اپلیکیشن اندرویدی فلش‌کارت آموزشی پایتون برای مبتدیان: از مفاهیم اولیه تا ساخت اولین برنامه‌ها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پایتون برای مبتدیان: از مفاهیم اولیه تا ساخت اولین برنامه‌ها

موضوع کلی: علوم کامپیوتر و برنامه‌نویسی

موضوع میانی: برنامه‌نویسی پایه

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم کامپیوتر و برنامه‌نویسی
• 2. تاریخچه مختصر پایتون
• 3. نصب و راه‌اندازی محیط پایتون
• 4. اولین برنامه: سلام دنیا!
• 5. متغیرها و انواع داده در پایتون
• 6. عملگرهای ریاضی و انتساب
• 7. عملگرهای مقایسه‌ای و منطقی
• 8. ساختارهای شرطی: دستور if
• 9. دستور if-else و if-elif-else
• 10. حلقه‌های تکرار: دستور while
• 11. حلقه for و پیمایش دنباله‌ها
• 12. دستور break و continue در حلقه‌ها
• 13. ساختارهای داده: لیست‌ها
• 14. عملیات روی لیست‌ها
• 15. تاپل‌ها: ساختار داده تغییرناپذیر
• 16. مجموعه‌ها (Set): عناصر منحصربه‌فرد
• 17. دیکشنری‌ها: زوج‌های کلید-مقدار
• 18. کار با رشته‌ها (String)
• 19. متدهای مفید رشته‌ها
• 20. توابع: تعریف و فراخوانی
• 21. پارامترها و آرگومان‌های توابع
• 22. مقدار بازگشتی توابع
• 23. توابع لامبدا (Lambda Functions)
• 24. دامنه متغیرها (Scope)
• 25. ماژول‌ها و بسته‌ها در پایتون
• 26. وارد کردن ماژول‌ها
• 27. کار با فایل‌ها: خواندن
• 28. کار با فایل‌ها: نوشتن
• 29. مدیریت خطاها: try-except
• 30. مدیریت خطاها: finally
• 31. مقدمه‌ای بر برنامه‌نویسی شیءگرا (OOP)
• 32. کلاس‌ها و اشیاء
• 33. ویژگی‌ها (Attributes) و متدها (Methods)
• 34. سازنده (Constructor) در کلاس‌ها
• 35. وراثت (Inheritance)
• 36. چندریختی (Polymorphism)
• 37. کپسوله‌سازی (Encapsulation)
• 38. مقدمه‌ای بر پایگاه داده
• 39. مفاهیم پایگاه داده رابطه‌ای
• 40. مقدمه‌ای بر SQL
• 41. دستور SELECT در SQL
• 42. دستور INSERT در SQL
• 43. دستور UPDATE در SQL
• 44. دستور DELETE در SQL
• 45. مقدمه‌ای بر کتابخانه‌های پایتون
• 46. کتابخانه NumPy برای محاسبات عددی
• 47. آرایه‌های NumPy
• 48. عملیات روی آرایه‌های NumPy
• 49. کتابخانه Pandas برای تحلیل داده
• 50. ساختار داده Series در Pandas
• 51. ساختار داده DataFrame در Pandas
• 52. خواندن داده از فایل CSV با Pandas
• 53. فیلتر کردن و انتخاب داده در DataFrame
• 54. تجمیع و گروه‌بندی داده در Pandas
• 55. مقدمه‌ای بر پردازش متن
• 56. کار با عبارات منظم (Regular Expressions)
• 57. مقدمه‌ای بر توسعه وب با پایتون
• 58. چارچوب Flask برای وب
• 59. ساخت یک برنامه وب ساده با Flask
• 60. مقدمه‌ای بر مفاهیم شبکه
• 61. پروتکل HTTP
• 62. مقدمه‌ای بر امنیت در برنامه‌نویسی
• 63. اصول اولیه رمزنگاری
• 64. هشینگ (Hashing)
• 65. توابع درهم‌ساز (Hash Functions)
• 66. مقدمه‌ای بر الگوریتم‌ها
• 67. تحلیل پیچیدگی الگوریتم‌ها
• 68. الگوریتم‌های مرتب‌سازی
• 69. مرتب‌سازی حبابی (Bubble Sort)
• 70. مرتب‌سازی انتخابی (Selection Sort)
• 71. مرتب‌سازی درجی (Insertion Sort)
• 72. الگوریتم‌های جستجو
• 73. جستجوی خطی (Linear Search)
• 74. جستجوی دودویی (Binary Search)
• 75. مفاهیم گراف و درخت
• 76. مقدمه‌ای بر هوش مصنوعی
• 77. مقدمه‌ای بر یادگیری ماشین
• 78. انواع یادگیری ماشین
• 79. یادگیری نظارت شده (Supervised Learning)
• 80. یادگیری نظارت نشده (Unsupervised Learning)
• 81. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 82. کاربرد پایتون در علم داده
• 83. مقدمه‌ای بر ابزارهای توسعه نرم‌افزار
• 84. سیستم‌های کنترل نسخه: Git
• 85. مخازن Git و GitHub
• 86. اصول کار با Git (commit, push, pull)
• 87. مقدمه‌ای بر برنامه‌نویسی موازی
• 88. مقدمه‌ای بر برنامه‌نویسی هم‌روند (Concurrency)
• 89. مفاهیم ریسه (Thread)
• 90. مقدمه‌ای بر تست نرم‌افزار
• 91. نوشتن تست‌های واحد (Unit Tests)
• 92. اهمیت مستندسازی کد
• 93. نوشتن راهنمای استفاده از برنامه
• 94. مقدمه‌ای بر توسعه نرم‌افزار ایمن
• 95. اصول کدنویسی امن
• 96. شناسایی و رفع آسیب‌پذیری‌های رایج
• 97. مقدمه‌ای بر پیاده‌سازی الگوریتم‌های پایه
• 98. کاربرد پایتون در اتوماسیون وظایف
• 99. مقدمه‌ای بر ساختار داده‌های پیشرفته
• 100. پشته (Stack)