دوره کار با رشته‌های دودویی و فرمت‌های داده همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کار با رشته‌های دودویی و فرمت‌های داده

موضوع کلی: برنامه‌نویسی و مدیریت داده در بی‌بی‌سی میکرومپیوتر

موضوع میانی: کار با رشته‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر رشته‌های دودویی و نمایش داده‌ها
• 2. مبانی نمایش اعداد صحیح در سیستم دودویی
• 3. اعداد صحیح علامت‌دار: مکمل یک و مکمل دو
• 4. نمایش اعداد اعشاری: فرمت ممیز شناور IEEE 754
• 5. تبدیل بین مبناهای عددی مختلف
• 6. عملگرهای بیتی: AND، OR، XOR، NOT
• 7. شیفت بیتی: چپ و راست
• 8. کار با بیت‌ها: خواندن، نوشتن و تغییر بیت‌ها
• 9. مقدمه‌ای بر ساختارهای داده دودویی
• 10. فایل‌های دودویی: ساختار و نحوه خواندن
• 11. فرمت‌های داده دودویی رایج: باینری، هگزادسیمال
• 12. بایت‌ها و کلمات در پردازش داده‌های دودویی
• 13. اندین‌نس (Endianness): بیگ اندین و لیتل اندین
• 14. نحوه ذخیره‌سازی داده‌های دودویی در حافظه
• 15. فشرده‌سازی داده‌ها: مفاهیم پایه
• 16. الگوریتم‌های فشرده‌سازی بدون اتلاف: Huffman
• 17. الگوریتم‌های فشرده‌سازی بدون اتلاف: LZW
• 18. فشرده‌سازی با اتلاف: مفاهیم و کاربردها
• 19. فرمت‌های تصویری دودویی: BMP، PNG، JPEG
• 20. فرمت‌های صوتی دودویی: WAV، MP3
• 21. فرمت‌های ویدیویی دودویی: MP4، AVI
• 22. کار با فایل‌های متنی: کدگذاری کاراکترها (ASCII، UTF-8)
• 23. تبدیل داده‌های متنی به دودویی و بالعکس
• 24. پروتکل‌های ارتباطی و فرمت بسته‌ها
• 25. ساختار بسته‌های شبکه: لایه پیوند داده
• 26. ساختار بسته‌های شبکه: لایه شبکه (IP)
• 27. ساختار بسته‌های شبکه: لایه انتقال (TCP/UDP)
• 28. رمزنگاری متقارن: مفاهیم پایه
• 29. الگوریتم‌های رمزنگاری متقارن: DES، AES
• 30. رمزنگاری نامتقارن: مفاهیم پایه
• 31. الگوریتم‌های رمزنگاری نامتقارن: RSA
• 32. امضای دیجیتال و احراز هویت
• 33. کار با گواهی‌های دیجیتال
• 34. امنیت داده‌های دودویی: تهدیدات و راهکارها
• 35. مقدمه‌ای بر پایگاه داده‌های رابطه‌ای
• 36. ساختار جداول و روابط در پایگاه داده
• 37. زبان SQL: دستورات پایه (SELECT، INSERT، UPDATE، DELETE)
• 38. SQL: ایجاد و تغییر ساختار جداولی (CREATE TABLE، ALTER TABLE)
• 39. SQL: محدودیت‌ها و کلیدهای اصلی/خارجی
• 40. SQL: دستورات JOIN برای ترکیب جداول
• 41. SQL: توابع تجمعی (COUNT، SUM، AVG)
• 42. SQL: گروه‌بندی و مرتب‌سازی داده‌ها (GROUP BY، ORDER BY)
• 43. SQL: زیرپرس‌وجوها (Subqueries)
• 44. SQL: نماها (Views)
• 45. SQL: تراکنش‌ها و مدیریت همزمانی
• 46. مقدمه‌ای بر پایگاه داده‌های NoSQL
• 47. انواع پایگاه داده‌های NoSQL: Key-Value
• 48. انواع پایگاه داده‌های NoSQL: Document-based
• 49. انواع پایگاه داده‌های NoSQL: Column-family
• 50. انواع پایگاه داده‌های NoSQL: Graph-based
• 51. کار با پایگاه داده‌های NoSQL: مفاهیم و کاربردها
• 52. مقدمه‌ای بر زبان برنامه‌نویسی پایتون
• 53. ساختارهای داده در پایتون: لیست‌ها، تاپل‌ها، دیکشنری‌ها
• 54. کار با رشته‌ها در پایتون
• 55. کار با فایل‌ها در پایتون: خواندن و نوشتن
• 56. مقدمه‌ای بر کتابخانه‌های پردازش داده در پایتون
• 57. کتابخانه NumPy: آرایه‌های عددی
• 58. کتابخانه NumPy: عملیات بر روی آرایه‌ها
• 59. کتابخانه Pandas: ساختار داده DataFrame
• 60. کتابخانه Pandas: خواندن و نوشتن داده‌های مختلف
• 61. کتابخانه Pandas: فیلتر کردن و انتخاب داده‌ها
• 62. کتابخانه Pandas: گروه‌بندی و تجمیع داده‌ها
• 63. کتابخانه Pandas: ادغام و پیوستن DataFrame ها
• 64. کتابخانه Pandas: مدیریت داده‌های گمشده
• 65. مقدمه‌ای بر پردازش داده‌های بزرگ (Big Data)
• 66. مفاهیم MapReduce
• 67. چارچوب Apache Spark: مبانی
• 68. کار با Spark SQL
• 69. Spark Streaming: پردازش داده‌های جریانی
• 70. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
• 71. یادگیری تحت نظارت: رگرسیون
• 72. یادگیری تحت نظارت: طبقه‌بندی
• 73. الگوریتم‌های یادگیری ماشین: رگرسیون خطی
• 74. الگوریتم‌های یادگیری ماشین: رگرسیون لجستیک
• 75. الگوریتم‌های یادگیری ماشین: ماشین‌های بردار پشتیبان (SVM)
• 76. الگوریتم‌های یادگیری ماشین: درخت‌های تصمیم
• 77. الگوریتم‌های یادگیری ماشین: جنگل‌های تصادفی
• 78. یادگیری بدون نظارت: خوشه‌بندی
• 79. الگوریتم‌های خوشه‌بندی: K-Means
• 80. کاهش ابعاد: تحلیل مؤلفه‌های اصلی (PCA)
• 81. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 82. شبکه‌های عصبی پرسپترون چندلایه (MLP)
• 83. شبکه‌های عصبی کانولوشنال (CNN)
• 84. شبکه‌های عصبی بازگشتی (RNN)
• 85. کار با کتابخانه TensorFlow
• 86. کار با کتابخانه PyTorch
• 87. ارزیابی مدل‌های یادگیری ماشین
• 88. بهینه‌سازی هایپرپارامترها
• 89. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 90. روش‌های پیش‌پردازش متن
• 91. مدل‌سازی موضوعی (Topic Modeling)
• 92. تحلیل احساسات (Sentiment Analysis)
• 93. ترجمه ماشینی
• 94. مقدمه‌ای بر علم داده (Data Science)
• 95. چرخه حیات پروژه علم داده
• 96. مصورسازی داده‌ها: مفاهیم و ابزارها
• 97. کار با کتابخانه Matplotlib
• 98. کار با کتابخانه Seaborn
• 99. اصول گزارش‌دهی در علم داده
• 100. اخلاق در علم داده و حریم خصوصی