:47,600 –> 00:00:49,039
25
00:00:49,039 –> 00:00:50,879
یا حتی اگر جلسه را دوست نداشته باشید شما فقط بعداً یک سوال دارید
26
00:00:50,879 –> 00:00:52,960
، خب این همان چیزی است که ایمیل لیست
27
00:00:52,960 –> 00:00:54,960
شده برای
28
00:00:54,960 –> 00:00:56,559
آن است، بنابراین در اینجا چیزی است که ما امروز در مورد آن صحبت
29
00:00:56,559 –> 00:00:59,680
خواهیم کرد، من یک هشدار مختصر
30
00:00:59,680 –> 00:01:01,920
خواهم بود و سپس یک مرور کلی از نحوه قرار گرفتن
31
00:01:01,920 –> 00:01:05,119
پایتون در اکوسیستم sql
32
00:01:05,119 –> 00:01:07,200
و من ارائه خواهم کرد. من برم تو با این فرض
33
00:01:07,200 –> 00:01:08,960
که بسیاری از شما ممکن است هنوز
34
00:01:08,960 –> 00:01:10,880
فرصتی برای بازی با این ادغام
35
00:01:10,880 –> 00:01:12,960
نداشته باشید، بنابراین من به شما نشان خواهم داد که چگونه
36
00:01:12,960 –> 00:01:13,920
نصب
37
00:01:13,920 –> 00:01:16,640
و پیکربندی را خیلی سریع انجام دهید سپس
38
00:01:16,640 –> 00:01:18,720
به اولین نسخه نمایشی خود می رویم که
39
00:01:18,720 –> 00:01:20,080
نحوه وارد کردن داده ها
40
00:01:20,080 –> 00:01:22,880
به آن است. و خارج از پایتون از اکوسیستم sql ما
41
00:01:22,880 –> 00:01:24,720
واقعاً بدون خروج از sql
42
00:01:24,720 –> 00:01:26,880
sequota
43
00:01:26,880 –> 00:01:28,240
و ما این کار را با استفاده از یک رویه ذخیره شده
44
00:01:28,240 –> 00:01:30,560
به نام sp execute اسکریپت خارجی انجام خواهیم داد
45
00:01:30,560 –> 00:01:31,759
46
00:01:31,759 –> 00:01:33,920
و در طول یک ساعت بعد و بعد از آن از من خواهید شنید که این رشته را
47
00:01:33,920 –> 00:01:35,600
حدود ده بار یا بیشتر می گویم.
48
00:01:35,600 –> 00:01:39,040
من
49
00:01:39,040 –> 00:01:40,000
قصد دارم به
50
00:01:40,000 –> 00:01:43,119
چند مورد استفاده در دنیای واقعی نگاه کنم اوه اکنون می دانم که
51
00:01:43,119 –> 00:01:44,000
ما به
52
00:01:44,000 –> 00:01:46,799
نوعی مخاطب جهانی داریم و
53
00:01:46,799 –> 00:01:48,880
موارد استفاده من در اینجا بر روی سیستم مراقبت های بهداشتی ایالات متحده متمرکز شده
54
00:01:48,880 –> 00:01:50,399
است که کمی
55
00:01:50,399 –> 00:01:52,399
متفاوت از مراقبت های بهداشتی است. سیستم ها
56
00:01:52,399 –> 00:01:54,799
در سایر نقاط جهان اما من
57
00:01:54,799 –> 00:01:56,320
سعی کرده ام نمونه هایی را
58
00:01:56,320 –> 00:01:58,240
که می دانید نسبتاً عمومی بسازم تا بتوانند
59
00:01:58,240 –> 00:02:00,159
ایده هایی را در شما ایجاد کنند که چگونه می
60
00:02:00,159 –> 00:02:03,680
توانید از این موارد در آینده استفاده کنید،
61
00:02:05,119 –> 00:02:07,600
بنابراین امیدوارم همه شما برای این کار آماده
62
00:02:07,600 –> 00:02:09,280
بودید که آمده اید به یک جلسه
63
00:02:09,280 –> 00:02:10,560
پایتون ویل gly
64
00:02:10,560 –> 00:02:14,000
python در محاسبات در آمار واقعاً خوب است و
65
00:02:14,000 –> 00:02:15,040
66
00:02:15,040 –> 00:02:17,599
یادگیری ماشینی همه اینها به شدت به ریاضیات بستگی دارد،
67
00:02:17,599 –> 00:02:19,599
68
00:02:19,599 –> 00:02:22,239
بنابراین من این را برای ترساندن بسیاری از مردم در اینجا قرار نمیدهم،
69
00:02:22,239 –> 00:02:23,520
70
00:02:23,520 –> 00:02:25,680
اما میخواهم آن را از سر راه بردارم، ابتدا
71
00:02:25,680 –> 00:02:27,280
مطمئن شوم که همه متوجه میشوند. چیزی
72
00:02:27,280 –> 00:02:30,080
که آنها وارد
73
00:02:32,239 –> 00:02:35,840
آن می شوند تا پایتون بخشی از یک
74
00:02:35,840 –> 00:02:37,519
بخش بزرگتر به نام
75
00:02:37,519 –> 00:02:38,959
خدمات یادگیری ماشینی است
76
00:02:38,959 –> 00:02:41,200
و این به این دلیل به وجود آمد که مایکروسافت
77
00:02:41,200 –> 00:02:42,400
متوجه شد
78
00:02:42,400 –> 00:02:44,319
ما باید فراتر از
79
00:02:44,319 –> 00:02:46,160
80
00:02:46,160 –> 00:02:48,720
سرور sql پایگاه داده رابطه ای سنتی خود برویم که باید وارد آن شویم. دنیای تحلیلی گسترده تر
81
00:02:48,720 –> 00:02:50,000
82
00:02:50,000 –> 00:02:52,239
و این به طور فزاینده ای یک پیشنهاد منبع باز است،
83
00:02:52,239 –> 00:02:53,920
84
00:02:53,920 –> 00:02:56,080
حالا آنها شرکتی به نام
85
00:02:56,080 –> 00:02:58,400
تجزیه و تحلیل انقلاب را از نیوزیلند خریداری کردند
86
00:02:58,400 –> 00:03:01,120
که روی r متمرکز شده بود و آنها
87
00:03:01,120 –> 00:03:02,959
چند بسته برای کمک به ما در
88
00:03:02,959 –> 00:03:04,879
انجام کارهایی داشتند که هنر
89
00:03:04,879 –> 00:03:07,040
به صورت بومی انجام نمی دهد. خوب
90
00:03:07,040 –> 00:03:09,360
فقط داده ها را به دیسک و
91
00:03:09,360 –> 00:03:10,480
چند رشته ای بریزید
92
00:03:10,480 –> 00:03:12,400
و در واقع پایتون بیس نیز
93
00:03:12,400 –> 00:03:14,000
این کارها را به خوبی انجام نمی دهد،
94
00:03:14,000 –> 00:03:16,239
اما چون آنها آن افزونه ها را ساخته
95
00:03:16,239 –> 00:03:17,680
اند، به نوعی مناسب طبیعی برای
96
00:03:17,680 –> 00:03:19,280
مایکروسافت برای خرید
97
00:03:19,280 –> 00:03:22,080
و عرضه به نسخه 2016
98
00:03:22,080 –> 00:03:23,360
محصول
99
00:03:23,360 –> 00:03:26,319
در حال حاضر نسخه 2017 رول می شود آنها
100
00:03:26,319 –> 00:03:27,440
تصمیم
101
00:03:27,440 –> 00:03:29,440
گرفتند انقلابی ایجاد کنند تا
102
00:03:29,440 –> 00:03:31,680
افزونه های اضافی برای پایتون بسازند
103
00:03:31,680 –> 00:03:33,840
و اکنون این
104
00:03:33,840 –> 00:03:35,440
خدمات یادگیری ماشینی است و
105
00:03:35,440 –> 00:03:38,000
هم r و هم پایتون را در بر می گیرد. و در سال
106
00:03:38,000 –> 00:03:40,080
2019 در واقع
107
00:03:40,080 –> 00:03:44,159
جاوا را نیز شامل می شود و فقط یک
108
00:03:44,159 –> 00:03:46,879
پایتون قدیمی نیست، یک توزیع بسیار خاص
109
00:03:46,879 –> 00:03:49,840
به نام anaconda توسط شرکتی به نام
110
00:03:49,840 –> 00:03:52,560
anaconda از آستین تگزاس است
111
00:03:52,560 –> 00:03:54,480
و توزیعی است که به
112
00:03:54,480 –> 00:03:56,480
طور خاص بر روی
113
00:03:56,480 –> 00:03:58,799
علم داده متمرکز شده است و با بیش از
114
00:03:58,799 –> 00:04:01,599
100 مورد ارائه می شود. محبوبترین
115
00:04:01,599 –> 00:04:04,159
بستهها برای علم داده قبلاً ساخته شدهاند، بنابراین
116
00:04:04,159 –> 00:04:05,920
وقتی نصب را انجام
117
00:04:05,920 –> 00:04:07,680
میدهید، همه چیزهایی را که میدانید
118
00:04:07,680 –> 00:04:09,920
دقیقاً برای شما وجود دارد
119
00:04:09,920 –> 00:04:12,560
و همچنین دارای یک مدیر بسته
120
00:04:12,560 –> 00:04:13,760
به نام conda است
121
00:04:13,760 –> 00:04:17,199
که به شما امکان میدهد هر بسته اضافی را اضافه یا بهروزرسانی کنید.
122
00:04:17,199 –> 00:04:18,000
123
00:04:18,000 –> 00:04:21,199
که ممکن است اکنون به آن نیاز داشته باشید، این
124
00:04:21,199 –> 00:04:24,720
نسخه پایتون 3.5 است،
125
00:04:24,720 –> 00:04:27,919
این آخرین و بهترین نیست، فکر می کنم
126
00:04:27,919 –> 00:04:29,600
3.9 در طبیعت منتشر شده است،
127
00:04:29,600 –> 00:04:31,600
اما نباید خیلی
128
00:04:31,600 –> 00:04:32,720
مشکل ساز
129
00:04:32,720 –> 00:04:36,000
باشد، ممکن است مشکلات سازگاری جزئی
130
00:04:36,000 –> 00:04:38,320
در برخی از بسته های خود داشته
131
00:04:38,320 –> 00:04:40,000
باشید، بنابراین احتمالاً می خواهید مطمئن شوید که
132
00:04:40,000 –> 00:04:41,680
133
00:04:41,680 –> 00:04:43,120
اگر در حال انجام آن هستید، در یک اکوسیستم پایتون جداگانه می دانید که در حال انجام آن هستید.
134
00:04:43,120 –> 00:04:44,880
135
00:04:44,880 –> 00:04:46,880
که شما در حال توسعه در پایتون 3-5 نیز هستید،
136
00:04:46,880 –> 00:04:49,120
137
00:04:49,120 –> 00:04:52,080
یک تفاوت در اسلاید
138
00:04:52,080 –> 00:04:53,759
ندارم که اکنون در دسترس است،
139
00:04:53,759 –> 00:04:55,919
این ادغام در
140
00:04:55,919 –> 00:04:56,880
پیش نمایش عمومی
141
00:04:56,880 –> 00:04:59,440
در نمونه مدیریت شده azure sql موجود است و در
142
00:04:59,440 –> 00:05:02,400
آن صورت در واقع پایتون 3.7 است،
143
00:05:02,400 –> 00:05:05,440
بنابراین تفاوت کمی وجود دارد.
