اپلیکیشن اندرویدی فلش‌کارت آموزشی مبانی برنامه‌نویسی پایتون برای تازه‌کاران

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی برنامه‌نویسی پایتون برای تازه‌کاران

موضوع کلی: علوم کامپیوتر و فناوری اطلاعات

موضوع میانی: برنامه‌نویسی و توسعه نرم‌افزار

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر برنامه‌نویسی و پایتون
• 2. نصب و راه‌اندازی محیط توسعه پایتون
• 3. اولین برنامه پایتون: سلام دنیا
• 4. متغیرها و انواع داده در پایتون
• 5. عملگرهای حسابی و اولویت آن‌ها
• 6. عملگرهای مقایسه‌ای و منطقی
• 7. دستورات شرطی: if، elif، else
• 8. حلقه‌های تکرار: for و while
• 9. کار با لیست‌ها در پایتون
• 10. عملیات روی لیست‌ها: افزودن، حذف، جستجو
• 11. کار با تاپل‌ها
• 12. کار با مجموعه‌ها (Sets)
• 13. کار با دیکشنری‌ها
• 14. توابع در پایتون: تعریف و فراخوانی
• 15. پارامترهای توابع و مقادیر پیش‌فرض
• 16. محدوده متغیرها (Scope)
• 17. بازگشت مقادیر از توابع
• 18. ماژول‌ها و بسته‌های پایتون
• 19. وارد کردن ماژول‌ها
• 20. مدیریت خطاها و استثناها (Exceptions)
• 21. دستور try-except
• 22. کار با فایل‌ها: خواندن
• 23. کار با فایل‌ها: نوشتن
• 24. کار با فایل‌ها: افزودن
• 25. ساختمان داده‌های پیچیده‌تر
• 26. مقدمه‌ای بر برنامه‌نویسی شیءگرا (OOP)
• 27. کلاس‌ها و اشیاء
• 28. ویژگی‌ها (Attributes) و متدها (Methods)
• 29. ارث‌بری (Inheritance)
• 30. چندریختی (Polymorphism)
• 31. کپسوله‌سازی (Encapsulation)
• 32. مقدمه‌ای بر توسعه وب با پایتون
• 33. چارچوب‌های وب: جنگو و فلَسک
• 34. ساخت یک برنامه وب ساده با فلَسک
• 35. ساختار یک برنامه جنگو
• 36. مدل‌ها و پایگاه داده در جنگو
• 37. نماها (Views) و مسیریابی (Routing) در جنگو
• 38. قالب‌ها (Templates) در جنگو
• 39. فرم‌ها در جنگو
• 40. مقدمه‌ای بر علم داده با پایتون
• 41. کتابخانه NumPy برای محاسبات عددی
• 42. آرایه‌های NumPy
• 43. عملیات برداری در NumPy
• 44. کتابخانه Pandas برای تحلیل داده
• 45. ساختار داده DataFrame
• 46. عملیات بر روی DataFrame
• 47. فیلتر کردن و انتخاب داده
• 48. تجمیع و گروه‌بندی داده
• 49. کار با داده‌های گم‌شده (Missing Data)
• 50. مقدمه‌ای بر مصورسازی داده
• 51. کتابخانه Matplotlib
• 52. رسم نمودارهای خطی
• 53. رسم نمودارهای میله‌ای
• 54. رسم نمودارهای پراکندگی
• 55. رسم نمودارهای دایره‌ای
• 56. مصورسازی داده‌های جغرافیایی
• 57. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
• 58. مفاهیم پایه یادگیری ماشین
• 59. یادگیری نظارت‌شده (Supervised Learning)
• 60. رگرسیون خطی
• 61. طبقه‌بندی (Classification)
• 62. ماشین‌های بردار پشتیبان (SVM)
• 63. درخت‌های تصمیم (Decision Trees)
• 64. شبکه‌های عصبی (Neural Networks)
• 65. یادگیری نظارت‌نشده (Unsupervised Learning)
• 66. خوشه‌بندی (Clustering)
• 67. کاهش ابعاد (Dimensionality Reduction)
• 68. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 69. کار با رشته‌ها در پایتون
• 70. عبارات منظم (Regular Expressions)
• 71. توکن‌سازی (Tokenization)
• 72. حذف کلمات توقف (Stop Words Removal)
• 73. ریشه‌یابی کلمات (Stemming and Lemmatization)
• 74. تحلیل احساسات (Sentiment Analysis)
• 75. مدل‌سازی موضوعی (Topic Modeling)
• 76. مقدمه‌ای بر توسعه بازی با پایتون
• 77. کتابخانه Pygame
• 78. ساخت یک بازی ساده با Pygame
• 79. مدیریت رویدادها در Pygame
• 80. رسم اشکال و تصاویر
• 81. کار با صدا و موسیقی
• 82. بهینه‌سازی کد پایتون
• 83. مقدمه‌ای بر تست نرم‌افزار
• 84. نوشتن تست‌های واحد (Unit Tests)
• 85. چارچوب unittest در پایتون
• 86. نوشتن تست‌های یکپارچه‌سازی (Integration Tests)
• 87. مقدمه‌ای بر امنیت نرم‌افزار
• 88. اصول اولیه امنیت در برنامه‌نویسی
• 89. اعتبارسنجی ورودی‌ها (Input Validation)
• 90. جلوگیری از حملات رایج
• 91. مقدمه‌ای بر محیط‌های توسعه یکپارچه (IDE)
• 92. کار با VS Code
• 93. کار با PyCharm
• 94. اشکال‌زدایی (Debugging) پیشرفته
• 95. مدیریت وابستگی‌ها با Pipenv
• 96. استفاده از محیط‌های مجازی (Virtual Environments)
• 97. مقدمه‌ای بر Docker برای توسعه نرم‌افزار
• 98. ساخت Image با Dockerfile
• 99. اجرای Container با Docker
• 100. مقدمه‌ای بر Git و کنترل نسخه