فلش‌کارت‌های آموزشی جامع آموزش برنامه‌نویسی پایتون برای ساخت پروژه‌های عملی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جامع آموزش برنامه‌نویسی پایتون برای ساخت پروژه‌های عملی

موضوع کلی: علوم کامپیوتر و برنامه‌نویسی

موضوع میانی: زبان‌های برنامه‌نویسی کاربردی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علم کامپیوتر و اهمیت پایتون
• 2. آشنایی با مفاهیم پایه‌ای برنامه‌نویسی
• 3. نصب و راه‌اندازی محیط توسعه پایتون
• 4. اولین برنامه در پایتون: سلام دنیا!
• 5. متغیرها و انواع داده در پایتون
• 6. اعداد صحیح و اعشاری: عملیات ریاضی
• 7. رشته‌ها: کار با متن در پایتون
• 8. لیست‌ها: ساختارهای داده پویا
• 9. تاپل‌ها: توالی‌های تغییرناپذیر
• 10. دیکشنری‌ها: ذخیره‌سازی داده‌های کلید-مقدار
• 11. مجموعه‌ها: مجموعه‌های مرتب نشده
• 12. دستورات شرطی: if, elif, else
• 13. حلقه‌های تکرار: for و while
• 14. تابع‌نویسی: ساخت بلوک‌های کد قابل استفاده مجدد
• 15. پارامترهای توابع و مقادیر بازگشتی
• 16. توابع لامبدا: توابع کوچک و ناشناس
• 17. ماژول‌ها و بسته‌ها: سازماندهی کد
• 18. ورودی/خروجی فایل: خواندن و نوشتن در فایل‌ها
• 19. مدیریت خطا و استثنائات: try, except
• 20. برنامه‌نویسی شیءگرا: مفاهیم اولیه
• 21. کلاس‌ها و اشیاء در پایتون
• 22. وراثت: ایجاد سلسله‌مراتب کلاس‌ها
• 23. چندریختی: رفتار متفاوت اشیاء
• 24. اصول SOLID در طراحی شیءگرا
• 25. کار با تاریخ و زمان
• 26. کتابخانه‌های استاندارد پایتون: overview
• 27. کار با عبارات باقاعده (Regex)
• 28. مقدمه‌ای بر پایگاه‌های داده
• 29. کار با پایگاه داده SQLite
• 30. مقدمه‌ای بر توسعه وب
• 31. چارچوب وب جنگو (Django): شروع
• 32. ساخت اپلیکیشن ساده با جنگو
• 33. مدل‌ها در جنگو: تعریف ساختار داده
• 34. نماها (Views) در جنگو: منطق برنامه
• 35. قالب‌ها (Templates) در جنگو: نمایش اطلاعات
• 36. مسیردهی (URLs) در جنگو
• 37. فرم‌ها در جنگو: دریافت ورودی کاربر
• 38. مدیریت کاربران و احراز هویت
• 39. مقدمه‌ای بر API ها
• 40. ساخت API با جنگو REST framework
• 41. آشنایی با JSON
• 42. کار با داده‌های JSON در پایتون
• 43. مقدمه‌ای بر علم داده
• 44. کتابخانه NumPy برای محاسبات عددی
• 45. کتابخانه Pandas برای تحلیل داده
• 46. عملیات پایه‌ای با دیتافریم‌ها
• 47. پاکسازی داده‌ها و مدیریت مقادیر گمشده
• 48. بصری‌سازی داده‌ها با Matplotlib
• 49. بصری‌سازی داده‌ها با Seaborn
• 50. مقدمه‌ای بر یادگیری ماشین
• 51. مفاهیم اولیه الگوریتم‌های یادگیری ماشین
• 52. نصب کتابخانه‌های یادگیری ماشین
• 53. کار با Scikit-learn
• 54. تقسیم داده‌ها به مجموعه آموزش و تست
• 55. مدل‌های رگرسیون خطی
• 56. مدل‌های رگرسیون لجستیک
• 57. تقسیم‌بندی خوشه‌ای (Clustering)
• 58. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 59. کار با NLTK
• 60. مفاهیم اولیه تحلیل احساسات
• 61. مقدمه‌ای بر توسعه بازی
• 62. کتابخانه Pygame برای ساخت بازی
• 63. ساخت یک بازی ساده با Pygame
• 64. اصول طراحی رابط کاربری
• 65. مقدمه‌ای بر برنامه‌نویسی شبکه‌های کامپیوتری
• 66. سوکت‌های پایتون
• 67. ساخت یک سرور و کلاینت ساده
• 68. امنیت در برنامه‌نویسی
• 69. مقدمه‌ای بر رمزنگاری
• 70. رمزنگاری متقارن و نامتقارن
• 71. مدیریت تنظیمات برنامه
• 72. استفاده از فایل‌های پیکربندی
• 73. مفاهیم Docker برای بسته‌بندی برنامه
• 74. مقدمه‌ای بر استقرار برنامه
• 75. استقرار برنامه پایتون بر روی سرور
• 76. کتابخانه‌های مفید برای کارهای روزمره
• 77. کار با فایل‌های CSV
• 78. کار با فایل‌های XML
• 79. مقدمه‌ای بر تست واحد (Unit Testing)
• 80. نوشتن تست‌های واحد برای کد پایتون
• 81. تست‌های ادغام (Integration Testing)
• 82. اصول طراحی نرم‌افزار
• 83. الگوهای طراحی (Design Patterns)
• 84. الگوی Singleton
• 85. الگوی Factory
• 86. الگوی Observer
• 87. مقدمه‌ای بر برنامه‌نویسی موازی
• 88. نخ‌ها (Threads) در پایتون
• 89. فرآیندها (Processes) در پایتون
• 90. کار با پایگاه داده‌های NoSQL (مانند MongoDB)
• 91. مقدمه‌ای بر هوش مصنوعی
• 92. مفاهیم یادگیری عمیق (Deep Learning)
• 93. چارچوب‌های یادگیری عمیق (مانند TensorFlow یا PyTorch)
• 94. ساخت یک شبکه عصبی ساده
• 95. مقدمه‌ای بر توسعه برنامه‌های دسکتاپ
• 96. کتابخانه Tkinter برای رابط کاربری گرافیکی
• 97. ساخت یک برنامه دسکتاپ ساده
• 98. مقدمه‌ای بر برنامه‌نویسی در رایانش ابری
• 99. کار با سرویس‌های ابری (مانند AWS یا Azure)
• 100. اصول توسعه پایدار و قابل نگهداری