دوره مرجع جامع و کاربردی پایتون: از اصول تا پیشرفته با David M. Beazley همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مرجع جامع و کاربردی پایتون: از اصول تا پیشرفته با David M. Beazley

موضوع کلی: برنامه نویسی و توسعه نرم افزار

موضوع میانی: زبان برنامه نویسی پایتون

📋 سرفصل‌های دوره

• 1. مبانی پایتون: شروع کار
• 2. نصب و راه‌اندازی پایتون
• 3. مترجم پایتون و اجرای کد
• 4. ساختار کلی برنامه‌های پایتون
• 5. انواع داده‌های اولیه: اعداد، رشته‌ها و بولی
• 6. عملگرها و عبارات در پایتون
• 7. متغیرها و نام‌گذاری
• 8. ورودی و خروجی در پایتون
• 9. ساختارهای کنترلی: if, elif, else
• 10. حلقه‌ها: for و while
• 11. توابع: تعریف و استفاده
• 12. ماژول‌ها و بسته‌ها در پایتون
• 13. مدیریت خطا: try, except, finally
• 14. کار با فایل‌ها: خواندن و نوشتن
• 15. ساختارهای داده‌ای: لیست‌ها، تاپل‌ها و دیکشنری‌ها
• 16. لیست‌ها: متدها و عملیات
• 17. تاپل‌ها: خصوصیات و کاربردها
• 18. دیکشنری‌ها: کلیدها، مقادیر و متدها
• 19. مجموعه‌ها: ایجاد و استفاده
• 20. درک مفهوم شیءگرایی (OOP) در پایتون
• 21. کلاس‌ها و اشیاء: تعریف و ایجاد
• 22. ویژگی‌ها و متدهای کلاس
• 23. وراثت در پایتون
• 24. چندریختی (Polymorphism) در پایتون
• 25. کپسوله سازی (Encapsulation) در پایتون
• 26. مدیریت حافظه و زباله‌روبی (Garbage Collection)
• 27. توابع لامبدا و عبارات lambda
• 28. کار با ماژول‌های استاندارد پایتون: os
• 29. کار با ماژول‌های استاندارد پایتون: sys
• 30. کار با ماژول‌های استاندارد پایتون: datetime
• 31. کار با ماژول‌های استاندارد پایتون: math
• 32. کار با ماژول‌های استاندارد پایتون: random
• 33. کار با ماژول‌های استاندارد پایتون: json
• 34. عبارات منظم (Regular Expressions) با ماژول re
• 35. استفاده از کتابخانه requests برای درخواست‌های HTTP
• 36. نصب و مدیریت بسته‌ها با pip
• 37. محیط‌های مجازی (Virtual Environments) در پایتون
• 38. کار با داده‌های JSON
• 39. کار با داده‌های CSV
• 40. داده‌پردازی با کتابخانه pandas: مقدمه
• 41. انتخاب و فیلتر کردن داده‌ها با pandas
• 42. عملیات بر روی داده‌ها با pandas
• 43. نمودارسازی داده‌ها با matplotlib
• 44. واسط‌های کاربری گرافیکی (GUI) با Tkinter
• 45. برنامه‌نویسی چند رشته‌ای (Multithreading) در پایتون
• 46. برنامه‌نویسی چند فرآیندی (Multiprocessing) در پایتون
• 47. مدیریت منابع و قفل‌ها در برنامه‌های چندرشته‌ای
• 48. آشنایی با async/await و برنامه‌نویسی asynchronous
• 49. کار با دیتابیس‌ها با پایتون: SQLite
• 50. اتصال به دیتابیس‌ها با کتابخانه‌های مختلف
• 51. SQL و دستورات پایه
• 52. طراحی وب با فریمورک Flask: مقدمه
• 53. مسیردهی (Routing) در Flask
• 54. قالب‌بندی (Templating) در Flask
• 55. ارسال فرم‌ها و دریافت داده‌ها در Flask
• 56. مدیریت جلسات (Sessions) در Flask
• 57. دسترسی به پایگاه داده در Flask
• 58. طراحی وب با فریمورک Django: مقدمه
• 59. مدل‌ها (Models) در Django
• 60. مدیریت (Admin) در Django
• 61. مسیردهی (URL mapping) در Django
• 62. قالب‌بندی (Templates) در Django
• 63. فرم‌ها (Forms) در Django
• 64. پردازش درخواست‌های AJAX
• 65. آزمون واحد (Unit Testing) در پایتون
• 66. استفاده از کتابخانه unittest
• 67. آزمون یکپارچه‌سازی (Integration Testing)
• 68. آزمون‌های پیشرفته با pytest
• 69. دیباگ کردن (Debugging) کدهای پایتون
• 70. استفاده از ابزار debugger در پایتون
• 71. بهینه‌سازی عملکرد (Performance Optimization)
• 72. پروفایلینگ (Profiling) کد پایتون
• 73. فشرده‌سازی و بایگانی داده‌ها
• 74. کار با پروتکل‌های شبکه
• 75. سوکت برنامه‌نویسی (Socket Programming)
• 76. استفاده از کتابخانه asyncio برای کار با سوکت‌ها
• 77. پروتکل‌های اینترنت: HTTP, TCP/IP
• 78. پیاده‌سازی یک کلاینت و سرور ساده
• 79. اصول طراحی API
• 80. ساخت API با فریمورک Flask
• 81. ساخت API با فریمورک Django REST Framework
• 82. مدیریت پیکربندی (Configuration) در پایتون
• 83. استفاده از کتابخانه‌های لاگ‌گیری (Logging)
• 84. مستندسازی کد پایتون
• 85. تولید مستندات خودکار با Sphinx
• 86. اصول برنامه نویسی تمیز (Clean Code)
• 87. الگوهای طراحی (Design Patterns)
• 88. کار با انواع رمزنگاری
• 89. امنیت در برنامه‌های پایتون
• 90. توسعه نرم‌افزار متن‌باز (Open Source)
• 91. مدیریت نسخه با Git
• 92. استفاده از GitHub
• 93. ساخت فایل‌های setup.py و انتشار بسته‌ها
• 94. کار با C extensions در پایتون
• 95. استفاده از کتابخانه NumPy برای محاسبات عددی
• 96. آرایه‌ها و عملیات برداری در NumPy
• 97. کاربرد NumPy در علم داده
• 98. مقدمه‌ای بر کتابخانه SciPy
• 99. پردازش تصویر با کتابخانه Pillow
• 100. مقدمه‌ای بر یادگیری ماشینی با scikit-learn