اپلیکیشن اندرویدی فلش‌کارت آموزشی ورود به دنیای پایتون: برنامه‌نویسی از صفر تا صد

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ورود به دنیای پایتون: برنامه‌نویسی از صفر تا صد

موضوع کلی: علوم کامپیوتر و برنامه‌نویسی

موضوع میانی: مبانی برنامه‌نویسی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر دنیای پایتون
• 2. چرا پایتون؟ مزایا و کاربردها
• 3. نصب و راه‌اندازی پایتون
• 4. اولین برنامه: سلام دنیا!
• 5. متغیرها و انواع داده در پایتون
• 6. اعداد صحیح و اعشاری
• 7. رشته‌ها و عملیات روی آن‌ها
• 8. لیست‌ها: ساختار داده‌ای پویا
• 9. تاپل‌ها: ساختارهای داده‌ای ثابت
• 10. دیکشنری‌ها: نگاشت کلید-مقدار
• 11. مجموعه‌ها: مجموعه‌های بدون تکرار
• 12. عملگرهای ریاضی و انتساب
• 13. عملگرهای مقایسه‌ای و منطقی
• 14. دستور شرطی if
• 15. دستور شرطی if-else
• 16. دستور شرطی if-elif-else
• 17. حلقه‌های تکرار: for
• 18. حلقه‌های تکرار: while
• 19. دستور break و continue
• 20. توابع: تعریف و فراخوانی
• 21. پارامترها و آرگومان‌های توابع
• 22. مقدار بازگشتی توابع
• 23. توابع لامبدا: توابع بی‌نام
• 24. مدیریت خطاها: try-except
• 25. مدیریت خطاها: finally
• 26. ماژول‌ها و بسته‌ها در پایتون
• 27. وارد کردن ماژول‌ها
• 28. کار با فایل‌ها: باز کردن و خواندن
• 29. کار با فایل‌ها: نوشتن و بستن
• 30. ساختارهای داده‌ای پیشرفته
• 31. کار با تاریخ و زمان
• 32. عبارات منظم (Regular Expressions)
• 33. مقدمه‌ای بر برنامه‌نویسی شیءگرا
• 34. کلاس‌ها و اشیاء
• 35. خاصیت‌ها (Attributes)
• 36. متدها (Methods)
• 37. وراثت (Inheritance)
• 38. چندریختی (Polymorphism)
• 39. کپسوله‌سازی (Encapsulation)
• 40. کار با پایگاه داده‌ها (مقدماتی)
• 41. مقدمه‌ای بر وب اسکرپینگ
• 42. آشنایی با کتابخانه Requests
• 43. آشنایی با کتابخانه BeautifulSoup
• 44. آشنایی با مفاهیم پایگاه داده رابطه‌ای
• 45. مقدمه‌ای بر SQL
• 46. کار با داده‌های جدولی (CSV)
• 47. کار با داده‌های جدولی (JSON)
• 48. مقدمه‌ای بر تحلیل داده
• 49. آشنایی با کتابخانه NumPy
• 50. آشنایی با کتابخانه Pandas
• 51. عملیات پایه با NumPy
• 52. عملیات پایه با Pandas
• 53. فیلتر کردن داده‌ها در Pandas
• 54. مرتب‌سازی داده‌ها در Pandas
• 55. گروه‌بندی داده‌ها در Pandas
• 56. ادغام و اتصال داده‌ها در Pandas
• 57. تجسم داده‌ها: نمودار میله‌ای
• 58. تجسم داده‌ها: نمودار خطی
• 59. تجسم داده‌ها: نمودار پراکندگی
• 60. تجسم داده‌ها: نمودار دایره‌ای
• 61. مقدمه‌ای بر یادگیری ماشین
• 62. مفاهیم پایه یادگیری ماشین
• 63. آماده‌سازی داده‌ها برای مدل‌سازی
• 64. تقسیم داده‌ها به آموزش و آزمون
• 65. آموزش یک مدل رگرسیون خطی ساده
• 66. ارزیابی مدل رگرسیون
• 67. آموزش یک مدل طبقه‌بندی ساده
• 68. ارزیابی مدل طبقه‌بندی
• 69. مقدمه‌ای بر شبکه‌های عصبی
• 70. آشنایی با چارچوب‌های یادگیری عمیق
• 71. کار با داده‌های متنی
• 72. پردازش زبان طبیعی (NLP) مقدماتی
• 73. مقدمه‌ای بر توسعه وب با پایتون
• 74. آشنایی با چارچوب Django
• 75. آشنایی با چارچوب Flask
• 76. مفاهیم پایه توسعه وب
• 77. امنیت در برنامه‌نویسی (اصول اولیه)
• 78. اصول کدنویسی تمیز
• 79. مستندسازی کد
• 80. اشکال‌زدایی (Debugging)
• 81. آزمون واحد (Unit Testing)
• 82. مقدمه‌ای بر توسعه نرم‌افزار
• 83. چرخه عمر توسعه نرم‌افزار
• 84. مدیریت پروژه (مفاهیم اولیه)
• 85. کار تیمی در برنامه‌نویسی
• 86. اخلاق حرفه‌ای در برنامه‌نویسی
• 87. آینده پایتون و روندهای نوین
• 88. پروژه‌های عملی کوچک
• 89. جمع‌بندی و گام‌های بعدی
• 90. تکنیک‌های بهینه‌سازی کد
• 91. کار با API ها
• 92. مقدمه‌ای بر ابزارهای خط فرمان
• 93. نصب و مدیریت بسته‌های پایتون (pip)
• 94. محیط‌های مجازی (Virtual Environments)
• 95. کار با داده‌های بزرگ (مقدماتی)
• 96. مقدمه‌ای بر رایانش ابری
• 97. مفاهیم اولیه امنیت سایبری
• 98. اصول طراحی رابط کاربری (UI)
• 99. اصول طراحی تجربه کاربری (UX)
• 100. کار با داده‌های جغرافیایی (مقدماتی)