144
00:05:05,440 –> 00:05:08,160
و این نصب همچنین با یک
145
00:05:08,160 –> 00:05:10,560
ابزار عالی به نام نوت بوک ژوپیتر همراه
146
00:05:10,560 –> 00:05:12,560
است، امیدوارم که اکثر ما تا این لحظه
147
00:05:12,560 –> 00:05:14,240
فرصت بازی با نوت بوک ها را داشته باشیم،
148
00:05:14,240 –> 00:05:15,120
149
00:05:15,120 –> 00:05:17,759
اما اگر نگران نیستید، فقط بدانید
150
00:05:17,759 –> 00:05:19,120
که این ابزاری است
151
00:05:19,120 –> 00:05:21,840
که به شما امکان می دهد برای کنار هم قرار دادن تمام کدهای خود،
152
00:05:21,840 –> 00:05:23,360
تمام اسکریپت های خود به
153
00:05:23,360 –> 00:05:26,720
همراه هر داده، بنابراین ممکن است داده
154
00:05:26,720 –> 00:05:28,080
هایی باشد که داده هایی را ایجاد
155
00:05:28,080 –> 00:05:30,080
کرده اید که از یک فایل متنی
156
00:05:30,080 –> 00:05:31,440
یا پایگاه داده وارد کرده اید
157
00:05:31,440 –> 00:05:33,360
و سپس هر داده ای که به عنوان خروجی ایجاد می کنید
158
00:05:33,360 –> 00:05:34,639
یا هر
159
00:05:34,639 –> 00:05:37,360
نموداری یا نمودارهایی که ایجاد می کنید به عنوان یک
160
00:05:37,360 –> 00:05:38,160
خروجی،
161
00:05:38,160 –> 00:05:41,440
بنابراین همه اینها را به همراه هر
162
00:05:41,440 –> 00:05:42,320
163
00:05:42,320 –> 00:05:44,639
علامت گذاری در شما ذخیره می کند، شما یک سند واحد را می شناسید که می
164
00:05:44,639 –> 00:05:45,840
توانید آن را
165
00:05:45,840 –> 00:05:48,400
با بقیه اعضای تیم خود پخش کنید تا
166
00:05:48,400 –> 00:05:48,880
167
00:05:48,880 –> 00:05:51,199
آنها بتوانند کار شما را بازتولید کنند و ببینند
168
00:05:51,199 –> 00:05:54,240
چگونه به این نتیجه رسیده اید که به این نتیجه
169
00:05:54,240 –> 00:05:57,280
رسیدیم که در دومین
170
00:05:57,280 –> 00:06:02,080
دمو بزرگمان در اینجا کمی بعد خواهیم دید،
171
00:06:03,120 –> 00:06:05,600
بنابراین اشاره کردم که ما حدود 100
172
00:06:05,600 –> 00:06:07,360
بسته علم داده داریم که با آناکوندا
173
00:06:07,360 –> 00:06:08,240
نصب می شوند،
174
00:06:08,240 –> 00:06:11,199
بنابراین این پنج مورد از مهمترین
175
00:06:11,199 –> 00:06:11,919
176
00:06:11,919 –> 00:06:13,919
مواردی هستند که شروع خواهیم کرد.
177
00:06:13,919 –> 00:06:16,000
امروز فقط به چهار مورد از این موارد
178
00:06:16,000 –> 00:06:18,319
نگاه خواهم کرد، ما numpy را بررسی خواهیم کرد که به ما
179
00:06:18,319 –> 00:06:20,560
آرایه های چند بعدی می دهد و دستکاری های عددی زیادی به ما می دهد
180
00:06:20,560 –> 00:06:22,160
181
00:06:22,160 –> 00:06:25,600
و همچنین به
182
00:06:25,600 –> 00:06:28,720
عنوان پایه اساسی برای پانداها
183
00:06:28,720 –> 00:06:30,560
که مخفف داده های پانل است عمل می کند.
184
00:06:30,560 –> 00:06:32,720
هیچ ربطی به موجودات فازی بامزه اما شرور ندارد،
185
00:06:32,720 –> 00:06:35,680
بنابراین دادههای پانل
186
00:06:35,680 –> 00:06:37,199
یا دادههای جدولی
187
00:06:37,199 –> 00:06:39,280
به ما یک شی به نام چارچوب داده
188
00:06:39,280 –> 00:06:41,840
میدهد که نزدیکترین معادل
189
00:06:41,840 –> 00:06:46,080
با چیزی است که ما به عنوان جدول sql در نظر میگیریم.
190
00:06:46,080 –> 00:06:49,759
191
00:06:49,759 –> 00:06:52,319
که به ما محاسبات علمی را
192
00:06:52,319 –> 00:06:53,919
می دهد و به ما می دهد به
193
00:06:53,919 –> 00:06:56,639
روش های زیادی در مورد آمارهای شناخته شده دسترسی داشته
194
00:06:56,639 –> 00:06:58,720
195
00:06:58,720 –> 00:07:00,880
باشیم آنچه امروز به آن نگاه نمی کنیم یادگیری روانی است
196
00:07:00,880 –> 00:07:02,800
که واقعاً
197
00:07:02,800 –> 00:07:05,919
یک مقدمه است.
198
00:07:05,919 –> 00:07:07,280
199
00:07:07,280 –> 00:07:07,919
200
00:07:07,919 –> 00:07:10,240
امروز آن را لمس کنید، اما
201
00:07:10,240 –> 00:07:11,919
اگر آنچه را که می بینید دوست دارید، اگر مایلید
202
00:07:11,919 –> 00:07:13,520
آن را امتحان کنید
203
00:07:13,520 –> 00:07:15,520
و می خواهید آن را به
204
00:07:15,520 –> 00:07:16,960
حوزه یادگیری ماشینی
205
00:07:16,960 –> 00:07:19,199
وارد کنید، یادگیری روانی
206
00:07:19,199 –> 00:07:21,280
اولین راه تماس شما در آنجا خواهد بود
207
00:07:21,280 –> 00:07:23,360
و سپس ما. همچنین به برخی از
208
00:07:23,360 –> 00:07:24,479
نمودارهای ساده امروزی
209
00:07:24,479 –> 00:07:26,720
که فقط در چند خط کد
210
00:07:26,720 –> 00:07:27,919
با matplotlib انجام شده است نگاه می
211
00:07:27,919 –> 00:07:29,520
کنم، این یک راه عالی برای به دست آوردن
212
00:07:29,520 –> 00:07:31,199
گرافیک های حرفه ای
213
00:07:31,199 –> 00:07:34,639
بسیار سریع و آسان است،
214
00:07:37,520 –> 00:07:39,599
بنابراین این صفحه نصب است
215
00:07:39,599 –> 00:07:41,440
که بخشی
216
00:07:41,440 –> 00:07:43,919
از نصب معمولی sql است و شما. می بینم
217
00:07:43,919 –> 00:07:46,000
که من در اینجا دایره ای زده ام
218
00:07:46,000 –> 00:07:48,639
خدمات یادگیری ماشین در پایگاه داده
219
00:07:48,639 –> 00:07:50,000
این چیزی است که به ما امکان می دهد
220
00:07:50,000 –> 00:07:53,680
از ادغامی که ذکر کردم استفاده کنیم
221
00:07:53,680 –> 00:07:55,680
و توجه داشته باشید که می توانید r یا
222
00:07:55,680 –> 00:07:57,039
python یا هر دو
223
00:07:57,039 –> 00:07:59,520
را به خوبی با هم بازی کنند، اما
224
00:07:59,520 –> 00:08:00,319
شما همچنین در
225
00:08:00,319 –> 00:08:03,039
زیر ببینید که شما یک سرویس یادگیری ماشین به صورت
226
00:08:03,039 –> 00:08:04,639
مستقل دارید
227
00:08:04,639 –> 00:08:06,319
و این چیزی نیست که ما
228
00:08:06,319 –> 00:08:07,680
امروز در مورد
229
00:08:07,680 –> 00:08:10,080
آن صحبت خواهیم کرد، در واقع در موردی است که
230
00:08:10,080 –> 00:08:13,280
شما تیمی از دانشمندان داده اختصاصی
231
00:08:13,280 –> 00:08:15,840
دارید و می خواهید به آنها کمک کنید تا
232
00:08:15,840 –> 00:08:18,160
از قطعات اضافی که تجزیه و تحلیل انقلاب
233
00:08:18,160 –> 00:08:19,120
ساخته است استفاده کنند.
234
00:08:19,120 –> 00:08:21,039
شما این سرور را برای آنها راهاندازی میکنید
235
00:08:21,039 –> 00:08:22,800
و به آنها اجازه میدهید adam داشته باشند،
236
00:08:22,800 –> 00:08:24,240
اما دوباره همه چیزهایی که امروز میخواهیم به آن نگاه کنیم
237
00:08:24,240 –> 00:08:26,080
این است که در
238
00:08:26,080 –> 00:08:29,360
سرویسهای یادگیری ماشین پایگاهداده است
239
00:08:29,599 –> 00:08:31,599
و این به ما یک سرویس کاملاً جدید
240
00:08:31,599 –> 00:08:34,559
به نام sql server launch pad میدهد
241
00:08:34,559 –> 00:08:36,719
. در چند اسلاید با جزئیات بیشتری به آن نگاه خواهم کرد،
242
00:08:36,719 –> 00:08:38,000
من یک
243
00:08:38,000 –> 00:08:39,360
نمودار معماری دارم
244
00:08:39,360 –> 00:08:41,839
، فقط بدانید که اگر آن
245
00:08:41,839 –> 00:08:42,640
سرویس
246
00:08:42,640 –> 00:08:44,800
را مشاهده کردید، مربوط به خدمات یادگیری ماشینی است،
247
00:08:44,800 –> 00:08:47,279
248
00:08:53,440 –> 00:08:55,200
بنابراین چند کار وجود دارد که می
249
00:08:55,200 –> 00:08:57,120
خواهید انجام دهید.
250
00:08:57,120 –> 00:09:00,080
اوه پس از اینکه این نصب را راه اندازی کردید،
251
00:09:00,080 –> 00:09:00,480
بنابراین در
252
00:09:00,480 –> 00:09:03,600
ابتدا کاری که ما می خواهیم انجام دهیم این
253
00:09:03,600 –> 00:09:05,680
است که در واقع چند کد پایتون را
254
00:09:05,680 –> 00:09:06,640
روی دستگاه خود اجرا کنیم
255
00:09:06,640 –> 00:09:09,120
که خیلی متفاوت با
256
00:09:09,120 –> 00:09:11,360
اگر از clr به عنوان شبکه معمولی استفاده کرده باشید، نیست.
