کتاب صوتی آموزش جامع و کاربردی زبان برنامه‌نویسی پایتون؛ از مبانی تا تحلیل داده‌های علمی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع و کاربردی زبان برنامه‌نویسی پایتون؛ از مبانی تا تحلیل داده‌های علمی

موضوع کلی: علوم کامپیوتر و فناوری اطلاعات

موضوع میانی: برنامه‌نویسی و توسعه نرم‌افزار

📋 سرفصل‌های دوره

• 1. مبانی برنامه‌نویسی و آشنایی با محیط توسعه پایتون
• 2. نصب و راه‌اندازی مفسر پایتون و ابزارهای مدیریت محیط مجازی
• 3. متغیرها، انواع داده‌های پایه و کار با اعداد
• 4. رشته‌ها و عملیات پایه در پردازش متن
• 5. ساختارهای تصمیم‌گیری و دستورات شرطی
• 6. حلقه‌های تکرار و کنترل جریان برنامه
• 7. ساختارهای داده‌ای لیست و تاپل در پایتون
• 8. کار با دیکشنری‌ها و مجموعه‌ها
• 9. تعریف توابع و مدیریت پارامترها
• 10. محدوده دسترسی متغیرها و توابع بازگشتی
• 11. کار با فایل‌های متنی و مدیریت جریان ورودی و خروجی
• 12. مدیریت خطاها و استثناها در برنامه‌نویسی
• 13. مقدمه‌ای بر برنامه‌نویسی شیءگرا و مفهوم کلاس
• 14. وراثت و چندریختی در پایتون
• 15. کار با ماژول‌ها و کتابخانه‌های استاندارد
• 16. مدیریت بسته‌ها با استفاده از pip
• 17. کار با تاریخ و زمان در پایتون
• 18. مقدمه‌ای بر عبارات باقاعده در پردازش متن
• 19. آشنایی با محیط کدنویسی ژوپیتر نوت‌بوک
• 20. مبانی کار با آرایه‌های چندبعدی در کتابخانه نامپای
• 21. عملیات ریاضی و آماری پیشرفته با نامپای
• 22. ساختارهای داده‌ای پیشرفته در کتابخانه پانداز
• 23. بارگذاری و پیش‌پردازش داده‌ها از فایل‌های اکسل و سی‌اس‌وی
• 24. فیلتر کردن و مرتب‌سازی داده‌ها در پانداز
• 25. ادغام و الحاق مجموعه‌داده‌ها
• 26. پاک‌سازی داده‌های ناقص و مدیریت مقادیر گم‌شده
• 27. تجمیع داده‌ها و گروه‌بندی آماری
• 28. مقدمه‌ای بر بصری‌سازی داده‌ها با کتابخانه مت‌پلات‌لیب
• 29. رسم نمودارهای خطی، ستونی و پراکندگی
• 30. شخصی‌سازی نمودارها و تحلیل بصری داده‌ها
• 31. مبانی کار با کتابخانه سی‌بورن برای ترسیم نمودارهای آماری
• 32. آشنایی با محیط‌های مجازی و مدیریت وابستگی‌های پروژه
• 33. اصول کدنویسی تمیز و استانداردهای نگارشی پایتون
• 34. مقدمه‌ای بر برنامه‌نویسی تابعی و توابع لامبدا
• 35. کار با مولدها و تکرارکننده‌ها
• 36. آشنایی با دکوراتورها در پایتون
• 37. مقدمه‌ای بر کار با پایگاه‌های داده اس‌کیو‌ال در پایتون
• 38. اتصال به پایگاه داده و اجرای کوئری‌های پایه
• 39. مقدمه‌ای بر تحلیل داده‌های علمی و کاربردهای آن
• 40. آشنایی با مفاهیم مقدماتی یادگیری ماشین
• 41. پیش‌پردازش داده‌ها برای مدل‌های تحلیلی
• 42. ارزیابی عملکرد مدل‌های آماری و علمی
• 43. پروژه نهایی: تحلیل یک مجموعه داده واقعی با استفاده از ابزارهای آماری