دوره مقدمه‌ای بر ریاضیات در پایتون: ابزارها و تکنیک‌ها برای حل مسائل علمی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر ریاضیات در پایتون: ابزارها و تکنیک‌ها برای حل مسائل علمی

موضوع کلی: علوم کامپیوتر و برنامه‌نویسی

موضوع میانی: برنامه‌نویسی پایتون برای محاسبات علمی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پایتون برای محاسبات علمی
• 2. نصب و راه‌اندازی محیط پایتون
• 3. آشنایی با انواع داده‌های پایه در پایتون
• 4. عملگرهای ریاضی و منطقی در پایتون
• 5. ساختارهای کنترلی: دستورات شرطی
• 6. ساختارهای کنترلی: حلقه‌های تکرار
• 7. کار با لیست‌ها و تاپل‌ها در پایتون
• 8. کار با دیکشنری‌ها و مجموعه‌ها در پایتون
• 9. تابع‌نویسی در پایتون
• 10. مفاهیم شی‌گرایی در پایتون
• 11. مدیریت خطا و استثناء در پایتون
• 12. کار با فایل‌ها در پایتون
• 13. مقدمه‌ای بر کتابخانه NumPy
• 14. آرایه‌های NumPy: ایجاد و دستکاری
• 15. عملیات برداری در NumPy
• 16. توابع ریاضی NumPy
• 17. مقدمه‌ای بر کتابخانه SciPy
• 18. بهینه‌سازی در SciPy
• 19. حل معادلات دیفرانسیل در SciPy
• 20. جبر خطی با SciPy
• 21. تحلیل فوریه با SciPy
• 22. مقدمه‌ای بر کتابخانه Matplotlib
• 23. رسم نمودارهای خطی و پراکندگی
• 24. رسم هیستوگرام و نمودارهای میله‌ای
• 25. سفارشی‌سازی نمودارها در Matplotlib
• 26. مقدمه‌ای بر کتابخانه Pandas
• 27. ساخت و دستکاری DataFrame
• 28. خواندن و نوشتن داده‌ها با Pandas
• 29. عملیات روی ستون‌ها و ردیف‌ها در Pandas
• 30. گروه‌بندی و تجمیع داده‌ها با Pandas
• 31. حل مسائل مقدماتی جبر با پایتون
• 32. حل مسائل مقدماتی مثلثات با پایتون
• 33. حل مسائل مقدماتی حسابان با پایتون
• 34. محاسبات عددی در پایتون
• 35. تقریب توابع با استفاده از پایتون
• 36. حل دستگاه معادلات خطی با پایتون
• 37. حل معادلات غیرخطی با پایتون
• 38. مقدمه‌ای بر مفاهیم آمار توصیفی
• 39. محاسبه میانگین، میانه و مد با پایتون
• 40. محاسبه واریانس و انحراف معیار با پایتون
• 41. کار با توزیع‌های آماری در پایتون
• 42. مقدمه‌ای بر احتمال
• 43. محاسبه احتمالات پایه با پایتون
• 44. آزمون فرض آماری با پایتون
• 45. رگرسیون خطی ساده با پایتون
• 46. رگرسیون چندگانه با پایتون
• 47. تحلیل سری‌های زمانی با پایتون
• 48. مقدمه‌ای بر پردازش سیگنال
• 49. فیلتر کردن سیگنال‌ها با پایتون
• 50. تحلیل طیفی سیگنال‌ها با پایتون
• 51. مقدمه‌ای بر یادگیری ماشین
• 52. رگرسیون لجستیک با پایتون
• 53. ماشین بردار پشتیبان (SVM) با پایتون
• 54. درخت تصمیم با پایتون
• 55. جنگل تصادفی با پایتون
• 56. خوشه‌بندی K-Means با پایتون
• 57. مقدمه‌ای بر شبکه‌های عصبی
• 58. شبکه‌های عصبی پرسپترون چندلایه با پایتون
• 59. شبکه‌های عصبی کانولوشنی (CNN) با پایتون
• 60. شبکه‌های عصبی بازگشتی (RNN) با پایتون
• 61. مقدمه‌ای بر پردازش تصویر
• 62. عملیات پایه بر روی تصاویر با پایتون
• 63. فیلتر کردن تصاویر با پایتون
• 64. تشخیص لبه در تصاویر با پایتون
• 65. تشخیص الگو در تصاویر با پایتون
• 66. مقدمه‌ای بر محاسبات توزیع‌شده
• 67. مفاهیم موازی‌سازی در پایتون
• 68. کار با کتابخانه multiprocessing
• 69. مقدمه‌ای بر محاسبات با GPU
• 70. مقدمه‌ای بر دینامیک سیالات محاسباتی (CFD)
• 71. حل معادلات ناویه-استوکس ساده
• 72. مقدمه‌ای بر تحلیل اجزای محدود (FEM)
• 73. حل معادلات الاستیسیته با FEM
• 74. مقدمه‌ای بر بهینه‌سازی سراسری
• 75. الگوریتم‌های ژنتیک با پایتون
• 76. بهینه‌سازی ازدحام ذرات با پایتون
• 77. مقدمه‌ای بر شبیه‌سازی مونت کارلو
• 78. شبیه‌سازی مونت کارلو برای انتگرال‌گیری
• 79. شبیه‌سازی مونت کارلو برای مسائل آماری
• 80. کار با داده‌های بزرگ در پایتون
• 81. مقدمه‌ای بر پایگاه‌های داده رابطه‌ای
• 82. کار با SQLite در پایتون
• 83. مقدمه‌ای بر پایگاه‌های داده NoSQL
• 84. مقدمه‌ای بر علم داده
• 85. چرخه حیات علم داده
• 86. مرحله آماده‌سازی و پاکسازی داده‌ها
• 87. مرحله مهندسی ویژگی
• 88. مرحله مدل‌سازی
• 89. مرحله ارزیابی مدل
• 90. مرحله استقرار مدل
• 91. مقدمه‌ای بر اخلاق در علم داده
• 92. امنیت داده‌ها و حریم خصوصی
• 93. کاربرد پایتون در تحقیقات دانشگاهی
• 94. کاربرد پایتون در صنعت
• 95. پروژه‌های عملی در محاسبات علمی