کتاب آموزش جامع زبان برنامه‌نویسی پایتون: از مبانی تا کاربردهای مهندسی و تحلیل داده با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع زبان برنامه‌نویسی پایتون: از مبانی تا کاربردهای مهندسی و تحلیل داده

موضوع کلی: علوم رایانه و فناوری اطلاعات

موضوع میانی: برنامه‌نویسی و توسعه نرم‌افزار

📋 سرفصل‌های دوره (100 موضوع)

  • 1. آشنایی با مبانی علوم رایانه و الگوریتم‌ها
  • 2. نصب و راه‌اندازی محیط توسعه پایتون
  • 3. متغیرها و انواع داده‌های پایه در پایتون
  • 4. عملگرهای ریاضی و منطقی در برنامه‌نویسی
  • 5. ساختارهای تصمیم‌گیری و دستورات شرطی
  • 6. حلقه‌های تکرار و کنترل جریان برنامه
  • 7. مدیریت خطاها و استثناها در پایتون
  • 8. توابع و روش‌های ماژولار کردن کد
  • 9. کار با رشته‌ها و پردازش متن
  • 10. مجموعه‌ها، لیست‌ها و چندتایی‌ها
  • 11. دیکشنری‌ها و نگاشت‌های داده‌ای
  • 12. کار با فایل‌ها و مدیریت جریان ورودی و خروجی
  • 13. مقدمه‌ای بر برنامه‌نویسی شیءگرا در پایتون
  • 14. مفهوم کلاس و شیء در زبان پایتون
  • 15. وراثت و چندریختی در توسعه نرم‌افزار
  • 16. مدیریت حافظه و بهینه‌سازی کد
  • 17. کار با کتابخانه‌های استاندارد پایتون
  • 18. آشنایی با محیط‌های مجازی و مدیریت بسته‌ها
  • 19. مقدمه‌ای بر تحلیل داده با کتابخانه نامپای
  • 20. ساختار داده‌های جدولی در کتابخانه پانداز
  • 21. پاک‌سازی و پیش‌پردازش داده‌های خام
  • 22. تجسم داده‌ها و ترسیم نمودارهای تحلیلی
  • 23. مبانی کار با پایگاه‌های داده رابطه‌ای و اس‌کیو‌ال
  • 24. اتصال پایتون به پایگاه داده و عملیات کوئری
  • 25. مقدمه‌ای بر طراحی رابط کاربری گرافیکی ساده
  • 26. آشنایی با اصول برنامه‌نویسی وب و فریم‌ورک‌های پایتون
  • 27. ارسال و دریافت درخواست‌های اچ‌تی‌تی‌پی
  • 28. مبانی امنیت نرم‌افزار و کدنویسی ایمن
  • 29. اصول تست‌نویسی و دیباگ کردن برنامه‌ها
  • 30. مستندسازی کد و استانداردهای نگارش
  • 31. کاربرد پایتون در اتوماسیون وظایف روزمره
  • 32. مقدمه‌ای بر مفاهیم هوش مصنوعی و یادگیری ماشین
  • 33. آشنایی با کتابخانه سای‌کیت‌لرن برای یادگیری ماشین
  • 34. مدل‌سازی و پیش‌بینی داده‌ها با پایتون
  • 35. پروژه نهایی: طراحی یک سامانه کاربردی و مهندسی
  • 36. اخلاق حرفه‌ای در مهندسی نرم‌افزار و فضای مجازی
  • 37. قوانین کپی‌رایت و حقوق مالکیت معنوی نرم‌افزار
  • 38. اصول کار تیمی و استفاده از سیستم‌های کنترل نسخه
  • 39. روش‌های حل مسئله در پروژه‌های بزرگ نرم‌افزاری
  • 40. مسیرهای شغلی و توسعه مهارت‌های تخصصی در حوزه فناوری اطلاعات
تگ‌ها: آموزش پایتون الگوریتم و پایتون برنامه‌نویسی مقدماتی تحلیل داده با پایتون توسعه نرم‌افزار زبان برنامه‌نویسی Python علوم رایانه کدنویسی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.