257
00:09:11,360 –> 00:09:12,160
زمان اجرا را اندازه گیری کنید
258
00:09:12,160 –> 00:09:13,920
که در مورد یک کد شارپ روی دستگاه شما
259
00:09:13,920 –> 00:09:15,519
260
00:09:15,519 –> 00:09:17,600
چه می شود، اما اگر یک بازیگر بد را می شناسید
261
00:09:17,600 –> 00:09:19,760
که کدهای مخرب پایتون
262
00:09:19,760 –> 00:09:20,800
را به
263
00:09:20,800 –> 00:09:23,519
خوبی می نویسد، به اندازه کافی آسان است که
264
00:09:23,519 –> 00:09:23,920
265
00:09:23,920 –> 00:09:26,480
مطمئن شوید که این اتفاق نمی افتد، اما فقط
266
00:09:26,480 –> 00:09:28,000
یک مرحله اضافی
267
00:09:28,000 –> 00:09:30,240
است حتی اگر ما نصب
268
00:09:30,240 –> 00:09:32,160
را انجام دادهایم، بهطور پیشفرض فعال نیست،
269
00:09:32,160 –> 00:09:33,800
بنابراین باید این پیکربندی مجدد را اجرا کنیم
270
00:09:33,800 –> 00:09:36,080
تا رویه
271
00:09:36,080 –> 00:09:38,640
اجرای اسکریپتهای خارجی sp خود را روشن کنیم
272
00:09:38,640 –> 00:09:39,839
273
00:09:39,839 –> 00:09:41,279
و پس از انجام
274
00:09:41,279 –> 00:09:43,040
تنظیمات، باید
275
00:09:43,040 –> 00:09:45,920
سرویس لانچپد را مجدداً راهاندازی کنیم تا
276
00:09:45,920 –> 00:09:49,279
مطمئن شویم. که همه چیز تاثیر می گذارد
277
00:09:49,279 –> 00:09:50,800
، چیز دیگری که کمی
278
00:09:50,800 –> 00:09:53,440
متفاوت است و می دانید اگر به
279
00:09:53,440 –> 00:09:55,600
روزهای تاریک زمانی که یک dba بودم برگردم، از
280
00:09:55,600 –> 00:09:58,640
هر dbas در تماس
281
00:09:58,640 –> 00:10:01,680
عذرخواهی می کنم، به جز علامت گذاری به عنوان اسپم عذرخواهی،
282
00:10:01,680 –> 00:10:04,800
اما من یک پیام جدید دریافت خواهم کرد. سرور و
283
00:10:04,800 –> 00:10:08,000
می دانید که من ممکن است 85 90 از
284
00:10:08,000 –> 00:10:09,200
حافظه روی جعبه را
285
00:10:09,200 –> 00:10:11,440
به فرآیند sql بدهم و به سیستم عامل اجازه دهم
286
00:10:11,440 –> 00:10:13,440
بقیه را بگیرد،
287
00:10:13,440 –> 00:10:16,079
اما در این مورد باید
288
00:10:16,079 –> 00:10:16,560
289
00:10:16,560 –> 00:10:19,600
هر حافظه ای را که می خواهم در آن ذخیره کنم.
290
00:10:19,600 –> 00:10:21,680
مجموعه داده هایی که من می روم برای
291
00:10:21,680 –> 00:10:24,480
تجزیه و تحلیل، باید آن حافظه را نیز در حافظه رم ذخیره کنم،
292
00:10:24,480 –> 00:10:25,839
293
00:10:25,839 –> 00:10:28,399
بنابراین هدف بازاریابی این است که
294
00:10:28,399 –> 00:10:29,040
آنها آن را در
295
00:10:29,040 –> 00:10:32,240
تجزیه و تحلیل پایگاه داده می نامند، من آن را
296
00:10:32,240 –> 00:10:34,320
در تجزیه و تحلیل پایگاه داده با
297
00:10:34,320 –> 00:10:35,279
نقل قول هوا می نامم
298
00:10:35,279 –> 00:10:38,880
زیرا در پایگاه داده درست نیست داده های شما از پایگاه داده شما
299
00:10:38,880 –> 00:10:39,440
300
00:10:39,440 –> 00:10:41,440
خارج می شوند.
301
00:10:41,440 –> 00:10:42,959
در رم کپی میشود
302
00:10:42,959 –> 00:10:46,880
تا پایتون عمل کند، اما این کار را
303
00:10:46,880 –> 00:10:48,480
بسیار کارآمد انجام میدهد،
304
00:10:48,480 –> 00:10:50,800
که به نوعی مزیت اصلی شما برای
305
00:10:50,800 –> 00:10:51,760
قرار دادن آن
306
00:10:51,760 –> 00:10:53,920
در همان جعبه انبار دادهتان است،
307
00:10:53,920 –> 00:10:55,519
اما در واقع
308
00:10:55,519 –> 00:10:57,839
یک کپی میسازید تا دادهها باقی نمانند. در
309
00:10:57,839 –> 00:10:59,040
پایگاه داده
310
00:10:59,040 –> 00:11:01,440
حتی اگر برای شما محیط sql خود را ترک نکرده اید،
311
00:11:01,440 –> 00:11:02,880
312
00:11:02,880 –> 00:11:05,519
بنابراین می خواهید بدانید
313
00:11:05,519 –> 00:11:07,279
آن حافظه اضافی را ذخیره کنید،
314
00:11:07,279 –> 00:11:09,360
آه، آن را خارج از مخزن بافر سرور sql قرار دهید،
315
00:11:09,360 –> 00:11:11,440
فقط آن را کنار بگذارید
316
00:11:11,440 –> 00:11:13,200
و این کاملاً به حجم کاری شما بستگی دارد
317
00:11:13,200 –> 00:11:14,720
318
00:11:14,720 –> 00:11:17,519
. من امروز انجام می دهم این است که می دانید
319
00:11:17,519 –> 00:11:19,760
این مجموعه نسبتاً کوچکی از داده ها است که
320
00:11:19,760 –> 00:11:21,600
من انبار داده نمونه خود را
321
00:11:21,600 –> 00:11:23,600
دارم اما داده ها را در آنجا خلاصه می کنم
322
00:11:23,600 –> 00:11:25,839
قبل از اینکه آنها را به پایتون بفرستم تا روی آنها کار کند
323
00:11:25,839 –> 00:11:26,240
324
00:11:26,240 –> 00:11:28,480
بنابراین واقعاً روی خیلی بزرگ کار نمی کنم.
325
00:11:28,480 –> 00:11:30,160
مجموعه ها
326
00:11:30,160 –> 00:11:32,480
با این حال، اگر قرار باشد 100
327
00:11:32,480 –> 00:11:34,320
میلیون ردیف برای انجام
328
00:11:34,320 –> 00:11:36,880
یادگیری ماشینی با نظارت یا
329
00:11:36,880 –> 00:11:38,560
بدون نظارت بر روی
330
00:11:38,560 –> 00:11:41,040
آن بفرستم، واقعاً میخواهم آن رام را
331
00:11:41,040 –> 00:11:42,160
332
00:11:42,160 –> 00:11:45,360
برای آن مقدار داده کنار بگذارم، بنابراین مانند
333
00:11:45,360 –> 00:11:45,839
هر
334
00:11:45,839 –> 00:11:47,760
چیز دیگری در محیط sql شما
335
00:11:47,760 –> 00:11:49,519
باید واقعاً حجم کاری یا حجم کاری مورد نظرتان را بدانید،
336
00:11:49,519 –> 00:11:52,639
337
00:11:55,440 –> 00:11:58,560
من به مدیر بسته اشاره کردم، بنابراین به
338
00:11:58,560 –> 00:12:00,240
آن conda می گویند،
339
00:12:00,240 –> 00:12:02,720
بنابراین اگر می
340
00:12:02,720 –> 00:12:04,480
خواهید یک بسته جدید که بخشی از 100 بسته نیست
341
00:12:04,480 –> 00:12:05,360
،
342
00:12:05,360 –> 00:12:08,720
بگویید piodbc در
343
00:12:08,720 –> 00:12:10,639
این مورد یکی از محبوب ترین ها است، می توانید وارد خط فرمان شوید.
344
00:12:10,639 –> 00:12:12,480
کتابخانههای پایتون odbc،
345
00:12:12,480 –> 00:12:15,839
بنابراین من فقط conda install iodbc را تایپ میکنم،
346
00:12:15,839 –> 00:12:17,360
آن را بیرون میآورم
347
00:12:17,360 –> 00:12:20,079
و بهروزترین نسخه را پیدا میکنم و آن را روی
348
00:12:20,079 –> 00:12:24,399
سرور من نصب میکنم، اوه، شما گزینه دیگری
349
00:12:24,399 –> 00:12:26,480
دارید که امروز به شما نشان
350
00:12:26,480 –> 00:12:27,760
نمیدهم به نام uh
351
00:12:27,760 –> 00:12:31,519
sql mlutils یک گزینه خط فرمان است
352
00:12:31,519 –> 00:12:33,519
که به شما امکان می دهد این کار را
353
00:12:33,519 –> 00:12:34,800
از یک کلاینت انجام دهید،
354
00:12:34,800 –> 00:12:38,000
بنابراین بدیهی است که اگر ما
355
00:12:38,000 –> 00:12:39,040
روی
356
00:12:39,040 –> 00:12:42,320
نمونه مدیریت شده کار می کردیم،
357
00:12:42,320 –> 00:12:43,839
به سیستم عامل
358
00:12:43,839 –> 00:12:47,200
روی sql mi azure دسترسی نداشتیم، بنابراین ما باید
359
00:12:47,200 –> 00:12:48,000
از آن
360
00:12:48,000 –> 00:12:52,160
uh sql mlutils استفاده کنید یا اخیراً
361
00:12:52,160 –> 00:12:54,079
آنها یک پسوند گرافیکی برای
362
00:12:54,079 –> 00:12:56,800
sql mle tills ساخته اند که در استودیوی داده azure زندگی می کند
363
00:12:56,800 –> 00:12:57,600
364
00:12:57,600 –> 00:13:00,800
که شما همچنین می توانید از uh برای تعامل
365
00:13:00,800 –> 00:13:06,800
با azure sql mi استفاده کنید،
366
00:13:06,800 –> 00:13:08,720
پس بیایید جلو برویم و به آن بپریم
367
00:13:08,720 –> 00:13:10,800
اولین نسخه نمایشی ما می خواهم نشان دهم که چگونه
368
00:13:10,800 –> 00:13:12,880
داده ها را بین sql و python به عقب و جلو ببریم،
369
00:13:12,880 –> 00:13:13,600
370
00:13:13,600 –> 00:13:15,360
بنابراین می خواهم
371
00:13:15,360 –> 00:13:18,079
از اینجا به استودیوی مدیریت
372
00:13:18,079 –> 00:13:20,720
بپرم و شما را با
373
00:13:20,720 –> 00:13:22,880
اجرای اسکریپت خارجی آشنا
374
00:13:22,880 –> 00:13:24,880
کنم و من میدانید که
375
00:13:24,880 –> 00:13:28,639
بهطور قراردادی متعهد هستیم که ابتدا یک سلام جهانی را
376
00:13:28,639 –> 00:13:32,079
انجام دهیم، بنابراین ما میخواهیم تعدادی
377
00:13:32,079 –> 00:13:33,200
رویههای مختلف را
378
00:13:33,200 –> 00:13:35,839
به اجرای اسکریپت خارجی sp خود منتقل کنیم،
379
00:13:35,839 –> 00:13:39,600
ابتدا زبان خود را پایتون است
380
00:13:39,600 –> 00:13:42,639
و اسکریپت تبلیغاتی ما پایتون خواهد بود.
