دوره آموزش جامع پایتون برای توسعه نرم‌افزار و تحلیل داده همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع پایتون برای توسعه نرم‌افزار و تحلیل داده

موضوع کلی: علوم کامپیوتر و برنامه‌نویسی

موضوع میانی: برنامه‌نویسی شیءگرا و کاربردی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پایتون و کاربردهای آن
• 2. نصب و راه‌اندازی محیط توسعه پایتون
• 3. انواع داده‌های پایه در پایتون
• 4. متغیرها و عملگرها
• 5. دستورات شرطی و حلقه‌ها
• 6. توابع در پایتون
• 7. ساختارهای داده: لیست‌ها
• 8. ساختارهای داده: تاپل‌ها
• 9. ساختارهای داده: مجموعه‌ها
• 10. ساختارهای داده: دیکشنری‌ها
• 11. کار با رشته‌ها
• 12. مدیریت خطاها و استثناها
• 13. ورودی و خروجی فایل
• 14. ماژول‌ها و پکیج‌ها در پایتون
• 15. مقدمه‌ای بر برنامه‌نویسی شیءگرا
• 16. مفاهیم کلاس و شیء
• 17. وراثت در پایتون
• 18. چندریختی در پایتون
• 19. کپسوله‌سازی در پایتون
• 20. متدهای ویژه در کلاس‌ها
• 21. تزئین‌کننده‌ها (Decorators)
• 22. مولدها (Generators)
• 23. عبارات مولد (Generator Expressions)
• 24. کار با تاریخ و زمان
• 25. عبارات منظم (Regular Expressions)
• 26. مقدمه‌ای بر تحلیل داده با پایتون
• 27. نصب و آشنایی با کتابخانه NumPy
• 28. عملیات پایه با آرایه‌های NumPy
• 29. عملیات ریاضی و آماری با NumPy
• 30. ایندکس‌گذاری و برش در آرایه‌های NumPy
• 31. تغییر شکل و ترکیب آرایه‌ها
• 32. مقدمه‌ای بر کتابخانه Pandas
• 33. ساخت DataFrame و Series
• 34. عملیات پایه با DataFrame
• 35. دسترسی به داده‌ها در DataFrame
• 36. فیلتر کردن و مرتب‌سازی داده‌ها
• 37. گروه‌بندی و تجمیع داده‌ها
• 38. ادغام و پیوستن DataFrame ها
• 39. مدیریت داده‌های گمشده
• 40. کار با داده‌های متنی در Pandas
• 41. کار با داده‌های زمانی در Pandas
• 42. مقدمه‌ای بر بصری‌سازی داده‌ها
• 43. نصب و آشنایی با کتابخانه Matplotlib
• 44. رسم نمودارهای خطی
• 45. رسم نمودارهای میله‌ای
• 46. رسم نمودارهای پراکندگی
• 47. رسم نمودارهای دایره‌ای
• 48. تنظیمات پیشرفته نمودارها
• 49. مقدمه‌ای بر کتابخانه Seaborn
• 50. نمودارهای آماری با Seaborn
• 51. نقشه‌های حرارتی (Heatmaps)
• 52. نمودارهای توزیع
• 53. نمودارهای رابطه‌ای
• 54. مقدمه‌ای بر توسعه وب با پایتون
• 55. آشنایی با فریم‌ورک Flask
• 56. ساخت یک اپلیکیشن ساده با Flask
• 57. مسیرها (Routes) و قالب‌ها (Templates)
• 58. فرم‌ها و ارسال داده‌ها
• 59. کار با پایگاه داده در Flask
• 60. مقدمه‌ای بر پایگاه داده SQLite
• 61. کار با پایگاه داده PostgreSQL
• 62. مقدمه‌ای بر فریم‌ورک Django
• 63. ساخت یک اپلیکیشن ساده با Django
• 64. مدل‌ها و migration ها در Django
• 65. نماها (Views) و URL ها در Django
• 66. قالب‌ها (Templates) در Django
• 67. فرم‌ها در Django
• 68. مدیریت کاربران در Django
• 69. مقدمه‌ای بر یادگیری ماشین
• 70. انواع یادگیری ماشین
• 71. مقدمه‌ای بر کتابخانه Scikit-learn
• 72. پیش‌پردازش داده‌ها
• 73. تقسیم داده‌ها به مجموعه‌های آموزشی و آزمایشی
• 74. مدل‌های رگرسیون خطی
• 75. مدل‌های رگرسیون لجستیک
• 76. مدل‌های درخت تصمیم
• 77. مدل‌های ماشین بردار پشتیبان (SVM)
• 78. مدل‌های خوشه‌بندی (K-Means)
• 79. ارزیابی مدل‌های یادگیری ماشین
• 80. مقدمه‌ای بر یادگیری عمیق
• 81. مقدمه‌ای بر کتابخانه TensorFlow
• 82. مقدمه‌ای بر کتابخانه Keras
• 83. ساخت شبکه‌های عصبی ساده
• 84. شبکه‌های عصبی کانولوشنی (CNN)
• 85. شبکه‌های عصبی بازگشتی (RNN)
• 86. کاربرد پایتون در اتوماسیون اداری
• 87. استفاده از پایتون برای کار با فایل‌های Excel
• 88. کار با فایل‌های PDF با پایتون
• 89. کار با فایل‌های Word با پایتون
• 90. مقدمه‌ای بر توسعه ابزارهای خط فرمان
• 91. ساخت اسکریپت‌های مفید با پایتون
• 92. مقدمه‌ای بر امنیت در برنامه‌نویسی
• 93. اصول کدنویسی امن
• 94. مدیریت منابع سیستم با پایتون
• 95. بررسی و تحلیل عملکرد برنامه‌ها
• 96. بهینه‌سازی کد پایتون
• 97. کار با API ها در پایتون
• 98. انتشار و توزیع بسته‌های پایتون
• 99. مقدمه‌ای بر مفاهیم پیشرفته پایتون
• 100. برنامه‌نویسی ناهمگام (Asynchronous Programming)