فلش‌کارت‌های آموزشی آموزش جامع پایتون برای مبتدیان: از مفاهیم پایه تا کاربردهای عملی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع پایتون برای مبتدیان: از مفاهیم پایه تا کاربردهای عملی

موضوع کلی: علوم کامپیوتر و برنامه‌نویسی

موضوع میانی: زبان‌های برنامه‌نویسی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم کامپیوتر و پایتون
• 2. فصل اول: آشنایی با برنامه‌نویسی و پایتون
• 3. فصل دوم: نصب و راه‌اندازی پایتون
• 4. فصل سوم: اولین برنامه در پایتون: چاپ کردن
• 5. فصل چهارم: متغیرها و انواع داده‌ها
• 6. فصل پنجم: عملگرهای ریاضی و منطقی
• 7. فصل ششم: ساختارهای کنترلی: شرط‌ها (if, elif, else)
• 8. فصل هفتم: ساختارهای کنترلی: حلقه‌ها (for, while)
• 9. فصل هشتم: لیست‌ها در پایتون
• 10. فصل نهم: تاپل‌ها در پایتون
• 11. فصل دهم: مجموعه‌ها (Sets) در پایتون
• 12. فصل یازدهم: دیکشنری‌ها در پایتون
• 13. فصل دوازدهم: رشته‌ها (Strings) و عملیات روی آن‌ها
• 14. فصل سیزدهم: توابع و تعریف آن‌ها
• 15. فصل چهاردهم: پارامترها و آرگومان‌های توابع
• 16. فصل پانزدهم: بازگشت مقادیر از توابع
• 17. فصل شانزدهم: ماژول‌ها و پکیج‌ها در پایتون
• 18. فصل هفدهم: وارد کردن ماژول‌ها
• 19. فصل هجدهم: کار با فایل‌ها: خواندن
• 20. فصل نوزدهم: کار با فایل‌ها: نوشتن
• 21. فصل بیستم: مدیریت خطاها و استثناها (try-except)
• 22. فصل بیست و یکم: برنامه‌نویسی شیءگرا (OOP) - مفاهیم پایه
• 23. فصل بیست و دوم: کلاس‌ها و اشیاء
• 24. فصل بیست و سوم: وراثت در پایتون
• 25. فصل بیست و چهارم: چندریختی (Polymorphism)
• 26. فصل بیست و پنجم: کپسوله‌سازی (Encapsulation)
• 27. فصل بیست و ششم: آشنایی با کتابخانه‌های استاندارد پایتون
• 28. فصل بیست و هفتم: ماژول `math` برای عملیات ریاضی
• 29. فصل بیست و هشتم: ماژول `datetime` برای کار با تاریخ و زمان
• 30. فصل بیست و نهم: ماژول `os` برای تعامل با سیستم عامل
• 31. فصل سیم: ماژول `sys` برای دسترسی به پارامترهای مفسر
• 32. فصل سی و یکم: ماژول `random` برای تولید اعداد تصادفی
• 33. فصل سی و دومم: کار با داده‌های جدولی: ماژول `csv`
• 34. فصل سی و سوم: مقدمه‌ای بر پردازش داده با پانداس (Pandas)
• 35. فصل سی و چهارم: ساختار داده Series در پانداس
• 36. فصل سی و پنجم: ساختار داده DataFrame در پانداس
• 37. فصل سی و ششم: خواندن داده‌ها با پانداس (CSV, Excel)
• 38. فصل سی و هفتم: انتخاب و فیلتر کردن داده‌ها در پانداس
• 39. فصل سی و هشتم: عملیات پایه‌ای روی ستون‌ها در پانداس
• 40. فصل سی و نهم: گروه‌بندی و تجمیع داده‌ها در پانداس
• 41. فصل چهلم: ترسیم نمودار با پانداس و Matplotlib
• 42. فصل چهل و یکم: مقدمه‌ای بر علم داده (Data Science)
• 43. فصل چهل و دوم: مفاهیم آماری پایه در علم داده
• 44. فصل چهل و سوم: بصری‌سازی داده‌ها (Data Visualization)
• 45. فصل چهل و چهارم: مقدمه‌ای بر یادگیری ماشین (Machine Learning)
• 46. فصل چهل و پنجم: انواع یادگیری ماشین (نظارت شده، بدون نظارت)
• 47. فصل چهل و ششم: الگوریتم رگرسیون خطی ساده
• 48. فصل چهل و هفتم: الگوریتم رگرسیون لجستیک
• 49. فصل چهل و هشتم: الگوریتم درخت تصمیم