381
00:13:42,639 –> 00:13:44,959
کدی که قرار است در پایتون اجرا شود
382
00:13:44,959 –> 00:13:46,800
و در اینجا ما فقط یک دستور چاپ ساده داریم،
383
00:13:46,800 –> 00:13:48,959
پس بیایید ادامه دهیم
384
00:13:48,959 –> 00:13:54,320
و آن را اجرا کنیم و به آنجا برویم،
385
00:13:54,320 –> 00:13:57,040
اما بله، ما میخواهیم کارهای بیشتری از
386
00:13:57,040 –> 00:13:57,519
چاپ کردن
387
00:13:57,519 –> 00:13:59,839
در پایتون انجام دهیم، بنابراین بیایید
388
00:13:59,839 –> 00:14:00,639
نحوه ارسال را بفهمیم.
389
00:14:00,639 –> 00:14:03,120
برخی از داده ها از سیستم sql uh ما
390
00:14:03,120 –> 00:14:04,959
ای پایتون
391
00:14:04,959 –> 00:14:06,480
و برای اولین کاری که میخواهیم انجام
392
00:14:06,480 –> 00:14:08,480
دهیم، فقط همان مجموعه
393
00:14:08,480 –> 00:14:08,959
دادهها را
394
00:14:08,959 –> 00:14:11,120
بلافاصله پس میگیریم، بیایید مطمئن شویم که میتوانیم آنها را پاس
395
00:14:11,120 –> 00:14:12,000
کنیم،
396
00:14:12,000 –> 00:14:14,000
بنابراین از چه چیزی عبور میکنیم، اما
397
00:14:14,000 –> 00:14:15,279
398
00:14:15,279 –> 00:14:18,639
از نتایج عبور میکنیم از یک پرس و جو، بنابراین در این مورد،
399
00:14:18,639 –> 00:14:19,360
در اینجا
400
00:14:19,360 –> 00:14:22,639
من یک جدول آمارگیری
401
00:14:22,639 –> 00:14:24,639
دارم و پنجره هایم را به اینجا منتقل می
402
00:14:24,639 –> 00:14:26,399
کنم، من یک جدول آمارگیری در پایگاه داده مدیریت خود
403
00:14:26,399 –> 00:14:28,720
404
00:14:28,720 –> 00:14:30,480
دارم، من فقط می خواهم 10 عدد برتر را انتخاب کنم
405
00:14:30,480 –> 00:14:32,480
که فقط یک جدول
406
00:14:32,480 –> 00:14:33,519
ترتیبی است. اعداد
407
00:14:33,519 –> 00:14:35,120
برای هر کسی که با
408
00:14:35,120 –> 00:14:38,079
اصطلاح جدول آماری آشنا نیست، من
409
00:14:38,079 –> 00:14:41,279
فقط آنها را انتخاب می کنم و آن پرس و جو
410
00:14:41,279 –> 00:14:44,160
وارد متغیر ورودی داده 1 من می شود و
411
00:14:44,160 –> 00:14:45,600
نتایج
412
00:14:45,600 –> 00:14:47,680
آن موتور ارسال می کند و پایتون آنها
413
00:14:47,680 –> 00:14:50,720
را در متغیری به نام مجموعه داده ورودی
414
00:14:50,720 –> 00:14:53,120
من قرار می دهد. مجموعه دادههای خروجی متغیر دیگری دریافت کردم،
415
00:14:53,120 –> 00:14:53,920
416
00:14:53,920 –> 00:14:56,399
من آن نتایج را
417
00:14:56,399 –> 00:14:58,079
مستقیماً به sql
418
00:14:58,079 –> 00:15:02,240
419
00:15:04,079 –> 00:15:06,160
ارسال میکنم، پس بیایید ادامه دهیم و آن را اجرا کنیم و سپس این اعداد را
420
00:15:06,160 –> 00:15:09,360
به پایتون فرستادیم و آنها را برمیگردانیم،
421
00:15:09,360 –> 00:15:12,800
اما به نوعی از آن استفاده میکنیم. این
422
00:15:12,800 –> 00:15:14,959
مجموعه داده های ورودی پیش فرض و مجموعه داده های خروجی در اینجا
423
00:15:14,959 –> 00:15:17,120
من برای t اهمیتی نمی دهم شیلنگ بیش از حد زیاد است،
424
00:15:17,120 –> 00:15:19,040
بنابراین به جای مجموعه داده های ورودی چه کاری انجام
425
00:15:19,040 –> 00:15:22,320
می دهم، آن را query خود می نامم
426
00:15:22,320 –> 00:15:24,560
که به من کمک می کند به خاطر بسپارم هی این ها
427
00:15:24,560 –> 00:15:26,079
نتایج پرس و جوی sql هستند
428
00:15:26,079 –> 00:15:29,199
که برای انجام آن به خوبی اجرا کردم و
429
00:15:29,199 –> 00:15:30,800
فقط باید به آن نیاز داشتیم این
430
00:15:30,800 –> 00:15:33,279
پارامتر اضافی داده های ورودی یک نام
431
00:15:33,279 –> 00:15:35,120
برای گفتن اینکه پرس و جو من قرار است
432
00:15:35,120 –> 00:15:37,920
نام مجموعه داده های ورودی ما باشد
433
00:15:37,920 –> 00:15:39,360
و بنابراین
434
00:15:39,360 –> 00:15:41,279
جای تعجب نیست که ما می توانیم همین کار را
435
00:15:41,279 –> 00:15:42,959
با مجموعه داده های خروجی
436
00:15:42,959 –> 00:15:44,959
انجام دهیم. فقط
437
00:15:44,959 –> 00:15:46,880
به من کمک می کند که به یاد بیاورم که اینها
438
00:15:46,880 –> 00:15:47,920
نتایج
439
00:15:47,920 –> 00:15:51,360
اسکریپت پایتون من هستند و ما فقط باید
440
00:15:51,360 –> 00:15:54,399
داده های خروجی را یک نام اضافه کنیم،
441
00:15:54,399 –> 00:15:56,320
بنابراین در این مرحله ممکن است این زیرخط ها را ببینید
442
00:15:56,320 –> 00:15:58,480
و ممکن است فکر کنید که
443
00:15:58,480 –> 00:15:59,440
به این معنی است که
444
00:15:59,440 –> 00:16:01,680
اوه می توانید زیرخط دو
445
00:16:01,680 –> 00:16:04,000
زیرخط داشته باشید. سه و غیره
446
00:16:04,000 –> 00:16:07,360
آه اما متأسفانه شما نمی توانید فقط
447
00:16:07,360 –> 00:16:08,959
یک مجموعه داده در
448
00:16:08,959 –> 00:16:12,399
یک مجموعه داده است، اوه اگر نیاز به
449
00:16:12,399 –> 00:16:12,880
ارسال
450
00:16:12,880 –> 00:16:15,360
چندین مجموعه داده در آن دارید، باید آن را انجام دهید، اوه
451
00:16:15,360 –> 00:16:16,320
452
00:16:16,320 –> 00:16:19,920
شما می دانید که یک نوع کار تقریباً
453
00:16:19,920 –> 00:16:22,480
بله اگر جزئیات بیشتری در مورد آن می خواهید بعداً با من در ارتباط باشید
454
00:16:22,480 –> 00:16:24,000
455
00:16:24,000 –> 00:16:25,839
که امروز در ارائه گنجانده نشده
456
00:16:25,839 –> 00:16:26,639
است،
457
00:16:26,639 –> 00:16:29,279
من فقط میخواستم مطمئن شوم که بله،
458
00:16:29,279 –> 00:16:31,519
میدانستید که این زیرخط به
459
00:16:31,519 –> 00:16:33,279
مجموعه دادههای متعدد
460
00:16:33,279 –> 00:16:35,120
دلالت نمیکند.
461
00:16:35,120 –> 00:16:36,800
462
00:16:36,800 –> 00:16:38,160
463
00:16:38,160 –> 00:16:41,199
می بینم که چطور پیش می رود،
464
00:16:41,199 –> 00:16:43,040
بنابراین اجازه دهید نشان دهم که این
465
00:16:43,040 –> 00:16:44,959
هنوز حتی با
466
00:16:44,959 –> 00:16:48,240
نام مستعار جدید ما
467
00:16:48,839 –> 00:16:52,160
کاملاً
468
00:16:52,160 –> 00:16:54,639
کار می کند، بنابراین این یک پرس و جو بسیار ساده است، درست
469
00:16:54,639 –> 00:16:56,399
این فقط یک خط است،
470
00:16:56,399 –> 00:16:58,240
اما در نسخه های نمایشی ما وارد ما می شویم.
471
00:16:58,240 –> 00:17:00,399
قرار است برخی از پرسوجوهای بسیار طولانیتر
472
00:17:00,399 –> 00:17:02,000
را ببینم، مانند آنچه در دنیای واقعی میبینید،
473
00:17:02,000 –> 00:17:02,720
474
00:17:02,720 –> 00:17:05,039
در واقع، من فکر میکنم مورد دوم،
475
00:17:05,039 –> 00:17:07,520
درخواستهای ما در مورد 150 خط است،
476
00:17:07,520 –> 00:17:10,640
بنابراین من واقعاً نمیخواهم پرس و جوی 150 خطی را
477
00:17:10,640 –> 00:17:11,280
478
00:17:11,280 –> 00:17:14,000
در وسط یک ستون رویه جاسازی کنم. من
479
00:17:14,000 –> 00:17:15,199
فقط افتضاح خواهم بود
480
00:17:15,199 –> 00:17:17,039
آنچه می خواهم انجام دهم این است که یک
481
00:17:17,039 –> 00:17:18,400
482
00:17:18,400 –> 00:17:21,359
پرس و جو ورودی متغیر اضافی اضافه کنم و فقط می دانم
483
00:17:21,359 –> 00:17:23,839
یک پرس و جو با فرمت زیبا را
484
00:17:23,839 –> 00:17:25,839
در اینجا بچسبانم، احتمالاً روی آن در
485
00:17:25,839 –> 00:17:27,439
پنجره پرس و جو
486
00:17:27,439 –> 00:17:29,679
دیگری کار کرده ام. من
487
00:17:29,679 –> 00:17:31,360
می روم به dro آن را در متغیر پرس و جوی ورودی من به
488
00:17:31,360 –> 00:17:32,320
489
00:17:32,320 –> 00:17:35,440
خوبی قالب بندی کرده و خواندن برای
490
00:17:35,440 –> 00:17:36,400
فهمیدن
491
00:17:36,400 –> 00:17:40,160
و اشکال زدایی آن بسیار آسان تر است و بنابراین من فقط آن
492
00:17:40,160 –> 00:17:42,080
متغیر را رها کردم و
493
00:17:42,080 –> 00:17:42,880
494
00:17:42,880 –> 00:17:44,840
آن را به جای رشته ای با نام پرس و جو
495
00:17:44,840 –> 00:17:46,160
496
00:17:46,160 –> 00:17:49,520
و به طور مشابه با اسکریپت پایتون
497
00:17:49,520 –> 00:17:51,760
که می خواهم به داده 1 ورودی خود منتقل کردم. برای ارسال یک متغیر در اینجا
498
00:17:51,760 –> 00:17:54,160
به نام اسکریپت pi
499
00:17:54,160 –> 00:17:56,320
که فقط نسخه ساده
500
00:17:56,320 –> 00:17:57,280
501
00:17:57,280 –> 00:17:59,679
کد پایتون من را میدانید که میدانید من آن را
502
00:17:59,679 –> 00:18:00,720
در یک پایتون
503
00:18:00,720 –> 00:18:03,120
eide یا یک نوت بوک در جایی توسعه دادهام و
504
00:18:03,120 –> 00:18:05,840
آماده هستم تا آن را عملیاتی کنم،
505
00:18:05,840 –> 00:18:08,400
بنابراین اکنون شما می توانید ببینید که ما یک
506
00:18:08,400 –> 00:18:10,480
فراخوان رویه بسیار تمیز داریم
507
00:18:10,480 –> 00:18:13,120
و هر منطق تجاری یا منطق کدنویسی
508
00:18:13,120 –> 00:18:14,000
که
509
00:18:14,000 –> 00:18:17,280
باید در پرس و جو
510
00:18:17,280 –> 00:18:18,559
یا کد پایتون خود وارد
511
00:18:18,559 –> 00:18:20,720
کنیم، از فراخوانی رویه انتزاع شده است، به
512
00:18:20,720 –> 00:18:24,160
این ترتیب بسیار تمیزتر است،
513
00:18:24,160 –> 00:18:28,400
اجازه دهید نشان دهیم هنوز در حال اجرا است.
