اپلیکیشن اندرویدی فلش‌کارت آموزشی آشنایی با برنامه‌نویسی پایتون برای مبتدیان

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آشنایی با برنامه‌نویسی پایتون برای مبتدیان

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: برنامه‌نویسی مقدماتی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم کامپیوتر و برنامه‌نویسی
• 2. تاریخچه مختصر زبان برنامه‌نویسی پایتون
• 3. چرا پایتون را انتخاب کنیم؟
• 4. نصب و راه‌اندازی محیط توسعه پایتون
• 5. آشنایی با مفاهیم اولیه برنامه‌نویسی
• 6. اولین برنامه شما در پایتون: سلام دنیا
• 7. متغیرها و انواع داده در پایتون
• 8. اعداد صحیح و اعشاری
• 9. رشته‌ها و عملیات روی آن‌ها
• 10. لیست‌ها و کاربردهایشان
• 11. تاپل‌ها و تفاوت آن‌ها با لیست‌ها
• 12. مجموعه‌ها (Sets) و ویژگی‌هایشان
• 13. دیکشنری‌ها و ساختار کلید-مقدار
• 14. عملگرهای ریاضی و اولویت آن‌ها
• 15. عملگرهای مقایسه‌ای و منطقی
• 16. دستورات شرطی: if, elif, else
• 17. حلقه‌های تکرار: for loop
• 18. حلقه‌های تکرار: while loop
• 19. توابع و تعریف آن‌ها در پایتون
• 20. آرگومان‌های توابع و مقادیر پیش‌فرض
• 21. مفهوم بازگشت مقدار از تابع (Return)
• 22. مدیریت خطاها و استثناها (Exception Handling)
• 23. استفاده از بلوک try-except
• 24. آشنایی با ماژول‌ها و کتابخانه‌های پایتون
• 25. وارد کردن ماژول‌ها (Import)
• 26. کار با فایل‌ها: خواندن و نوشتن
• 27. مقدمه‌ای بر برنامه‌نویسی شیءگرا (OOP)
• 28. مفاهیم کلاس و شیء
• 29. صفات (Attributes) و متدها (Methods)
• 30. وراثت (Inheritance) در پایتون
• 31. چندریختی (Polymorphism)
• 32. کپسوله‌سازی (Encapsulation)
• 33. کار با تاریخ و زمان در پایتون
• 34. ماژول datetime
• 35. کار با عبارات منظم (Regular Expressions)
• 36. مقدمه‌ای بر ساختار داده‌ها
• 37. پشته (Stack) و صف (Queue)
• 38. درخت‌ها (Trees) و کاربردهایشان
• 39. گراف‌ها (Graphs) و الگوریتم‌های مرتبط
• 40. مقدمه‌ای بر الگوریتم‌ها
• 41. تحلیل پیچیدگی الگوریتم‌ها (Big O Notation)
• 42. الگوریتم‌های مرتب‌سازی: مرتب‌سازی حبابی
• 43. الگوریتم‌های مرتب‌سازی: مرتب‌سازی انتخابی
• 44. الگوریتم‌های مرتب‌سازی: مرتب‌سازی درجی
• 45. الگوریتم‌های مرتب‌سازی: مرتب‌سازی ادغامی
• 46. الگوریتم‌های مرتب‌سازی: مرتب‌سازی سریع
• 47. الگوریتم‌های جستجو: جستجوی خطی
• 48. الگوریتم‌های جستجو: جستجوی دودویی
• 49. مقدمه‌ای بر پایگاه داده‌ها
• 50. کار با فایل‌های CSV
• 51. مقدمه‌ای بر پایگاه داده‌های رابطه‌ای
• 52. مفاهیم SQL
• 53. اجرای دستورات SQL در پایتون
• 54. کار با ماژول sqlite3
• 55. طراحی پایگاه داده ساده
• 56. مقدمه‌ای بر توسعه وب با پایتون
• 57. چارچوب Django: اصول اولیه
• 58. چارچوب Flask: اصول اولیه
• 59. ساخت یک وب‌سرویس ساده با Flask
• 60. مقدمه‌ای بر پردازش داده‌ها
• 61. استفاده از کتابخانه NumPy
• 62. عملیات بر روی آرایه‌ها در NumPy
• 63. استفاده از کتابخانه Pandas
• 64. کار با DataFrame در Pandas
• 65. فیلتر کردن و انتخاب داده‌ها در Pandas
• 66. توابع تجمعی در Pandas
• 67. ادغام و ترکیب DataFrame ها
• 68. مقدمه‌ای بر مصورسازی داده‌ها
• 69. استفاده از کتابخانه Matplotlib
• 70. رسم نمودارهای خطی و میله‌ای
• 71. رسم نمودارهای پراکندگی
• 72. استفاده از کتابخانه Seaborn
• 73. مصورسازی داده‌های آماری
• 74. مقدمه‌ای بر یادگیری ماشین
• 75. انواع یادگیری ماشین: نظارت شده و بدون نظارت
• 76. مقدمه‌ای بر کتابخانه Scikit-learn
• 77. تقسیم داده‌ها به مجموعه آموزش و آزمون
• 78. مدل‌های طبقه‌بندی: رگرسیون لجستیک
• 79. مدل‌های طبقه‌بندی: ماشین بردار پشتیبان (SVM)
• 80. مدل‌های طبقه‌بندی: درخت تصمیم
• 81. مدل‌های رگرسیون: رگرسیون خطی
• 82. ارزیابی مدل‌های یادگیری ماشین
• 83. مقدمه‌ای بر شبکه‌های عصبی
• 84. کاربرد شبکه‌های عصبی در پردازش تصویر
• 85. مقدمه‌ای بر امنیت در برنامه‌نویسی
• 86. اصول کدنویسی امن
• 87. جلوگیری از حملات رایج (SQL Injection)
• 88. مدیریت امن اطلاعات حساس
• 89. مقدمه‌ای بر تست نرم‌افزار
• 90. اهمیت تست در چرخه توسعه نرم‌افزار
• 91. نوشتن تست‌های واحد (Unit Tests)
• 92. مقدمه‌ای بر معماری نرم‌افزار
• 93. الگوهای طراحی نرم‌افزار
• 94. الگوی Singleton
• 95. الگوی Factory
• 96. الگوی Observer
• 97. مقدمه‌ای بر توسعه نرم‌افزار چابک (Agile)
• 98. متدولوژی Scrum
• 99. ابزارهای مدیریت پروژه
• 100. اصول کار تیمی در توسعه نرم‌افزار