• 50. فصل چهل و نهم: مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 51. فصل پنجاهم: کتابخانه Scikit-learn برای یادگیری ماشین
• 52. فصل پنجاه و یکم: پیش‌پردازش داده‌ها برای یادگیری ماشین
• 53. فصل پنجاه و دوم: ارزیابی مدل‌های یادگیری ماشین
• 54. فصل پنجاه و سوم: مقدمه‌ای بر توسعه وب با پایتون
• 55. فصل پنجاه و چهارم: چارچوب جنگو (Django) - مقدمه
• 56. فصل پنجاه و پنجم: ساخت یک برنامه ساده با جنگو
• 57. فصل پنجاه و ششم: مدل‌ها، نماها و URLها در جنگو
• 58. فصل پنجاه و هفتم: چارچوب فلَسک (Flask) - مقدمه
• 59. فصل پنجاه و هشتم: ساخت یک برنامه ساده با فلَسک
• 60. فصل پنجاه و نهم: آشنایی با پایگاه‌های داده رابطه‌ای
• 61. فصل شصتم: SQL مقدماتی
• 62. فصل شصت و یکم: کار با پایگاه داده SQLite در پایتون
• 63. فصل شصت و دومم: ORM (Object-Relational Mapping)
• 64. فصل شصت و سوم: استفاده از Django ORM
• 65. فصل شصت و چهارم: مقدمه‌ای بر امنیت در برنامه‌نویسی
• 66. فصل شصت و پنجم: اصول اولیه امنیت سایبری
• 67. فصل شصت و ششم: جلوگیری از حملات رایج (SQL Injection, XSS)
• 68. فصل شصت و هفتم: مدیریت امن اطلاعات کاربران
• 69. فصل شصت و هشتم: آشنایی با مفاهیم کار تیمی در برنامه‌نویسی
• 70. فصل شصت و نهم: استفاده از Git برای کنترل نسخه
• 71. فصل هفتادم: همکاری با استفاده از GitHub/GitLab
• 72. فصل هفتاد و یکم: مستندسازی کد و پروژه‌ها
• 73. فصل هفتاد و دوم: تست واحد (Unit Testing) در پایتون
• 74. فصل هفتاد و سوم: اصول اشکال‌زدایی (Debugging)
• 75. فصل هفتاد و چهارم: بهینه‌سازی کد و الگوریتم‌ها
• 76. فصل هفتاد و پنجم: کار با APIها (Application Programming Interfaces)
• 77. فصل هفتاد و ششم: درخواست‌های HTTP با کتابخانه `requests`
• 78. فصل هفتاد و هفتم: پردازش داده‌های JSON
• 79. فصل هفتاد و هشتم: مقدمه‌ای بر پردازش متن (NLP)
• 80. فصل هفتاد و نهم: کتابخانه NLTK برای پردازش متن
• 81. فصل هشتادم: پردازش متن با Spacy
• 82. فصل هشتاد و یکم: مفاهیم پایه‌ای استخراج اطلاعات از متن
• 83. فصل هشتاد و دوم: مقدمه‌ای بر تحلیل احساسات (Sentiment Analysis)
• 84. فصل هشتاد و سوم: مقدمه‌ای بر برنامه‌نویسی موازی و هم‌زمان
• 85. فصل هشتاد و چهارم: استفاده از ماژول `threading`
• 86. فصل هشتاد و پنجم: استفاده از ماژول `multiprocessing`
• 87. فصل هشتاد و ششم: مقدمه‌ای بر محاسبات ابری (Cloud Computing)
• 88. فصل هشتاد و هفتم: آشنایی با مفاهیم Docker
• 89. فصل هشتاد و هشتم: استقرار برنامه‌ها (Deployment)
• 90. فصل هشتاد و نهم: طراحی الگوریتم‌های کارآمد
• 91. فصل نودم: تحلیل پیچیدگی زمانی و مکانی الگوریتم‌ها
• 92. فصل نود و یکم: الگوریتم‌های جستجو (خطی، دودویی)
• 93. فصل نود و دوم: الگوریتم‌های مرتب‌سازی (حبابی، انتخابی، ادغامی)
• 94. فصل نود و سوم: ساختارهای داده پیشرفته: پشته و صف
• 95. فصل نود و چهارم: ساختارهای داده پیشرفته: درخت‌ها (Binary Trees)
• 96. فصل نود و پنجم: ساختارهای داده پیشرفته: گراف‌ها
• 97. فصل نود و ششم: مقدمه‌ای بر هوش مصنوعی (AI)
• 98. فصل نود و هفتم: کاربردهای هوش مصنوعی در دنیای امروز
• 99. فصل نود و هشتم: مسیر شغلی در حوزه برنامه‌نویسی و علم داده
• 100. فصل نود و نهم: پروژه‌های عملی برای تمرین بیشتر