514
00:18:28,400 –> 00:18:31,679
عالی است، بنابراین امیدوارم که
515
00:18:31,679 –> 00:18:34,000
این قطعه به عنوان یک
516
00:18:34,000 –> 00:18:35,760
الگوی خوب برای بسیاری از شما باشد،
517
00:18:35,760 –> 00:18:37,520
زیرا شروع به بازی با آن در
518
00:18:37,520 –> 00:18:39,679
محیط های خود می کنید،
519
00:18:39,679 –> 00:18:42,240
اما بدیهی است که ما می خواهیم کاری بیش
520
00:18:42,240 –> 00:18:43,120
از ارسال انجام
521
00:18:43,120 –> 00:18:45,520
دهیم، دقیقا همان داده هایی را که ارسال می کنیم، برگردانیم.
522
00:18:45,520 –> 00:18:47,679
پس بیایید با یک دستکاری ساده شروع کنیم
523
00:18:47,679 –> 00:18:49,039
،
524
00:18:49,039 –> 00:18:51,600
بنابراین بهجای ارسال دادهها
525
00:18:51,600 –> 00:18:53,280
526
00:18:53,280 –> 00:18:56,320
، سادهترین دستکاری آماری را انجام
527
00:18:56,320 –> 00:18:58,240
میدهیم که میتوانم به آن فکر کنم
528
00:18:58,240 –> 00:19:00,320
، گرفتن انحراف استاندارد
529
00:19:00,320 –> 00:19:03,679
اعدادی است که میگویم،
530
00:19:03,679 –> 00:19:07,280
پس بیایید برویم. پیش بروید و این را اجرا کنید
531
00:19:07,280 –> 00:19:09,440
و اگر چشمان خوبی دارید، ممکن است بدانید
532
00:19:09,440 –> 00:19:12,320
که چه اتفاقی در شرف وقوع است
533
00:19:12,320 –> 00:19:15,679
که یک دیوار کامل از متن قرمز است،
534
00:19:15,679 –> 00:19:18,080
اکنون می دانید که این یک خطای واقعاً خوب است،
535
00:19:18,080 –> 00:19:19,440
زیرا با این
536
00:19:19,440 –> 00:19:22,640
نوار اسکرول کوچک متصل در کناری همراه
537
00:19:22,640 –> 00:19:25,360
است. می گویم وقتی روی
538
00:19:25,360 –> 00:19:26,240
اسکریپت کار می
539
00:19:26,240 –> 00:19:29,120
کردم نسخه ای از این اسکریپت در ما این
540
00:19:29,120 –> 00:19:30,240
پیغام های خطا
541
00:19:30,240 –> 00:19:32,400
محرمانه بود و تقریبا غیرممکن بود
542
00:19:32,400 –> 00:19:33,440
543
00:19:33,440 –> 00:19:36,000
که پیتون ها را درک کنید خیلی بهتر هستند شما فقط
544
00:19:36,000 –> 00:19:38,640
باید بتوانید خط برجسته را پیدا کنید
545
00:19:38,640 –> 00:19:40,720
که این درست است در اینجا می دانید که
546
00:19:40,720 –> 00:19:42,720
تابع انحراف استاندارد ما
547
00:19:42,720 –> 00:19:44,080
تعریف نشده است،
548
00:19:44,080 –> 00:19:46,000
زیرا تابع انحراف
549
00:19:46,000 –> 00:19:48,160
استاندارد ما در پایتون پایه
550
00:19:48,160 –> 00:19:51,120
نیست، در واقع در بسته numpy قرار دارد، بنابراین
551
00:19:51,120 –> 00:19:53,120
ما باید به پایتون بگوییم
552
00:19:53,120 –> 00:19:56,160
که از آن بسته numpy استفاده کند
553
00:19:56,160 –> 00:19:58,400
و ما این کار را انجام می دهیم. که با استفاده از دستور import
554
00:19:58,400 –> 00:20:00,160
555
00:20:00,160 –> 00:20:02,159
و سپس تقریباً در هر جایی که
556
00:20:02,159 –> 00:20:04,559
میبینید numpy در طبیعت استفاده
557
00:20:04,559 –> 00:20:07,679
میشود، میبینید که آن را با نام مستعار np میبینید، بنابراین
558
00:20:07,679 –> 00:20:10,159
این کار به روشی شبیه به
559
00:20:10,159 –> 00:20:12,799
نوعی نام مستعار در سرور sql عمل میکند، به جز
560
00:20:12,799 –> 00:20:14,320
به جای
561
00:20:14,320 –> 00:20:17,520
ستون مستعار جدول نقطه. ما روش نقطه نام مستعار بسته را داریم،
562
00:20:17,520 –> 00:20:17,919
563
00:20:17,919 –> 00:20:22,960
بنابراین بیایید این را امتحان
564
00:20:26,320 –> 00:20:30,559
کنیم و دیوار دیگری از متن قرمز داریم،
565
00:20:30,559 –> 00:20:32,799
بنابراین آنچه در اینجا اتفاق می افتد
566
00:20:32,799 –> 00:20:35,039
به ما می گوید که نتایج ما باید
567
00:20:35,039 –> 00:20:38,400
یک قاب داده پاندا باشد تا همه چیزهایی که
568
00:20:38,400 –> 00:20:39,840
به پایتون ارسال کنیم.
569
00:20:39,840 –> 00:20:42,000
به طور پیشفرض در یکی از این فریمهای داده پاندا
570
00:20:42,000 –> 00:20:43,440
571
00:20:43,440 –> 00:20:45,840
قرار میگیرد، اما همچنین باید یک قاب داده آپاندیس
572
00:20:45,840 –> 00:20:46,480
573
00:20:46,480 –> 00:20:49,679
در مسیر بازگشت برای اجرای اسکریپت خارجی باشد.
574
00:20:49,679 –> 00:20:51,200
575
00:20:51,200 –> 00:20:54,480
576
00:20:54,480 –> 00:20:56,559
577
00:20:56,559 –> 00:20:58,720
ستونی از داده ها در
578
00:20:58,720 –> 00:20:59,600
قاب داده ما
579
00:20:59,600 –> 00:21:02,240
به یک عدد ممیز شناور منفرد تبدیل می شود، بنابراین
580
00:21:02,240 –> 00:21:04,720
ما باید آن را به یک قاب داده تبدیل کنیم،
581
00:21:04,720 –> 00:21:06,799
اگرچه به دلیل اینکه فقط یک عدد
582
00:21:06,799 –> 00:21:08,480
است، فقط یک قاب داده است
583
00:21:08,480 –> 00:21:11,200
که فقط یک ستون به یک ردیف
584
00:21:11,200 –> 00:21:14,000
است، هنوز هم باید باشد. آن داده ها
585
00:21:14,000 –> 00:21:15,280
برای انجام این
586
00:21:15,280 –> 00:21:18,400
کار، کتابخانه pandas را وارد می کنیم
587
00:21:18,400 –> 00:21:20,559
و مخفف استاندارد
588
00:21:20,559 –> 00:21:23,039
آن pd است،
589
00:21:23,039 –> 00:21:26,240
بنابراین pd.dataframe یک
590
00:21:26,240 –> 00:21:29,039
قاب داده جدید را برای ما تنظیم می کند، بنابراین اگر
591
00:21:29,039 –> 00:21:30,520
592
00:21:30,520 –> 00:21:33,120
بخواهم آن را خارج کنم pd.dataframe و پرانتزهای خالی را فقط انجام می دهم.
593
00:21:33,120 –> 00:21:35,039
یک قاب داده کاملاً خالی به ما بدهید،
594
00:21:35,039 –> 00:21:36,400
595
00:21:36,400 –> 00:21:38,720
اما اگر چیزی را به آن منتقل
596
00:21:38,720 –> 00:21:40,559
کنیم، فقط میدانید که آن را به یک
597
00:21:40,559 –> 00:21:41,679
قاب داده
598
00:21:41,679 –> 00:21:45,200
599
00:21:45,200 –> 00:21:46,960
600
00:21:46,960 –> 00:21:50,880
وادار کنید و سپس ما میتوانیم اسکریپت خارجی sp خود را اجرا کنیم و انحراف استاندارد خود را برگردانیم
601
00:21:51,360 –> 00:21:54,080
و به آنجا میرویم.
602
00:21:54,960 –> 00:21:56,960
پس بیایید کمی جلوتر
603
00:21:56,960 –> 00:21:58,640
برویم و از چند پرس
604
00:21:58,640 –> 00:22:00,720
و جو در اینجا بگذریم و بیایید
605
00:22:00,720 –> 00:22:02,400
به مجموعه داده های جالب تری نگاه
606
00:22:02,400 –> 00:22:04,320
کنیم، ابتدا این را شروع می کنم و
607
00:22:04,320 –> 00:22:07,200
سپس توضیح می دهم،
608
00:22:07,919 –> 00:22:10,960
بنابراین این مجموعه داده های عنبیه است که یکی
609
00:22:10,960 –> 00:22:12,960
از بهترین هاست. مجموعه داده های معروف در علم داده،
610
00:22:12,960 –> 00:22:13,919
611
00:22:13,919 –> 00:22:16,240
اوه، این همان مجموعه ای است که همه وقتی به یادگیری ماشین نگاه می کنند، با آن شروع می
612
00:22:16,240 –> 00:22:18,159
کنند،
613
00:22:18,159 –> 00:22:20,880
اوه، چون گلبرگ دارد و
614
00:22:20,880 –> 00:22:21,360
یا
615
00:22:21,360 –> 00:22:23,120
متاسفم از طول و عرض گلبرگ ها
616
00:22:23,120 –> 00:22:24,960
و دنباله های گونه های مختلف
617
00:22:24,960 –> 00:22:25,679
ویروس
618
00:22:25,679 –> 00:22:28,000
و اینکه کدام گونه است و می توانید استفاده کنید.
