معرفی دوره، نگاهی به ایده‌های اصلی برای پردازش مقیاس‌پذیر با پانداس، بررسی یک نمونه رایج از پردازش غیربهینه و ایجاد انگیزه برای استفاده بهینه از پانداس

مروری بر دستورات پانداس filter, make new columns, assign و …

پردازش رشته در پانداس، کار با عبارات قاعده‌مند (Regular Expressions): وارد کردن داده در پایتون، پیش‌پردازش و پاکسازی یک داده متنی حجیم در قالب یک مینی پروژه

تلفیق Join، تجمیع Aggregating and Grouping و تغییر ساختار Reshape: رویکردهای بهینه برای اعمال روی داده‌های حجیم

تبدیل داده‌های طولی (Long Format) به داده‌های عرضی (Wide Format) برای ترسیم جداول مشاهده (Tidy Data)

ارتباط pandas و SQL،  اتصال به پایگاه‌های داده رابطه‌ای با کتابخانه sqlalchemy و پردازش نتیجه با پانداس، بهینه‌سازی پردازش با انتقال هر چه بیشتر محاسبات به پایگاه داده

روش‌های کارآمد حذف داده‌های تکراری (duplicates) و مرتب‌سازی بهینه (optimized sorting)، چندک‌بندی داده‌های حجیم با cut و qcut، انواع تغییر ساختار داده با متد transform، برقراری ارتباط بین جداول داده با متد pipe، پاکسازی زنجیره‌ای داده‌ها Method Chaining، خواندن و نوشتن بهینه داده‌ها، استفاده از numpy در حجم بالا

بررسی سقف عملکردی و محدودیت های پانداس و واکاوی دلایل آن، مقدمه ای بر پردازش موازی با چند هسته با کتابخانه polars