اپلیکیشن اندرویدی فلش‌کارت آموزشی مقدمه‌ای بر برنامه‌نویسی با پایتون: از صفر تا صد

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر برنامه‌نویسی با پایتون: از صفر تا صد

موضوع کلی: علوم کامپیوتر و برنامه‌نویسی

موضوع میانی: زبان‌های برنامه‌نویسی کاربردی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر دنیای برنامه‌نویسی
• 2. چرا پایتون؟ مزایا و کاربردها
• 3. نصب و راه‌اندازی محیط توسعه پایتون
• 4. اولین برنامه: چاپ "سلام دنیا"
• 5. متغیرها و انواع داده در پایتون
• 6. عملگرهای ریاضی و انتساب
• 7. عملگرهای مقایسه‌ای و منطقی
• 8. ساختارهای کنترلی: شرط‌ها (if, elif, else)
• 9. حلقه‌های تکرار: while
• 10. حلقه‌های تکرار: for
• 11. ساختارهای داده: لیست‌ها (Lists)
• 12. کار با لیست‌ها: افزودن، حذف، و دسترسی
• 13. ساختارهای داده: تاپل‌ها (Tuples)
• 14. ساختارهای داده: مجموعه‌ها (Sets)
• 15. ساختارهای داده: دیکشنری‌ها (Dictionaries)
• 16. کار با دیکشنری‌ها: کلید، مقدار، و آیتم‌ها
• 17. تابع‌نویسی در پایتون: تعریف و فراخوانی
• 18. پارامترها و آرگومان‌های توابع
• 19. مقدار بازگشتی توابع
• 20. محدوده (Scope) متغیرها: محلی و سراسری
• 21. ماژول‌ها و بسته‌های پایتون
• 22. وارد کردن ماژول‌ها
• 23. کار با ماژول‌های استاندارد: math
• 24. کار با ماژول‌های استاندارد: random
• 25. کار با ماژول‌های استاندارد: datetime
• 26. مدیریت خطاها و استثناها (Try-Except)
• 27. انواع رایج خطاها در پایتون
• 28. مدیریت فایل‌ها: باز کردن و بستن فایل
• 29. خواندن محتوای فایل
• 30. نوشتن در فایل
• 31. کار با مسیرهای فایل (Paths)
• 32. مقدمه‌ای بر برنامه‌نویسی شیءگرا (OOP)
• 33. مفاهیم کلاس و شیء
• 34. تعریف کلاس‌ها
• 35. متدهای سازنده (Constructor)
• 36. متدهای نمونه (Instance Methods)
• 37. ویژگی‌های کلاس (Class Attributes)
• 38. وراثت (Inheritance) در پایتون
• 39. چندریختی (Polymorphism)
• 40. کپسوله‌سازی (Encapsulation)
• 41. کار با رشته‌ها (Strings)
• 42. متدهای پرکاربرد رشته‌ها
• 43. عبارات باقاعده (Regular Expressions)
• 44. مقدمه‌ای بر کتابخانه‌های محبوب پایتون
• 45. نصب کتابخانه‌های خارجی با pip
• 46. کار با NumPy برای محاسبات عددی
• 47. آرایه‌های NumPy
• 48. عملیات برداری در NumPy
• 49. کار با Pandas برای تحلیل داده
• 50. ساختار داده DataFrame
• 51. بارگذاری داده از فایل‌های CSV
• 52. فیلتر کردن و انتخاب داده در Pandas
• 53. گروه‌بندی و تجمیع داده
• 54. مرتب‌سازی داده‌ها
• 55. کار با داده‌های گمشده (Missing Data)
• 56. مقدمه‌ای بر مصورسازی داده‌ها
• 57. مصورسازی با Matplotlib
• 58. رسم نمودارهای خطی
• 59. رسم نمودارهای میله‌ای (Bar Charts)
• 60. رسم نمودارهای پراکندگی (Scatter Plots)
• 61. رسم نمودارهای دایره‌ای (Pie Charts)
• 62. کار با Seaborn برای مصورسازی پیشرفته
• 63. مقدمه‌ای بر توسعه وب با پایتون
• 64. چارچوب Flask برای توسعه وب
• 65. ساخت یک برنامه وب ساده با Flask
• 66. مسیریابی (Routing) در Flask
• 67. قالب‌ها (Templates) در Flask
• 68. کار با فرم‌ها در Flask
• 69. مقدمه‌ای بر پایگاه‌های داده
• 70. کار با پایگاه داده SQLite
• 71. اتصال به پایگاه داده SQLite
• 72. اجرای دستورات SQL
• 73. ایجاد جدول در SQLite
• 74. درج داده در جدول
• 75. بازیابی داده از جدول
• 76. به‌روزرسانی و حذف داده
• 77. امنیت در برنامه‌نویسی پایتون
• 78. اصول کدنویسی تمیز و خوانا
• 79. مستندسازی کد (Docstrings)
• 80. اشکال‌زدایی (Debugging) برنامه‌ها
• 81. استفاده از ابزارهای اشکال‌زدایی
• 82. مقدمه‌ای بر الگوریتم‌ها
• 83. مرتب‌سازی حبابی (Bubble Sort)
• 84. مرتب‌سازی انتخابی (Selection Sort)
• 85. جستجوی دودویی (Binary Search)
• 86. مقدمه‌ای بر ساختار داده‌ها
• 87. ساختار داده پشته (Stack)
• 88. پیاده‌سازی پشته با لیست
• 89. ساختار داده صف (Queue)
• 90. پیاده‌سازی صف با لیست
• 91. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
• 92. کاربرد پایتون در هوش مصنوعی
• 93. مقدمه‌ای بر یادگیری ماشین با Scikit-learn
• 94. آموزش یک مدل ساده
• 95. ارزیابی مدل
• 96. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 97. کاربرد پایتون در NLP
• 98. کار با کتابخانه NLTK
• 99. مقدمه‌ای بر برنامه‌نویسی موازی و هم‌روند
• 100. مفاهیم پایه‌ای