619
00:22:28,000 –> 00:22:30,240
برای راهاندازی مدلی که
620
00:22:30,240 –> 00:22:32,159
از نسبت آن اعداد بسیار دقیق پیشبینی میکند
621
00:22:32,159 –> 00:22:33,200
622
00:22:33,200 –> 00:22:35,520
که اگر عنبیه دارید چه گونه و چه عنبیههایی را دارید،
623
00:22:35,520 –> 00:22:37,440
اما نمیدانید چه نوع است،
624
00:22:37,440 –> 00:22:39,919
فقط گلبرگهای کاسبرگ را اندازه بگیرید
625
00:22:39,919 –> 00:22:42,320
و میدانید که آنها را وصل کنید.
626
00:22:42,320 –> 00:22:45,280
خوب حالا که چند ثانیه طول کشید و
627
00:22:45,280 –> 00:22:46,640
دلیل این کار
628
00:22:46,640 –> 00:22:48,880
این است که از این کتابخانه مجموعه داده pi به
629
00:22:48,880 –> 00:22:50,240
630
00:22:50,240 –> 00:22:52,559
طور خاص این بخش داده
631
00:22:52,559 –> 00:22:54,320
از مجموعه داده pi را اضافه کنید
632
00:22:54,320 –> 00:22:57,360
که متاسفانه اکنون 750 مجموعه داده دیگر بیش
633
00:22:57,360 –> 00:22:59,520
از مجموعه داده عنبیه دارد.
634
00:22:59,520 –> 00:23:01,360
ما مجبور شدیم همه
635
00:23:01,360 –> 00:23:03,840
آنها را فقط برای استفاده از یکی بیاوریم،
636
00:23:03,840 –> 00:23:06,960
بنابراین بیایید ببینیم که چه شکلی است،
637
00:23:06,960 –> 00:23:10,000
اوه، خوب یک خطای دیگر اما حداقل
638
00:23:10,000 –> 00:23:11,840
این بار فقط دو خط از متن قرمز
639
00:23:11,840 –> 00:23:15,200
است و این در واقع
640
00:23:15,200 –> 00:23:17,760
ما را به طور خاص به بند مجموعه های نتیجه نشان
641
00:23:17,760 –> 00:23:19,520
می دهد.
642
00:23:19,520 –> 00:23:22,320
حالا این چیزی بود که فکر می
643
00:23:22,320 –> 00:23:25,520
کنم در sql 2012 معرفی شد،
644
00:23:25,520 –> 00:23:27,520
اما تا زمانی که شروع به بازی با خدمات یادگیری ماشینی نکردم هرگز مجبور به استفاده از آن نشدم،
645
00:23:27,520 –> 00:23:29,200
646
00:23:29,200 –> 00:23:30,559
647
00:23:30,559 –> 00:23:32,720
اما کاری که این دوره انجام می دهد این است که به
648
00:23:32,720 –> 00:23:33,919
ما اجازه می دهد تا
649
00:23:33,919 –> 00:23:37,120
تعریف مجدد نتایج ذخیره شده را تغییر نام دهیم.
650
00:23:37,120 –> 00:23:38,720
اجرای رویه
651
00:23:38,720 –> 00:23:41,120
اما در این مورد ما فقط از
652
00:23:41,120 –> 00:23:42,720
این یک پیشفرض
653
00:23:42,720 –> 00:23:44,960
در همه نمونههایمان استفاده کردهایم تا کنون
654
00:23:44,960 –> 00:23:47,279
فقط یک ستون داده داشتیم،
655
00:23:47,279 –> 00:23:50,240
اما مجموعه داده iris در واقع دارای پنج
656
00:23:50,240 –> 00:23:52,720
ستون مختلف داده است،
657
00:23:52,720 –> 00:23:54,720
بنابراین باید آن را با نتیجه تغییر دهیم.
658
00:23:54,720 –> 00:23:56,400
بند sets در اینجا
659
00:23:56,400 –> 00:24:00,240
بیایید ادامه دهیم و دوباره شروع
660
00:24:01,120 –> 00:24:03,600
کنیم، باید آن را تغییر دهیم تا مطمئن شویم که
661
00:24:03,600 –> 00:24:04,799
662
00:24:04,799 –> 00:24:08,000
نام هر پنج ستون و سپس انواع داده را داده ایم
663
00:24:08,000 –> 00:24:08,480
664
00:24:08,480 –> 00:24:11,279
و می دانم که اینها انواع داده های sql هستند
665
00:24:11,279 –> 00:24:12,799
نه انواع داده های پایتون،
666
00:24:12,799 –> 00:24:15,440
بنابراین اینگونه است که sp. execute sql قرار است
667
00:24:15,440 –> 00:24:17,039
668
00:24:17,039 –> 00:24:20,960
دادههایی را که از مجموعه بازمیگرداند تفسیر کند،
669
00:24:20,960 –> 00:24:33,840
بنابراین اجازه دهید 10 ثانیه دیگر
670
00:24:40,400 –> 00:24:42,799
به این دادهها بدهیم و به همین ترتیب تمام دادههایی را که میتوانیم در مورد
671
00:24:42,799 –> 00:24:43,600
عنبیهها بخواهیم،
672
00:24:43,600 –> 00:24:46,880
673
00:24:46,880 –> 00:24:51,120
براین این اسکریپت بسیار ساده به نظر میرسد ام
674
00:24:51,120 –> 00:24:53,919
بین r و پایتون نسخههای
675
00:24:53,919 –> 00:24:55,039
توسعه آن
676
00:24:55,039 –> 00:24:57,279
برای رسیدن به این نقطه از من حدود چهار
677
00:24:57,279 –> 00:24:59,440
تا شش ساعت طول
678
00:24:59,440 –> 00:25:02,080
میکشد، بنابراین اگر بتوانم این مقدار زمان را برای
679
00:25:02,080 –> 00:25:04,400
همه کسانی که امروز در تماس هستند صرفهجویی کنم
680
00:25:04,400 –> 00:25:06,720
، حداقل ارزش دو هفته
681
00:25:06,720 –> 00:25:07,919
کار شخصی را دارد،
682
00:25:07,919 –> 00:25:10,080
بنابراین ارزشش را دارد. امروز
683
00:25:10,080 –> 00:25:12,320
60 تا 75 دقیقه
684
00:25:12,320 –> 00:25:15,279
من است، بنابراین من به همه شما یک پیوند github به
685
00:25:15,279 –> 00:25:15,600
آن می
686
00:25:15,600 –> 00:25:17,840
دهم، نمی دانم آیا مارک می تواند آن را در hybrid.pence.org نیز به اشتراک
687
00:25:17,840 –> 00:25:20,159
بگذارد،
688
00:25:20,159 –> 00:25:22,240
اما مطمئن خواهم شد که همه شما به اسکریپت دسترسی دارید
689
00:25:22,240 –> 00:25:23,360
690
00:25:23,360 –> 00:25:25,600
برای اینکه بتوانید هنگام شروع
691
00:25:25,600 –> 00:25:27,600
بازی با ادغام پایتون از آن
692
00:25:27,600 –> 00:25:29,840
693
00:25:30,000 –> 00:25:31,919
استفاده کنید، بیایید به صفحه اسلاید خود برگردیم
694
00:25:31,919 –> 00:25:33,360
695
00:25:33,360 –> 00:25:36,159
و نگاهی به اینجا بیندازیم این همان چیزی است که
696
00:25:36,159 –> 00:25:38,799
معماری
697
00:25:38,799 –> 00:25:41,919
در پشت صحنه به نظر می رسد، ما
698
00:25:41,919 –> 00:25:44,880
فرآیند سرور sql خود را در اینجا داریم. در سمت چپ
699
00:25:44,880 –> 00:25:47,760
اکنون مقداری کد sql داریم که sp
700
00:25:47,760 –> 00:25:49,840
execute اسکریپت خارجی را فراخوانی میکند
701
00:25:49,840 –> 00:25:52,080
تا سرویس
702
00:25:52,080 –> 00:25:53,679
703
00:25:53,679 –> 00:25:56,400
704
00:25:56,400 –> 00:25:58,880
705
00:25:58,880 –> 00:26:01,760
706
00:26:01,760 –> 00:26:02,720
707
00:26:02,720 –> 00:26:05,679
لانچپد فعال شود. سرور و این مخفف
708
00:26:05,679 –> 00:26:07,919
زبان مبادله باینری است
709
00:26:07,919 –> 00:26:10,159
که اکنون این فرآیندی است که
710
00:26:10,159 –> 00:26:12,559
داده ها را بین پایتون و سرور sql به عقب و جلو منتقل می
711
00:26:12,559 –> 00:26:13,760
کند
712
00:26:13,760 –> 00:26:16,159
و این کار را درست در سطح tcp
713
00:26:16,159 –> 00:26:17,440
بسیار پایین انجام
714
00:26:17,440 –> 00:26:19,919
می دهد، شما حتی سطح پایین تری نسبت به اتصال odpc می دانید،
715
00:26:19,919 –> 00:26:21,200
716
00:26:21,200 –> 00:26:24,559
بنابراین بسیار کارآمد است، بنابراین
717
00:26:24,559 –> 00:26:27,440
این دلیل اصلی شما برای قرار دادن این
718
00:26:27,440 –> 00:26:28,320
ادغام
719
00:26:28,320 –> 00:26:32,000
در همان سرور است، اوه،
720
00:26:32,000 –> 00:26:34,080
برای دریافت دادهها از سرور دیگری نیازی به تماس
721
00:26:34,080 –> 00:26:35,200
722
00:26:35,200 –> 00:26:37,679
723
00:26:37,679 –> 00:26:39,279
724
00:26:39,279 –> 00:26:42,480
odbc ندارید. ما زمان زیادی
725
00:26:42,480 –> 00:26:46,480
در انتقال داده داریم، اوه،
726
00:26:46,480 –> 00:26:49,600
خوب، این کلید است،
727
00:26:49,600 –> 00:26:52,159
بنابراین هر گونه سؤالی در مورد تنظیم،
728
00:26:52,159 –> 00:26:52,720
لطفاً
729
00:26:52,720 –> 00:26:56,320
کمی بعد از من بپرسید، اوه، بنابراین ما
730
00:26:56,320 –> 00:26:57,279
پوشش داده
731
00:26:57,279 –> 00:26:59,039
ایم، احتمالاً در مورد
732
00:26:59,039 –> 00:27:00,720
نیمه اول ارائه
733
00:27:00,720 –> 00:27:02,880
ما بود. تمام آن زمان را صرف پوشش این
734
00:27:02,880 –> 00:27:03,919
موضوع کردم
735
00:27:03,919 –> 00:27:07,679
که مهمتر این است که چرا،
736
00:27:07,679 –> 00:27:09,039
بنابراین من میخواهم چند
737
00:27:09,039 –> 00:27:11,919
نمونه از حرفه مشاورهام را به شما ارائه دهم
738
