کتاب آموزش جامع پایتون برای مبتدیان به همراه پروژه‌های کاربردی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع پایتون برای مبتدیان به همراه پروژه‌های کاربردی

موضوع کلی: علوم کامپیوتر و فناوری اطلاعات

موضوع میانی: برنامه‌نویسی و توسعه نرم‌افزار

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم کامپیوتر و برنامه‌نویسی
• 2. آشنایی با زبان برنامه‌نویسی پایتون
• 3. نصب و راه‌اندازی محیط پایتون
• 4. اولین برنامه در پایتون: سلام دنیا
• 5. متغیرها و انواع داده در پایتون
• 6. عملگرهای ریاضی و منطقی
• 7. ساختارهای کنترلی: دستور شرطی if
• 8. دستورات شرطی if-elif-else
• 9. حلقه‌های تکرار: حلقه for
• 10. حلقه‌های تکرار: حلقه while
• 11. دستور break و continue در حلقه‌ها
• 12. توابع در پایتون: تعریف و فراخوانی
• 13. پارامترها و آرگومان‌های توابع
• 14. مقادیر بازگشتی توابع
• 15. محدوده (Scope) متغیرها
• 16. لیست‌ها (Lists) در پایتون
• 17. عملیات روی لیست‌ها
• 18. تاپل‌ها (Tuples) در پایتون
• 19. مجموعه‌ها (Sets) در پایتون
• 20. دیکشنری‌ها (Dictionaries) در پایتون
• 21. عملیات روی دیکشنری‌ها
• 22. رشته‌ها (Strings) در پایتون
• 23. عملیات روی رشته‌ها
• 24. کار با فایل‌ها: خواندن از فایل
• 25. کار با فایل‌ها: نوشتن در فایل
• 26. مدیریت خطا و استثنا (Exception Handling)
• 27. مفهوم شی‌گرایی (Object-Oriented Programming)
• 28. کلاس‌ها و اشیاء در پایتون
• 29. وراثت (Inheritance) در پایتون
• 30. چندریختی (Polymorphism) در پایتون
• 31. ماژول‌ها و بسته‌ها (Modules and Packages)
• 32. وارد کردن ماژول‌ها
• 33. کار با تاریخ و زمان
• 34. عبارات منظم (Regular Expressions)
• 35. مقدمه‌ای بر پایگاه داده
• 36. کار با پایگاه داده SQLite
• 37. مقدمه‌ای بر توسعه وب با پایتون
• 38. فریم‌ورک Flask برای توسعه وب
• 39. ساخت یک برنامه ساده وب با Flask
• 40. مقدمه‌ای بر علم داده
• 41. کتابخانه NumPy برای محاسبات عددی
• 42. کتابخانه Pandas برای تحلیل داده
• 43. مقدمه‌ای بر مصورسازی داده
• 44. کتابخانه Matplotlib برای رسم نمودار
• 45. کتابخانه Seaborn برای مصورسازی پیشرفته
• 46. پروژه عملی ۱: ماشین حساب ساده
• 47. پروژه عملی ۲: بازی حدس عدد
• 48. پروژه عملی ۳: مدیریت لیست وظایف
• 49. پروژه عملی ۴: تحلیل آماری یک مجموعه داده
• 50. پروژه عملی ۵: ساخت یک API ساده
• 51. مقدمه‌ای بر الگوریتم‌ها
• 52. مرتب‌سازی (Sorting) الگوریتم‌ها
• 53. جستجو (Searching) الگوریتم‌ها
• 54. پیچیدگی زمانی و مکانی الگوریتم‌ها
• 55. مقدمه‌ای بر ساختارهای داده
• 56. پشته (Stack) و صف (Queue)
• 57. درخت‌ها (Trees)
• 58. گراف‌ها (Graphs)
• 59. مقدمه‌ای بر امنیت سایبری (مفاهیم عمومی)
• 60. رمزنگاری پایه (مفاهیم)
• 61. مقدمه‌ای بر شبکه‌های کامپیوتری
• 62. پروتکل‌های رایج شبکه
• 63. مقدمه‌ای بر سیستم‌عامل‌ها
• 64. مفاهیم پایه سیستم‌عامل
• 65. مقدمه‌ای بر معماری کامپیوتر
• 66. اجزای اصلی کامپیوتر
• 67. مقدمه‌ای بر هوش مصنوعی
• 68. یادگیری ماشین (Machine Learning)
• 69. مقدمه‌ای بر یادگیری عمیق (Deep Learning)
• 70. کاربرد هوش مصنوعی در صنعت
• 71. مقدمه‌ای بر اینترنت اشیاء (IoT)
• 72. مراحل توسعه یک پروژه نرم‌افزاری
• 73. تست نرم‌افزار و اشکال‌زدایی
• 74. روش‌های توسعه چابک (Agile)
• 75. مدیریت پروژه نرم‌افزاری
• 76. مقدمه‌ای بر مفاهیم پایگاه داده رابطه‌ای
• 77. طراحی پایگاه داده
• 78. زبان SQL برای کار با پایگاه داده
• 79. مقدمه‌ای بر مفاهیم ابری (Cloud Computing)
• 80. سرویس‌های رایج ابری
• 81. مقدمه‌ای بر DevOps
• 82. ابزارهای رایج DevOps
• 83. مقدمه‌ای بر تحلیل داده‌های بزرگ (Big Data)
• 84. چارچوب‌های پردازش داده‌های بزرگ
• 85. مقدمه‌ای بر بلاکچین
• 86. کاربردهای بلاکچین
• 87. مقدمه‌ای بر واقعیت مجازی و افزوده
• 88. توسعه برنامه‌های واقعیت مجازی
• 89. مقدمه‌ای بر معماری نرم‌افزار
• 90. الگوهای طراحی نرم‌افزار (Design Patterns)
• 91. مقدمه‌ای بر مهندسی نرم‌افزار
• 92. اصول مهندسی نرم‌افزار
• 93. مقدمه‌ای بر سیستم‌های توزیع‌شده
• 94. مفاهیم کلیدی سیستم‌های توزیع‌شده
• 95. پروژه نهایی: توسعه یک برنامه کاربردی جامع
• 96. ارزیابی و بهینه‌سازی کد
• 97. مستندسازی فنی پروژه
• 98. اصول انتشار نرم‌افزار
• 99. مسیرهای یادگیری پیشرفته در پایتون