اپلیکیشن اندرویدی فلش‌کارت آموزشی تسلط بر پایتون ۳.۹+ از مقدماتی تا پیشرفته: مبانی، ساختارها و کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تسلط بر پایتون ۳.۹+ از مقدماتی تا پیشرفته: مبانی، ساختارها و کاربردها

موضوع کلی: علوم کامپیوتر و برنامه‌نویسی

موضوع میانی: برنامه‌نویسی شیءگرا و پایتون

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر دنیای پایتون
• 2. نصب و راه‌اندازی پایتون
• 3. اولین گام‌ها در برنامه‌نویسی پایتون
• 4. متغیرها و انواع داده در پایتون
• 5. عملگرهای پایه در پایتون
• 6. ساختارهای کنترلی: دستور شرطی if
• 7. ساختارهای کنترلی: حلقه for
• 8. ساختارهای کنترلی: حلقه while
• 9. توابع در پایتون: تعریف و فراخوانی
• 10. مدیریت خطا و استثناها
• 11. کار با رشته‌ها (Strings)
• 12. کار با لیست‌ها (Lists)
• 13. کار با تاپل‌ها (Tuples)
• 14. کار با مجموعه‌ها (Sets)
• 15. کار با دیکشنری‌ها (Dictionaries)
• 16. ماژول‌ها و پکیج‌ها در پایتون
• 17. مدیریت فایل‌ها و دایرکتوری‌ها
• 18. مقدمه‌ای بر برنامه‌نویسی شیءگرا (OOP)
• 19. مفاهیم کلاس و شیء
• 20. اصول وراثت در پایتون
• 21. چندریختی (Polymorphism)
• 22. کپسوله‌سازی (Encapsulation)
• 23. متدهای ویژه در کلاس‌ها
• 24. مقدمه‌ای بر توسعه وب با پایتون
• 25. فریم‌ورک جنگو (Django) - مبانی
• 26. فریم‌ورک فلسک (Flask) - مبانی
• 27. ساخت API با پایتون
• 28. کار با پایگاه داده در پایتون (SQL)
• 29. کار با پایگاه داده در پایتون (NoSQL)
• 30. مقدمه‌ای بر علم داده با پایتون
• 31. کتابخانه NumPy برای محاسبات عددی
• 32. کتابخانه Pandas برای تحلیل داده
• 33. کتابخانه Matplotlib برای بصری‌سازی داده
• 34. کتابخانه Seaborn برای بصری‌سازی داده
• 35. مقدمه‌ای بر یادگیری ماشین با پایتون
• 36. کتابخانه Scikit-learn برای یادگیری ماشین
• 37. الگوریتم‌های یادگیری ماشین - رگرسیون
• 38. الگوریتم‌های یادگیری ماشین - طبقه‌بندی
• 39. الگوریتم‌های یادگیری ماشین - خوشه‌بندی
• 40. مقدمه‌ای بر شبکه‌های عصبی با پایتون
• 41. کتابخانه TensorFlow - مبانی
• 42. کتابخانه Keras - مبانی
• 43. ساخت مدل‌های یادگیری عمیق
• 44. کار با داده‌های تصویری
• 45. کار با داده‌های متنی (NLP)
• 46. مقدمه‌ای بر هوش مصنوعی
• 47. اخلاق در هوش مصنوعی
• 48. امنیت در برنامه‌نویسی پایتون
• 49. تست‌نویسی در پایتون (Unit Testing)
• 50. توسعه نرم‌افزار چابک (Agile)
• 51. مدیریت پروژه با پایتون
• 52. کار با APIهای خارجی
• 53. مقدمه‌ای بر پردازش موازی
• 54. مقدمه‌ای بر پردازش توزیع‌شده
• 55. استفاده از Git برای کنترل نسخه
• 56. کار با Docker برای کانتینرسازی
• 57. استقرار برنامه‌ها (Deployment)
• 58. بهینه‌سازی کد در پایتون
• 59. ساخت ابزارهای خط فرمان (CLI)
• 60. مقدمه‌ای بر اتوماسیون وظایف
• 61. کار با داده‌های JSON
• 62. کار با داده‌های XML
• 63. کار با پروتکل‌های شبکه (HTTP)
• 64. مقدمه‌ای بر امنیت سایبری
• 65. رمزنگاری در پایتون
• 66. تحلیل آماری در پایتون
• 67. مقدمه‌ای بر رباتیک با پایتون
• 68. پردازش تصویر با OpenCV
• 69. کار با کتابخانه‌های گرافیکی (GUI)
• 70. توسعه بازی با Pygame
• 71. برنامه‌نویسی همزمان (Concurrency)
• 72. مقدمه‌ای بر معماری نرم‌افزار
• 73. الگوهای طراحی نرم‌افزار (Design Patterns)
• 74. مدیریت وابستگی‌ها (Dependency Management)
• 75. انتشار پکیج در PyPI
• 76. مقدمه‌ای بر محاسبات ابری
• 77. کار با AWS با پایتون
• 78. کار با Google Cloud با پایتون
• 79. کار با Azure با پایتون
• 80. مقدمه‌ای بر اینترنت اشیاء (IoT)
• 81. کار با سنسورها با پایتون
• 82. ارتباطات بی‌سیم در IoT
• 83. امنیت در IoT
• 84. مقدمه‌ای بر بلاکچین
• 85. کار با قراردادهای هوشمند در پایتون
• 86. مقدمه‌ای بر تحلیل زمانی (Time Series Analysis)
• 87. مقدمه‌ای بر پردازش زبان طبیعی پیشرفته
• 88. مدل‌های زبانی بزرگ (LLMs)
• 89. تنظیم دقیق مدل‌های زبانی
• 90. کار با ابزارهای MLOps
• 91. مقدمه‌ای بر اتوماسیون تست UI
• 92. توسعه وب پیشرفته با پایتون
• 93. معماری میکرو سرویس با پایتون
• 94. طراحی پایگاه داده بهینه
• 95. امنیت داده‌ها در برنامه‌های کاربردی
• 96. مقدمه‌ای بر محاسبات کوانتومی
• 97. کاربرد پایتون در محاسبات کوانتومی
• 98. تکنیک‌های دیباگ پیشرفته
• 99. مستندسازی کد با Sphinx
• 100. مدیریت لاگ‌ها در برنامه‌های پایتون