کتاب پایتون از صفر تا صد: ساخت پروژه‌های کاربردی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پایتون از صفر تا صد: ساخت پروژه‌های کاربردی

موضوع کلی: علوم کامپیوتر و برنامه‌نویسی

موضوع میانی: برنامه‌نویسی پایتون

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر دنیای پایتون
• 2. چرا پایتون؟ مزایا و کاربردها
• 3. نصب و راه‌اندازی محیط پایتون
• 4. اولین برنامه: سلام دنیا!
• 5. متغیرها و انواع داده در پایتون
• 6. عملگرها: ریاضی، منطقی و مقایسه‌ای
• 7. ساختارهای شرطی: if, elif, else
• 8. حلقه‌ها: for و while
• 9. لیست‌ها: ایجاد، دسترسی و عملیات
• 10. تاپل‌ها: ساختار داده‌ای تغییرناپذیر
• 11. دیکشنری‌ها: کلید-مقدار در پایتون
• 12. مجموعه‌ها (Sets): ویژگی‌ها و کاربردها
• 13. رشته‌ها: کار با متن در پایتون
• 14. توابع: تعریف و فراخوانی
• 15. مدیریت خطا و استثنا (Exception Handling)
• 16. کار با فایل‌ها: خواندن و نوشتن
• 17. ماژول‌ها و بسته‌ها (Modules and Packages)
• 18. مقدمه‌ای بر برنامه‌نویسی شیءگرا (OOP)
• 19. کلاس‌ها و اشیاء در پایتون
• 20. وراثت در برنامه‌نویسی شیءگرا
• 21. چندریختی (Polymorphism)
• 22. مقدمه‌ای بر کتابخانه‌های استاندارد پایتون
• 23. کار با تاریخ و زمان
• 24. کار با عبارات باقاعده (Regular Expressions)
• 25. مقدمه‌ای بر کتابخانه‌های علمی پایتون
• 26. NumPy: محاسبات عددی پیشرفته
• 27. Pandas: تحلیل و دستکاری داده
• 28. Matplotlib: ترسیم نمودارها
• 29. Seaborn: بصری‌سازی داده‌های آماری
• 30. مقدمه‌ای بر توسعه وب با پایتون
• 31. فریم‌ورک Flask: ساخت برنامه‌های وب سبک
• 32. ساخت API با Flask
• 33. مقدمه‌ای بر پایگاه‌های داده
• 34. کار با SQLite در پایتون
• 35. مقدمه‌ای بر SQL
• 36. ORM (Object-Relational Mapping)
• 37. SQLAlchemy: اتصال پایتون به پایگاه داده
• 38. پروژه اول: ساخت یک ماشین حساب ساده
• 39. پروژه دوم: ساخت یک بازی حدس عدد
• 40. پروژه سوم: مدیریت وظایف ساده (To-Do List)
• 41. پروژه چهارم: تحلیل داده‌های آب و هوا
• 42. پروژه پنجم: ساخت یک وبلاگ ساده با Flask
• 43. مقدمه‌ای بر مباحث پیشرفته پایتون
• 44. تولیدکننده‌ها (Generators)
• 45. دکوراتورها (Decorators)
• 46. کار با لیست کمپرهنشن‌ها (List Comprehensions)
• 47. کار با دیکشنری کمپرهنشن‌ها
• 48. مقدمه‌ای بر تست‌نویسی (Testing)
• 49. Unit Testing در پایتون
• 50. Mocking و Patching
• 51. مقدمه‌ای بر برنامه‌نویسی همروند (Concurrency)
• 52. Multithreading در پایتون
• 53. Multiprocessing در پایتون
• 54. مقدمه‌ای بر Async IO
• 55. Async/Await در پایتون
• 56. کار با کتابخانه‌های پیشرفته‌تر
• 57. Requests: ارسال درخواست‌های HTTP
• 58. BeautifulSoup: استخراج داده از HTML
• 59. Scrapy: فریم‌ورک خزش وب (Web Scraping)
• 60. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
• 61. NumPy و Pandas برای علم داده
• 62. یادگیری ماشین با Scikit-learn
• 63. آموزش مدل‌های رگرسیون
• 64. آموزش مدل‌های طبقه‌بندی
• 65. مقدمه‌ای بر شبکه‌های عصبی
• 66. TensorFlow و Keras
• 67. ساخت یک مدل تشخیص تصویر ساده
• 68. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 69. NLTK و SpaCy
• 70. تحلیل احساسات با پایتون
• 71. مقدمه‌ای بر امنیت در برنامه‌نویسی
• 72. اصول اولیه کدنویسی امن
• 73. جلوگیری از حملات رایج (SQL Injection, XSS)
• 74. مدیریت رمزهای عبور
• 75. مقدمه‌ای بر توسعه نرم‌افزار چابک (Agile)
• 76. نقش برنامه‌نویس در تیم
• 77. مستندسازی کد
• 78. مقدمه‌ای بر Git و GitHub
• 79. کنترل نسخه با Git
• 80. همکاری تیمی با GitHub
• 81. پروژه ششم: ساخت یک API برای مدیریت کتابخانه
• 82. پروژه هفتم: تحلیل داده‌های فروشگاه آنلاین
• 83. پروژه هشتم: ساخت یک ربات تلگرام ساده
• 84. پروژه نهم: ایجاد یک سیستم توصیه‌گر ساده
• 85. پروژه دهم: ساخت یک داشبورد آماری تعاملی
• 86. مباحث تکمیلی در پایتون
• 87. بهینه‌سازی کد پایتون
• 88. پروفایلینگ کد
• 89. مدیریت وابستگی‌ها با Pipenv
• 90. مقدمه‌ای بر Docker
• 91. استفاده از Docker برای محیط‌های توسعه
• 92. مقدمه‌ای بر CI/CD
• 93. اصول پیاده‌سازی CI/CD
• 94. جمع‌بندی و گام‌های بعدی در مسیر یادگیری
• 95. منابع بیشتر برای یادگیری عمیق‌تر
• 96. کاربرد پایتون در حوزه‌های نوین
• 97. پایتون و اینترنت اشیاء (IoT)
• 98. پایتون و بلاکچین
• 99. پایتون و محاسبات ابری