اپلیکیشن اندرویدی فلش‌کارت آموزشی برنامه‌نویسی با پایتون برای تحلیل داده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره برنامه‌نویسی با پایتون برای تحلیل داده

موضوع کلی: برنامه‌نویسی کامپیوترهای کلاسیک

موضوع میانی: برنامه‌نویسی مبتنی بر شخصی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر زبان برنامه‌نویسی پایتون
• 2. نصب و راه‌اندازی پایتون و محیط‌های توسعه
• 3. انواع داده‌ها و عملگرها در پایتون
• 4. متغیرها و تخصیص مقدار در پایتون
• 5. ساختارهای کنترلی: شرطی‌ها (if, elif, else)
• 6. حلقه‌ها: for و while در پایتون
• 7. توابع: تعریف و فراخوانی توابع
• 8. آرگومان‌های توابع و مقادیر بازگشتی
• 9. ماژول‌ها و کتابخانه‌های پایتون
• 10. کار با فایل‌ها در پایتون: خواندن و نوشتن
• 11. مدیریت خطاها و استثناها در پایتون
• 12. مقدمه‌ای بر ساختارهای داده‌ای
• 13. لیست‌ها در پایتون: ایجاد، دسترسی و تغییر
• 14. تاپل‌ها در پایتون: ایجاد و کاربردها
• 15. دیکشنری‌ها در پایتون: ایجاد، دسترسی و تغییر
• 16. مجموعه‌ها (Sets) در پایتون: ایجاد و عملیات
• 17. برنامه‌نویسی شیءگرا (OOP) در پایتون
• 18. کلاس‌ها و اشیاء در پایتون
• 19. وراثت در برنامه‌نویسی شیءگرا
• 20. چندریختی (Polymorphism) در پایتون
• 21. کتابخانه NumPy: آرایه‌ها و عملیات ریاضی
• 22. کتابخانه Pandas: سری‌ها و دیتافریم‌ها
• 23. خواندن داده‌ها از فایل‌های مختلف با Pandas
• 24. پاکسازی و آماده‌سازی داده‌ها با Pandas
• 25. تحلیل داده‌ها با Pandas: توصیف آمار
• 26. دستکاری و تبدیل داده‌ها در Pandas
• 27. کتابخانه Matplotlib: نمودارهای خطی و پراکندگی
• 28. کتابخانه Matplotlib: نمودارهای میله‌ای و هیستوگرام
• 29. کتابخانه Seaborn: رسم نمودارهای آماری پیشرفته
• 30. تصویرسازی داده‌های چند متغیره با Seaborn
• 31. مقدمه‌ای بر یادگیری ماشین
• 32. رگرسیون خطی ساده با استفاده از Scikit-learn
• 33. رگرسیون چندگانه با استفاده از Scikit-learn
• 34. طبقه‌بندی با استفاده از الگوریتم‌های Scikit-learn
• 35. ارزیابی مدل‌های یادگیری ماشین
• 36. انتخاب ویژگی (Feature Selection)
• 37. کاهش ابعاد (Dimensionality Reduction)
• 38. خوشه‌بندی (Clustering) داده‌ها با Scikit-learn
• 39. تحلیل سری‌های زمانی با پایتون
• 40. پیش‌بینی سری‌های زمانی
• 41. کار با داده‌های مکانی با پایتون
• 42. تحلیل شبکه‌های اجتماعی با پایتون
• 43. استقرار مدل‌های یادگیری ماشین
• 44. بهینه‌سازی کد پایتون برای تحلیل داده
• 45. مستندسازی کد پایتون