کتاب آموزش جامع و کاربردی زبان برنامه‌نویسی پایتون برای حل مسائل 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 و کاربردی زبان برنامه‌نویسی پایتون برای حل مسائل مهندسی و تحلیل داده

موضوع کلی: علوم رایانه و فناوری اطلاعات

موضوع میانی: برنامه‌نویسی و توسعه نرم‌افزار

📋 سرفصل‌های دوره (100 موضوع)

  • 1. مبانی و تاریخچه زبان برنامه‌نویسی پایتون
  • 2. نصب و راه‌اندازی محیط توسعه یکپارچه پایتون
  • 3. آشنایی با ساختار برنامه و دستور چاپ در پایتون
  • 4. متغیرها و انواع داده‌های پایه در پایتون
  • 5. عملگرهای ریاضی و اولویت‌های محاسباتی
  • 6. مدیریت ورودی و خروجی در برنامه‌های پایتون
  • 7. ساختارهای تصمیم‌گیری و دستورات شرطی
  • 8. حلقه‌های تکرار و مدیریت جریان اجرای برنامه
  • 9. کار با رشته‌ها و توابع پردازش متن
  • 10. لیست‌ها و مجموعه‌های داده‌ای در پایتون
  • 11. کار با چندتایی‌ها و دیکشنری‌ها
  • 12. تعریف توابع و مدیریت پارامترها
  • 13. محدوده متغیرها و توابع درونی پایتون
  • 14. مدیریت خطاها و استثناها در کدنویسی
  • 15. خواندن و نوشتن در فایل‌های متنی
  • 16. کار با کتابخانه‌های استاندارد پایتون
  • 17. مبانی برنامه‌نویسی شیءگرا در پایتون
  • 18. تعریف کلاس‌ها و اشیاء
  • 19. وراثت و چندریختی در کلاس‌ها
  • 20. کار با کتابخانه ریاضی برای محاسبات مهندسی
  • 21. آشنایی با کتابخانه نامپای برای محاسبات آرایه‌ای
  • 22. کار با ماتریس‌ها و عملیات جبری در علوم داده
  • 23. مقدمه‌ای بر کتابخانه پانداس برای تحلیل داده
  • 24. بارگذاری و پیش‌پردازش داده‌های ساختاریافته
  • 25. فیلتر کردن و مرتب‌سازی داده‌ها با پانداس
  • 26. تجمیع داده‌ها و گروه‌بندی آماری
  • 27. کار با داده‌های مفقود و پاک‌سازی جداول
  • 28. مصورسازی داده‌ها با کتابخانه مت‌پلات‌لیب
  • 29. ترسیم نمودارهای خطی و پراکندگی در مهندسی
  • 30. تحلیل آماری مقدماتی داده‌ها با پایتون
  • 31. کار با تاریخ و زمان در تحلیل داده
  • 32. مقدمه‌ای بر کتابخانه سای‌کیت‌لرن برای یادگیری ماشین
  • 33. پیش‌پردازش داده‌های مهندسی برای مدل‌های پیش‌بینی
  • 34. ارزیابی دقت مدل‌های تحلیل داده
  • 35. کار با محیط‌های نوت‌بوک برای مستندسازی کد
  • 36. بهینه‌سازی کدهای پایتون برای پردازش‌های سنگین
  • 37. اتصال به پایگاه داده‌های رابطه‌ای با اس‌کیو‌ال‌لایت
  • 38. اجرای پرس‌وجوهای پایگاه داده در پایتون
  • 39. توسعه اسکریپت‌های کاربردی برای اتوماسیون مهندسی
  • 40. پروژه نهایی تحلیل یک مجموعه داده صنعتی با پایتون
تگ‌ها: آموزش برنامه‌نویسی مهندسی آموزش پایتون برنامه‌نویسی Python پایتون کاربردی تحلیل داده با پایتون توسعه نرم‌افزار زبان برنامه‌نویسی پایتون علوم رایانه و پایتون

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.