[فارسی]

01 مقدمه
01-01 آینده اکنون است: مقدمه ای بر هوش مصنوعی برای تجزیه و تحلیل داده ها
01-02 تعیین انتظارات

02 چگونه هوش مصنوعی تجزیه و تحلیل داده ها را متحول می کند؟
02-01 چرا هوش مصنوعی یک تغییر دهنده بازی برای تجزیه و تحلیل داده ها است
02-02 موارد استفاده هوش مصنوعی برای تجزیه و تحلیل داده ها

03 دوره تصادف در AI، LLMs، و ChatGPT
03-01 چشم انداز هوش مصنوعی
03-02 هوش مصنوعی مولد و مدل های زبان بزرگ
03-03 جاده به ChatGPT
03-04 ابزارهای مولد هوش مصنوعی
03-05 هشدار: مشکلات ChatGPT
03-06 دسترسی به ChatGPT و Google Gemini

04 نکات مهندسی سریع
04-01 مقدمه ای برای مهندسی سریع
نکته 04-02: واضح و مشخص باشید
04-03 نکته سریع: زمینه را ارائه دهید
04-04 نکته سریع: نقش ها را تعیین کنید
نکته 04-05: آهنگ را تنظیم کنید

05 ChatGPT برای پایتون
05-01 مقدمه ChatGPT برای پایتون
05-02 کد پایتون را توضیح دهید
05-03 نظرات را به کد پایتون اضافه کنید
05-04 کد پایتون را بهینه کنید
05-05 عیب یابی خطاهای پایتون
05-06 کد پایتون را از ابتدا تولید کنید
05-07 داده ها را با پایتون تجسم کنید
05-08 کتابخانه های پایتون را تحقیق کنید
05-09 داده های وب را با پایتون خراش دهید
05-10 مدل های یادگیری ماشین پایتون را تفسیر کنید
افزونه 05-11 ChatGPT برای نوت بوک های Jupyter

06 نتیجه گیری
06-01 نکات کلیدی و مراحل بعدی

[ENGLISH]

01 Introduction
01-01 The future is now: Intro to AI for data analytics
01-02 Setting expectations

02 How AI Is Revolutionizing Data Analysis
02-01 Why AI is a game changer for data analysis
02-02 AI use cases for data analytics

03 A Crash Course in AI, LLMs, and ChatGPT
03-01 The AI landscape
03-02 Generative AI and large language models
03-03 The road to ChatGPT
03-04 Generative AI tools
03-05 Warning: Pitfalls of ChatGPT
03-06 Accessing ChatGPT and Google Gemini

04 Prompt Engineering Tips
04-01 Intro to prompt engineering
04-02 Prompt tip: Be clear and specific
04-03 Prompt tip: Provide context
04-04 Prompt tip: Establish roles
04-05 Prompt tip: Set the tone

05 ChatGPT for Python
05-01 Intro to ChatGPT for Python
05-02 Explain Python code
05-03 Add comments to Python code
05-04 Optimize Python code
05-05 Troubleshoot Python errors
05-06 Generate Python code from scratch
05-07 Visualize data with Python
05-08 Research Python libraries
05-09 Scrape web data with Python
05-10 Interpret Python machine learning models
05-11 ChatGPT extension for Jupyter notebooks

06 Conclusion
06-01 Key takeaways and next steps