00:27:11,919 –> 00:27:14,080
همانطور که قبلاً گفتم روی
739
00:27:14,080 –> 00:27:16,320
مراقبتهای بهداشتی در بازار ایالات متحده تمرکز زیادی دارم،
740
00:27:16,320 –> 00:27:18,320
بنابراین برخی از این نمونهها
741
00:27:18,320 –> 00:27:20,000
742
00:27:20,000 –> 00:27:22,000
اگر در بخش مراقبتهای بهداشتی در بازار دیگری کار میکنید، ممکن است مستقیماً برای شما ترجمه نشود،
743
00:27:22,000 –> 00:27:23,120
744
00:27:23,120 –> 00:27:25,200
اما امیدوارم این مثالها همچنان
745
00:27:25,200 –> 00:27:26,240
746
00:27:26,240 –> 00:27:29,039
برای همه شما قابل استفاده باشد و
747
00:27:29,039 –> 00:27:30,399
چون نمیخواهم
748
00:27:30,399 –> 00:27:33,120
شرکتهایی را نام ببرم که میتوانم نام ببرم یا شرمنده شرکتی
749
00:27:33,120 –> 00:27:34,720
750
00:27:34,720 –> 00:27:37,679
هستم که میتوانم شرمنده باشم، به من اجازه دهید شما را با داستان های من آشنا کنم بیمارستان اونال
751
00:27:37,679 –> 00:27:38,960
752
00:27:38,960 –> 00:27:40,960
که در آن همه پزشکان به شکلی جادویی شبیه بازیگران مشهور هالیوود به نظر می رسند،
753
00:27:40,960 –> 00:27:44,480
754
00:27:44,640 –> 00:27:46,720
بنابراین ما اینجا در بیمارستان خیالی من با چند مشکل روبرو هستیم،
755
00:27:46,720 –> 00:27:48,320
756
00:27:48,320 –> 00:27:51,360
بنابراین بیایید با اولین مورد شروع کنیم، اوهان،
757
00:27:51,360 –> 00:27:52,559
بنابراین شما در سیستم افتخار خود
758
00:27:52,559 –> 00:27:54,880
برای این قطعه
759
00:27:54,880 –> 00:27:56,799
حضور خواهید داشت. گزارشنویسی هستید که میدانید
760
00:27:56,799 –> 00:27:59,360
اگر
761
00:27:59,360 –> 00:28:02,399
در گذشته حرفهای گزارشنویس بودهاید، دستتان را بالا ببرید،
762
00:28:02,399 –> 00:28:04,080
حتی اگر گزارشی نوشتهاید که در
763
00:28:04,080 –> 00:28:05,840
دست تولید نیست، میدانید که
764
00:28:05,840 –> 00:28:07,840
765
00:28:07,840 –> 00:28:10,559
حالا دستتان را بالا ببرید اگر گزارشی که
766
00:28:10,559 –> 00:28:11,600
شما ایجاد
767
00:28:11,600 –> 00:28:15,279
کرده اید تا به حال باعث وحشت شده است، بنابراین این دقیقاً همان
768
00:28:15,279 –> 00:28:16,960
چیزی است که ما اینجا در بیمارستان خیالی من داریم،
769
00:28:16,960 –> 00:28:18,240
770
00:28:18,240 –> 00:28:21,120
بنابراین من یک گزارش ssrs دارم، می روم
771
00:28:21,120 –> 00:28:22,799
به ssrs
772
00:28:22,799 –> 00:28:24,960
و نگاهی به آن می اندازم تا یک
773
00:28:24,960 –> 00:28:27,360
گزارش خلاصه تغییر
774
00:28:27,360 –> 00:28:30,240
و ببینید که ما میتوانیم آن را محدود کنیم تا فقط
775
00:28:30,240 –> 00:28:32,559
بخشی از سازمان خود را بگوییم یا حتی به
776
00:28:32,559 –> 00:28:35,120
یک پزشک خاص، اما آن را
777
00:28:35,120 –> 00:28:36,159
برای همه اجرا
778
00:28:36,159 –> 00:28:38,320
میکنیم و به هزینههای 30 روز گذشته نگاه میکنیم
779
00:28:38,320 –> 00:28:39,840
780
00:28:39,840 –> 00:28:42,399
یا میدانید صورتحساب هایی که از در
781
00:28:42,399 –> 00:28:44,640
خارج می شوند تا توسط یک کمبینا پرداخت شود
782
00:28:44,640 –> 00:28:46,320
از بیمار و شرکت بیمه
783
00:28:46,320 –> 00:28:48,000
784
00:28:48,000 –> 00:28:50,799
آنها گزارش میدهیم که مدیران کلینیک ما
785
00:28:50,799 –> 00:28:53,520
را اجرا کردهاند
786
00:28:53,520 –> 00:28:55,600
و
787
00:28:55,600 –> 00:28:58,320
برای هزینههای دیروز به این نوار آبی سمت راست نگاه
788
00:28:58,320 –> 00:29:01,600
میکنند و میگویند وای ما
789
00:29:01,600 –> 00:29:04,720
بین سهشنبه و چهارشنبه افت شدیدی
790
00:29:04,720 –> 00:29:06,640
داشتیم، باید یک وضعیت واقعی داشته باشیم. مشکل شاید
791
00:29:06,640 –> 00:29:09,039
هزینه های ما از در خارج نمی شود
792
00:29:09,039 –> 00:29:11,279
شاید ما نیستیم شما می دانید که
793
00:29:11,279 –> 00:29:12,559
پولی را که فکر می کنیم به دست می آوریم به دست خواهید آورد
794
00:29:12,559 –> 00:29:13,440
،
795
00:29:13,440 –> 00:29:15,919
بنابراین یک وحشت بزرگ وجود دارد، می دانید که آنها
796
00:29:15,919 –> 00:29:17,919
فوراً با من تماس می گیرند یا یک
797
00:29:17,919 –> 00:29:20,080
انتقاد جدی انجام می دهند به این بلیط کمک کنید
798
00:29:20,080 –> 00:29:23,279
اما واقعاً مشکلی در اینجا وجود ندارد
799
00:29:23,279 –> 00:29:25,840
، می دانم که چون
800
00:29:25,840 –> 00:29:28,080
180 روز گذشته را با شارژ به
801
00:29:28,080 –> 00:29:28,799
پایتون
802
00:29:28,799 –> 00:29:30,640
آورده ام و یک هیستوگرام سریع با چند
803
00:29:30,640 –> 00:29:32,399
خط کد انجام داده ام
804
00:29:32,399 –> 00:29:35,600
و بنابراین می بینم که هزینه های تاریخی ما
805
00:29:35,600 –> 00:29:38,000
مطابق با طلسم هستند. منحنی که ممکن است با آن آشنا باشیم
806
00:29:38,000 –> 00:29:39,120
807
00:29:39,120 –> 00:29:40,799
یا احتمالاً به آن توزیع نرمال می گویند که
808
00:29:40,799 –> 00:29:42,720
809
00:29:42,720 –> 00:29:45,279
من در حال بررسی آن هستم، می توانم چند چیز را استنباط کنم
810
00:29:45,279 –> 00:29:46,240
،
811
00:29:46,240 –> 00:29:48,399
بنابراین یکی از آنها یک منحنی معمولی است که فقط با
812
00:29:48,399 –> 00:29:50,559
یک قوز وجود دارد،
813
00:29:50,559 –> 00:29:52,880
بنابراین واقعاً فقط یک تغییر معمولی روزانه است.
814
00:29:52,880 –> 00:29:53,679
815
00:29:53,679 –> 00:29:55,679
در مورد دیوانگی نیست،
816
00:29:55,679 –> 00:29:57,600
چیزهای وحشی زیادی اتفاق نمیافتد، فقط
817
00:29:57,600 –> 00:30:02,480
تغییرات مورد انتظار معمولی و عادی است
818
00:30:02,480 –> 00:30:04,559
و همچنین میتوانم مقداری از آن ریاضیاتی را که
819
00:30:04,559 –> 00:30:05,840
به شما
820
00:30:05,840 –> 00:30:08,080
هشدار دادم، همچنین میتوانم بزرگی آن تغییر را استنتاج کنم،
821
00:30:08,080 –> 00:30:09,520
822
00:30:09,520 –> 00:30:11,679
بنابراین بیایید بگوییم که به مثال
823
00:30:11,679 –> 00:30:13,279
در در پایین سمت چپ در اینجا
824
00:30:13,279 –> 00:30:15,520
نود و پنج درصد از دادههای ما زمانی
825
00:30:15,520 –> 00:30:17,840
که با توزیع نرمال
826
00:30:17,840 –> 00:30:20,880
مطابق با دو و منهای دو
827
00:30:20,880 –> 00:30:24,159
انحراف استاندارد از میانگین مطابقت دارد
828
00:30:24,159 –> 00:30:26,799
و متقارن است، بنابراین پنج درصدی
829
00:30:26,799 –> 00:30:28,000
که مطابقت
830
00:30:28,000 –> 00:30:30,000
ندارد دو و نیم درصد بالای دو و
831
00:30:30,000 –> 00:30:31,520
یک است. نیم درصد پایین تر
832
00:30:31,520 –> 00:30:34,320
یا یک روز
833
00:30:35,039 –> 00:30:38,960
ببخشید یا یک روز از 40.
834
00:30:40,080 –> 00:30:42,640
بنابراین کاری که می توانم انجام دهم می توانم
835
00:30:42,640 –> 00:30:45,279
در آن نقاط چند خط روی نمودار میله ای خود قرار دهم،
836
00:30:45,279 –> 00:30:46,720
بنابراین این تکنیکی از روزهای تولید قدیمی من است
837
00:30:46,720 –> 00:30:49,679
که به آن خطوط کنترل می گویند
838
00:30:49,679 –> 00:30:51,440
تا بتوانیم آنها را روی آنها قرار دهیم. در آنجا و سپس
839
00:30:51,440 –> 00:30:53,120
مدیران کلینیک ما میتوانند
840
00:30:53,120 –> 00:30:55,520
ببینند که میتوانند بخوانند مقدار بین
841
00:30:55,520 –> 00:30:56,320
آن خطوط است،
842
00:30:56,320 –> 00:31:00,320
بله، خوب ما اکنون میرویم،
843
00:31:00,320 –> 00:31:03,600
من میتوانم در اینجا واقعاً مشکل پیدا کنم، اما
844
00:31:03,600 –> 00:31:05,279
اجازه دهید فقط به
845
00:31:05,279 –> 00:31:08,159
مثبت یا منفی دو انحراف استاندارد
846
00:31:08,159 –> 00:31:10,480
برای این آزمایش پایبند باشیم.
847
00:31:10,480 –> 00:31:12,399
خوب، پس اکنون تنها کاری که باید انجام دهم این است که
848
00:31:12,399 –> 00:31:13,519
این پسر بد را در t
849
00:31:13,519 –> 00:31:17,360
sql کدنویسی کنم، بسیار افتضاح به نظر می رسد.
