اپلیکیشن اندرویدی فلش‌کارت آموزشی تسلط بر پایتون با ۱۰۰ پروژه عملی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تسلط بر پایتون با ۱۰۰ پروژه عملی

موضوع کلی: برنامه‌نویسی

موضوع میانی: یادگیری ماشین و توسعهٔ نرم‌افزار

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پایتون و نصب محیط توسعه
• 2. متغیرها، انواع داده‌ها و عملگرها
• 3. ساختارهای کنترلی: شرطی‌ها و حلقه‌ها
• 4. توابع: تعریف، فراخوانی و پارامترها
• 5. کار با لیست‌ها و تاپل‌ها
• 6. دیکشنری‌ها و مجموعه‌ها
• 7. ورودی و خروجی فایل‌ها
• 8. مدیریت خطا و استثناها
• 9. برنامه‌نویسی شیءگرا (OOP) در پایتون: کلاس‌ها و اشیاء
• 10. وراثت و چندریختی
• 11. ماژول‌ها و پکیج‌ها
• 12. کار با ماژول‌های استاندارد پایتون
• 13. آشنایی با کتابخانه‌های محبوب پایتون: NumPy
• 14. آشنایی با کتابخانه‌های محبوب پایتون: Pandas
• 15. آشنایی با کتابخانه‌های محبوب پایتون: Matplotlib
• 16. آشنایی با کتابخانه‌های محبوب پایتون: Seaborn
• 17. تحلیل داده‌ها با Pandas: پاکسازی و آماده‌سازی داده‌ها
• 18. تحلیل داده‌ها با Pandas: دستکاری و تغییر شکل داده‌ها
• 19. تحلیل داده‌ها با Pandas: تجمیع و گروه‌بندی داده‌ها
• 20. تصویرسازی داده‌ها با Matplotlib: نمودارهای خطی و پراکندگی
• 21. تصویرسازی داده‌ها با Matplotlib: نمودارهای میله‌ای و هیستوگرام
• 22. تصویرسازی داده‌ها با Seaborn: نمودارهای توزیع و رابطه‌ای
• 23. مقدمه‌ای بر یادگیری ماشین
• 24. رگرسیون خطی با Scikit-learn
• 25. رگرسیون لجستیک با Scikit-learn
• 26. دسته‌بندی داده‌ها با الگوریتم‌های مختلف
• 27. درخت‌های تصمیم‌گیری و جنگل تصادفی
• 28. ماشین‌های بردار پشتیبان (SVM)
• 29. خوشه‌بندی داده‌ها با K-Means
• 30. ارزیابی مدل‌های یادگیری ماشین
• 31. انتخاب ویژگی و کاهش ابعاد
• 32. پیش‌پردازش داده‌ها برای مدل‌های یادگیری ماشین
• 33. ساخت یک وب‌اپلیکیشن ساده با Flask
• 34. ساخت یک وب‌اپلیکیشن با Django: مقدمه و تنظیمات
• 35. مدیریت پایگاه داده با Django: مدل‌ها و مهاجرت‌ها
• 36. نمایش داده‌ها در Django: Viewها و Templateها
• 37. کار با فرم‌ها در Django
• 38. احراز هویت و مدیریت کاربران در Django
• 39. API نویسی با Flask
• 40. API نویسی با Django REST Framework
• 41. استفاده از APIهای خارجی
• 42. مقدمه‌ای بر وب اسکرپینگ با Beautiful Soup
• 43. استخراج داده‌ها از وب‌سایت‌ها
• 44. کار با داده‌های JSON و XML
• 45. کار با پایگاه داده‌های SQL
• 46. کار با پایگاه داده‌های NoSQL (MongoDB)
• 47. اتوماسیون وظایف با پایتون
• 48. پردازش تصاویر با Pillow
• 49. پردازش زبان طبیعی (NLP) با NLTK
• 50. تحلیل احساسات با پایتون
• 51. ساخت ربات تلگرامی با Python
• 52. ساخت ربات دیسکوردی با Python
• 53. کار با داده‌های بزرگ با Spark
• 54. آشنایی با Docker و Containerization
• 55. استقرار (Deployment) برنامه‌های پایتون
• 56. آشنایی با Git و کنترل نسخه
• 57. بهینه‌سازی کد پایتون برای سرعت و کارایی
• 58. تست‌نویسی با Pytest
• 59. مقدمه‌ای بر یادگیری عمیق با TensorFlow/Keras
• 60. شبکه‌های عصبی کانولوشنی (CNN)
• 61. شبکه‌های عصبی بازگشتی (RNN)
• 62. کار با کتابخانه PyTorch
• 63. ساخت یک چت‌بات ساده
• 64. ساخت یک سیستم توصیه‌گر
• 65. ساخت یک بازی ساده با Pygame