اپلیکیشن اندرویدی فلش‌کارت آموزشی پایتون برای مبتدیان: از مفاهیم پایه تا ساخت اشیاء در برنامه‌نویسی شیءگرا

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پایتون برای مبتدیان: از مفاهیم پایه تا ساخت اشیاء در برنامه‌نویسی شیءگرا

موضوع کلی: علوم کامپیوتر و برنامه‌نویسی

موضوع میانی: برنامه‌نویسی مقدماتی با پایتون

📋 سرفصل‌های دوره

• 1. مقدمه ای بر علوم کامپیوتر و برنامه نویسی
• 2. آشنایی با زبان برنامه نویسی پایتون
• 3. نصب و راه اندازی محیط توسعه پایتون
• 4. اولین برنامه در پایتون: چاپ کردن پیام
• 5. متغیرها و انواع داده ها در پایتون
• 6. کار با رشته ها و عملیات روی آن ها
• 7. لیست ها و کار با داده های چندتایی
• 8. تاپل ها: ساختارهای داده تغییر ناپذیر
• 9. کتابخانه ها (Dictionaries): نگهداری داده ها به صورت کلید-مقدار
• 10. عملگرهای ریاضی و منطقی در پایتون
• 11. دستورات شرطی: if, elif, else
• 12. حلقه های تکرار: for و while
• 13. توابع: تعریف و فراخوانی
• 14. محدوده متغیرها (Scope)
• 15. مدیریت خطا با try-except
• 16. کار با فایل ها: خواندن و نوشتن
• 17. مقدمه ای بر برنامه نویسی شیءگرا (OOP)
• 18. مفاهیم کلاس و شیء
• 19. تعریف کلاس در پایتون
• 20. ایجاد اشیاء از روی کلاس
• 21. متدهای کلاس
• 22. سازنده (Constructor) در کلاس ها
• 23. ویژگی های (Attributes) کلاس
• 24. وراثت (Inheritance): ایجاد کلاس های جدید بر پایه کلاس های موجود
• 25. چندریختی (Polymorphism)
• 26. کپسوله‌سازی (Encapsulation)
• 27. مقدمه ای بر ماژول ها و بسته ها
• 28. وارد کردن ماژول ها (Import)
• 29. ساخت ماژول های شخصی
• 30. مدیریت بسته ها با pip
• 31. آشنایی با محیط های مجازی (Virtual Environments)
• 32. کار با کتابخانه های استاندارد پایتون
• 33. مقدمه ای بر کتابخانه numpy برای محاسبات عددی
• 34. آشنایی با آرایه ها در numpy
• 35. عملیات برداری در numpy
• 36. مقدمه ای بر کتابخانه pandas برای تحلیل داده
• 37. ساخت DataFrame با pandas
• 38. عملیات بر روی DataFrame
• 39. فیلتر کردن و مرتب سازی داده ها
• 40. گروه بندی و تجمیع داده ها
• 41. کار با داده های سری زمانی
• 42. مقدمه ای بر کتابخانه matplotlib برای بصری سازی داده ها
• 43. رسم نمودارهای خطی
• 44. رسم نمودارهای میله ای
• 45. رسم نمودارهای پراکندگی
• 46. رسم نمودارهای دایره ای
• 47. تنظیمات ظاهری نمودارها
• 48. مقدمه ای بر الگوریتم ها
• 49. تحلیل پیچیدگی الگوریتم ها (Big O Notation)
• 50. الگوریتم های جستجو (خطی، دودویی)
• 51. الگوریتم های مرتب سازی (حبابی، انتخابی، درجی)
• 52. الگوریتم های مرتب سازی پیشرفته (سریع، ادغامی)
• 53. ساختارهای داده: پشته (Stack)
• 54. ساختارهای داده: صف (Queue)
• 55. ساختارهای داده: لیست پیوندی (Linked List)
• 56. ساختارهای داده: درخت (Tree)
• 57. ساختارهای داده: گراف (Graph)
• 58. کاربرد پایتون در توسعه وب (مقدماتی)
• 59. آشنایی با چارچوب Django (مقدماتی)
• 60. آشنایی با چارچوب Flask (مقدماتی)
• 61. مقدمه ای بر پایگاه داده ها
• 62. کار با پایگاه داده SQLite
• 63. استفاده از SQLAlchemy برای اتصال به پایگاه داده
• 64. مقدمه ای بر مفاهیم امنیت در برنامه نویسی
• 65. اصول کدنویسی امن
• 66. جلوگیری از حملات رایج (SQL Injection, XSS)
• 67. مقدمه ای بر تست نرم افزار
• 68. نوشتن تست های واحد (Unit Tests)
• 69. استفاده از کتابخانه unittest
• 70. مقدمه ای بر توسعه مشارکتی با Git
• 71. آشنایی با مفاهیم Git (Repository, Commit, Branch)
• 72. کار با GitHub
• 73. مقدمه ای بر هوش مصنوعی و یادگیری ماشین
• 74. کاربرد پایتون در هوش مصنوعی
• 75. آشنایی با کتابخانه scikit-learn
• 76. مقدمه ای بر پردازش زبان طبیعی (NLP)
• 77. مقدمه ای بر شبکه های عصبی
• 78. مقدمه ای بر یادگیری عمیق
• 79. اصول طراحی پایدار در نرم افزار
• 80. الگوهای طراحی (Design Patterns) - مقدماتی
• 81. مدیریت پروژه های نرم افزاری
• 82. اخلاق در برنامه نویسی
• 83. مقدمه ای بر رایانش ابری
• 84. مقدمه ای بر اینترنت اشیاء (IoT)
• 85. آشنایی با مفاهیم Big Data
• 86. مقدمه ای بر Blockhain
• 87. توسعه اپلیکیشن های دسکتاپ با Tkinter
• 88. توسعه اپلیکیشن های دسکتاپ با PyQt
• 89. آشنایی با مفاهیم CI/CD
• 90. مقدمه ای بر DevOps
• 91. کاربرد پایتون در علم داده
• 92. مقدمه ای بر سیستم های توصیه گر
• 93. مقدمه ای بر پردازش تصویر
• 94. مقدمه ای بر امنیت سایبری با پایتون
• 95. آشنایی با ابزارهای تحلیل امنیتی
• 96. مقدمه ای بر اینترفیس های برنامه نویسی کاربردی (API)
• 97. طراحی و ساخت API های ساده
• 98. مقدمه ای بر معماری میکروسرویس
• 99. مقدمه ای بر معماری Monolithic
• 100. اصول اشکال زدایی (Debugging) پیشرفته