850
00:31:17,360 –> 00:31:19,279
851
00:31:19,279 –> 00:31:20,640
852
00:31:20,640 –> 00:31:24,320
853
00:31:24,320 –> 00:31:28,960
854
00:31:28,960 –> 00:31:33,840
پنجرههای من را جابهجا
855
00:31:34,640 –> 00:31:37,760
کنید، بنابراین در اینجا کمی زمینه وجود دارد و
856
00:31:37,760 –> 00:31:39,200
ما داریم این
857
00:31:39,200 –> 00:31:42,399
روش موجود است که به ما
858
00:31:42,399 –> 00:31:44,240
امکان میدهد دادههای گزارش را همانطور که
859
00:31:44,240 –> 00:31:44,799
هست برگردانیم،
860
00:31:44,799 –> 00:31:47,200
بنابراین ما چهار پارامتری را داریم
861
00:31:47,200 –> 00:31:50,320
که مطمئناً آنها را به آنها منتقل میکنید
862
00:31:50,960 –> 00:31:52,880
و این بسیار ساده است،
863
00:31:52,880 –> 00:31:54,799
فقط به جدول واقعیت در انبار داده ما می رویم
864
00:31:54,799 –> 00:31:56,320
865
00:31:56,320 –> 00:31:58,399
و یکی از معیارهای جدول واقعیت ما را خلاصه می کند
866
00:31:58,399 –> 00:32:00,399
867
00:32:00,399 –> 00:32:02,240
و سپس من به جداول ابعاد خود می
868
00:32:02,240 –> 00:32:04,000
پیوندم
869
00:32:04,000 –> 00:32:05,919
و سپس اعضای
870
00:32:05,919 –> 00:32:07,440
آن جداول ابعاد را
871
00:32:07,440 –> 00:32:09,519
بر اساس فیلتر می کنم. پارامترهایی که من وارد
872
00:32:09,519 –> 00:32:11,600
میکنم، بنابراین اگر
873
00:32:11,600 –> 00:32:14,399
گزارشی نوشتهاید یا بهویژه اگر
874
00:32:14,399 –> 00:32:15,279
گزارشی علیه
875
00:32:15,279 –> 00:32:17,120
انبار داده نوشتهاید، چیزی نوشتهاید
876
00:32:17,120 –> 00:32:20,720
که بسیار شبیه به این است،
877
00:32:20,960 –> 00:32:23,120
بنابراین من آن را ترک میکنم اما من فقط برای آوردن
878
00:32:23,120 –> 00:32:26,159
رویه دوم را در کنار آن اضافه می کنم
879
00:32:26,159 –> 00:32:29,360
آمار را به عقب برگردانید،
880
00:32:29,360 –> 00:32:32,000
بنابراین ما از سه مورد از چهار پارامتر مشابه
881
00:32:32,000 –> 00:32:33,039
استفاده خواهیم کرد،
882
00:32:33,039 –> 00:32:34,640
من از تعداد روزها برای نگاه کردن به گذشته استفاده نمی کنم
883
00:32:34,640 –> 00:32:36,080
884
00:32:36,080 –> 00:32:37,760
زیرا کاربر ممکن است این را فقط در
885
00:32:37,760 –> 00:32:39,200
ابتدا هفت روز اجرا کند
886
00:32:39,200 –> 00:32:41,519
و این داده کافی نیست تا از نظر
887
00:32:41,519 –> 00:32:43,039
آماری معنی دار
888
00:32:43,039 –> 00:32:45,440
باشد. دید خوبی به ما نمی دهد، بنابراین من می
889
00:32:45,440 –> 00:32:47,200
خواهم این را
890
00:32:47,200 –> 00:32:50,880
به همان 180 روزی که
891
00:32:50,880 –> 00:32:53,519
در هیستوگرام خود نگاه کردیم کدنویسی کنم،
892
00:32:53,519 –> 00:32:56,159
اما قسمت بعدی تقریباً مشابه است،
893
00:32:56,159 –> 00:32:57,679
ما یکی از معیارهای واقعیت خود را خلاصه می
894
00:32:57,679 –> 00:32:59,519
کنیم. جدول
895
00:32:59,519 –> 00:33:01,120
مجدداً ابعاد ما را بر اساس پارامترها میپیوندد و فیلتر میکند
896
00:33:01,120 –> 00:33:03,440
، بنابراین
897
00:33:03,440 –> 00:33:05,919
ما به دانهای که میخواهیم
898
00:33:05,919 –> 00:33:08,159
میرسیم، بنابراین یک چروک کوچک در اینجا ایجاد میکنم، بنابراین من
899
00:33:08,159 –> 00:33:10,240
این را به عنوان یک شناور در میآورم
900
00:33:10,240 –> 00:33:11,919
و برای بسیاری از ما کمی عجیب به نظر میرسد،
901
00:33:11,919 –> 00:33:14,080
اما من این کار را انجام میدهم. از
902
00:33:14,080 –> 00:33:17,919
آنجایی که پایتون sql را نمیفهمد،
903
00:33:17,919 –> 00:33:20,559
904
00:33:20,559 –> 00:33:21,440
انواع دادههای عددی با دقت ثابت را میشناسید،
905
00:33:21,440 –> 00:33:24,399
بنابراین هزینههای من یک اعشار 12 کاما 2
906
00:33:24,399 –> 00:33:25,840
در انبار داده من است،
907
00:33:25,840 –> 00:33:27,760
اما اگر آن را به پایتون بفرستم،
908
00:33:27,760 –> 00:33:29,200
909
00:33:29,200 –> 00:33:31,679
نوع دادهای را که نمیفهمد خفه میکند.
910
00:33:31,679 –> 00:33:33,440
یکی کمی طول کشید تا
911
00:33:33,440 –> 00:33:35,760
بفهمم o همچنین
912
00:33:35,760 –> 00:33:38,000
میدانید راهحل هر چقدر هم عجیب
913
00:33:38,000 –> 00:33:40,080
به نظر میرسد این است که این را در یک نوع
914
00:33:40,080 –> 00:33:42,159
دادهای که میدانید کمی دقیقتر است،
915
00:33:42,159 –> 00:33:44,720
اما این راهحلی است که پایتون
916
00:33:44,720 –> 00:33:46,960
نمیتواند آن را درک کند، بنابراین این یک مشکل دیگر است
917
00:33:46,960 –> 00:33:48,799
که احتمالاً
918
00:33:48,799 –> 00:33:51,120
میدانید برخی از آنها را میگیرد. شما را به عنوان شما به عنوان
919
00:33:51,120 –> 00:33:53,360
شما از طریق آن و توسعه این است،
920
00:33:53,360 –> 00:33:56,880
اما بنابراین من قصد دارم آن را به آنجا ریخته است در
921
00:33:56,880 –> 00:33:59,279
اینجا، من قصد دارم شما را به اطلاع شما از مجموع
922
00:33:59,279 –> 00:34:00,960
هزینه های روزانه
923
00:34:00,960 –> 00:34:03,919
من می خواهم آنها را در یک جدول زمانی قرار دهید،
924
00:34:03,919 –> 00:34:05,760
در حال حاضر این نیست کاری که من
925
00:34:05,760 –> 00:34:06,240
926
00:34:06,240 –> 00:34:08,719
در تولید انجام میدهم، این کار را فقط برای
927
00:34:08,719 –> 00:34:10,480
اهداف آزمایشی
928
00:34:10,480 –> 00:34:13,839
انجام میدهم تا متغیر جستجوی ورودی من در
929
00:34:13,839 –> 00:34:15,918
اینجا خوب و تمیز باشد و در یک
930
00:34:15,918 –> 00:34:17,199
صفحه قرار بگیرد،
931
00:34:17,199 –> 00:34:19,040
بنابراین در مرحله تولید، کاری که من انجام میدهم این است که
932
00:34:19,040 –> 00:34:20,239
در واقع این
933
00:34:20,239 –> 00:34:23,280
درخواست مثلاً 50 60 خطی را داشته باشم و
934
00:34:23,280 –> 00:34:26,159
من آن را در متغیر پرس و جوی ورودی خود قرار می دهم، اما
935
00:34:26,159 –> 00:34:27,119
می
936
00:34:27,119 –> 00:34:29,839
دانید که نشان دادن این موضوع
937
00:34:29,839 –> 00:34:30,960
در نسخه ی نمایشی
938
00:34:30,960 –> 00:34:33,199
دشوار است، بنابراین فقط می خواهم آن را در اینجا قرار دهم،
939
00:34:33,199 –> 00:34:34,399
امیدوارم شامل همه باشد.
940
00:34:34,399 –> 00:34:37,119
من در
941
00:34:37,119 –> 00:34:38,159
حال حاضر
942
00:34:38,159 –> 00:34:41,440
موقعیتی را انجام می دهم که در حال انجام آن هستم که می خواهم به
943
00:34:41,440 –> 00:34:43,599
یک کوو اشاره کنم چیزهای زیادی اینجا داریم،
944
00:34:43,599 –> 00:34:47,520
بنابراین یک چیز که ما اینجا داریم این است که
945
00:34:47,520 –> 00:34:49,440
بله، ما شنبه ها و یکشنبه ها را فیلتر می کنیم،
946
00:34:49,440 –> 00:34:51,919
947
00:34:52,239 –> 00:34:54,560
خب چرا اینقدر خوب کار می کنیم، این
948
00:34:54,560 –> 00:34:56,239
کار را انجام می دهیم، زیرا من به شما
949
00:34:56,239 –> 00:34:58,079
کمی دروغ سفید
950
00:34:58,079 –> 00:35:00,880
گفتم، گفتم این من بود بیمارستان تخیلی
951
00:35:00,880 –> 00:35:03,119
اما واقعاً کلینیک سرپایی خیالی من
952
00:35:03,119 –> 00:35:03,760
953
00:35:03,760 –> 00:35:06,960
یا یک کلینیک سرپایی است، اما می دانید
954
00:35:06,960 –> 00:35:08,000
که به نظر
955
00:35:08,000 –> 00:35:10,640
خوب نیست و من نتوانستم آن را
956
00:35:10,640 –> 00:35:12,640
به خوبی در اسلاید قرار دهم،
957
00:35:12,640 –> 00:35:15,200
اما چون ما یک کلینیک سرپایی هستیم،
958
00:35:15,200 –> 00:35:16,960
می دانید که تعطیل شده ایم. یکشنبهها
959
00:35:16,960 –> 00:35:20,240
این شکافهای بین این میلهها
960
00:35:20,240 –> 00:35:22,480
و میلههای بسیار کوچک است که
961
00:35:22,480 –> 00:35:23,359
شنبه
962
00:35:23,359 –> 00:35:25,680
ماست، تنها چیزی که ما باز
963
00:35:25,680 –> 00:35:27,280
داریم مراقبت از ما است،
964
00:35:27,280 –> 00:35:29,599
بنابراین اگر آن دادهها را آنجا بگذارم،
965
00:35:29,599 –> 00:35:30,560
میانگین
966
00:35:30,560 –> 00:35:33,359
ما دقیقاً از اینجا
967
00:35:33,359 –> 00:35:34,960
خواهد بود و عالی خواهد بود. ما در 100 کار بالاتر از میانگین هستیم،
968
00:35:34,960 –> 00:35:35,760
969
00:35:35,760 –> 00:35:38,880
اوه خوب،
970
00:35:38,880 –> 00:35:40,720
بنابراین می دانید که