دوره کاوش در لیست‌ها و دیکشنری‌ها در پایتون (بخش ۸) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاوش در لیست‌ها و دیکشنری‌ها در پایتون (بخش ۸)

موضوع کلی: برنامه‌نویسی و توسعه نرم‌افزار

موضوع میانی: ساختار داده در پایتون

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر ساختارهای داده در پایتون
• 2. آشنایی با لیست‌ها و انواع داده در پایتون
• 3. ایجاد و دسترسی به عناصر لیست
• 4. عملیات پایه روی لیست‌ها: افزودن، حذف، تغییر
• 5. برش‌زنی (Slicing) و پیمایش لیست‌ها
• 6. متدهای پرکاربرد لیست‌ها: append, insert, remove
• 7. متدهای پرکاربرد لیست‌ها: pop, clear, sort
• 8. متدهای پرکاربرد لیست‌ها: reverse, copy, extend
• 9. لیست‌های تودرتو و کاربردهای آن‌ها
• 10. کار با لیست‌های بزرگ و بهینه‌سازی عملکرد
• 11. مقدمه‌ای بر دیکشنری‌ها و ساختار کلید-مقدار
• 12. ایجاد دیکشنری‌ها و دسترسی به مقادیر
• 13. عملیات پایه روی دیکشنری‌ها: افزودن، حذف، تغییر
• 14. متدهای پرکاربرد دیکشنری‌ها: keys, values, items
• 15. متدهای پرکاربرد دیکشنری‌ها: get, pop, update
• 16. دیکشنری‌های تودرتو و کاربردهای آن‌ها
• 17. کار با دیکشنری‌های بزرگ و بهینه‌سازی عملکرد
• 18. مقایسه لیست‌ها و دیکشنری‌ها: زمان و مکان
• 19. انتخاب ساختار داده مناسب برای مسائل مختلف
• 20. تمرین‌های عملی با لیست‌ها و دیکشنری‌ها
• 21. مرور مفاهیم پیشرفته‌تر لیست‌ها
• 22. توابع و ماژول‌های مرتبط با لیست‌ها
• 23. کار با داده‌های حجیم و لیست‌ها
• 24. مقدمه‌ای بر انبارش داده در پایتون
• 25. مفاهیم پایه‌ای پایگاه داده رابطه‌ای
• 26. آشنایی با SQL و دستورات پایه
• 27. کار با کتابخانه sqlite3 در پایتون
• 28. ذخیره و بازیابی داده از پایگاه داده
• 29. ساخت جداول و تعریف انواع داده
• 30. عملیات CRUD (Create, Read, Update, Delete)
• 31. استفاده از کوئری‌های WHERE و فیلتر کردن داده‌ها
• 32. مرتب‌سازی و گروه‌بندی داده‌ها
• 33. پیوستن (JOIN) جداول مختلف
• 34. مقدمه‌ای بر NoSQL و انواع آن
• 35. کار با پایگاه داده‌های کلید-مقدار (Redis)
• 36. کار با پایگاه داده‌های سندگرا (MongoDB)
• 37. ذخیره و بازیابی داده از MongoDB با PyMongo
• 38. مفاهیم پایه‌ای داده‌کاوی
• 39. پیش‌پردازش داده‌ها در پایتون
• 40. کار با کتابخانه Pandas برای تحلیل داده
• 41. ساخت DataFrame و Series
• 42. بارگذاری و ذخیره داده‌ها (CSV, Excel)
• 43. عملیات پایه روی DataFrame
• 44. انتخاب و فیلتر کردن داده‌ها
• 45. گروه‌بندی و تجمیع داده‌ها
• 46. ترکیب و ادغام DataFrame ها
• 47. کار با داده‌های سری زمانی
• 48. مقدمه‌ای بر بصری‌سازی داده‌ها
• 49. استفاده از Matplotlib برای رسم نمودار
• 50. رسم نمودارهای خطی، میله‌ای و پراکندگی
• 51. سفارشی‌سازی نمودارها
• 52. استفاده از Seaborn برای بصری‌سازی پیشرفته
• 53. ایجاد Heatmap و Boxplot
• 54. مقدمه‌ای بر یادگیری ماشین
• 55. انواع الگوریتم‌های یادگیری ماشین
• 56. یادگیری نظارت شده و بدون نظارت
• 57. آماده‌سازی داده‌ها برای مدل‌سازی
• 58. تقسیم داده‌ها به مجموعه آموزش و آزمون
• 59. ارزیابی عملکرد مدل‌ها
• 60. مقدمه‌ای بر الگوریتم‌های طبقه‌بندی
• 61. رگرسیون خطی و منطقی
• 62. درخت‌های تصمیم و جنگل‌های تصادفی
• 63. ماشین‌های بردار پشتیبان (SVM)
• 64. مقدمه‌ای بر الگوریتم‌های خوشه‌بندی
• 65. K-Means Clustering
• 66. Hierarchical Clustering
• 67. DBSCAN Clustering
• 68. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 69. توکن‌سازی و نرمال‌سازی متن
• 70. استخراج ویژگی از متن (TF-IDF)
• 71. مدل‌سازی موضوعی (Topic Modeling)
• 72. مقدمه‌ای بر شبکه‌های عصبی
• 73. شبکه‌های عصبی پرسپترون چندلایه (MLP)
• 74. شبکه‌های عصبی کانولوشنال (CNN)
• 75. شبکه‌های عصبی بازگشتی (RNN)
• 76. کار با چارچوب‌های یادگیری عمیق (TensorFlow, PyTorch)
• 77. مقدمه‌ای بر توسعه وب با پایتون
• 78. فریم‌ورک‌های وب پایتون (Django, Flask)
• 79. ساخت یک برنامه ساده با Flask
• 80. مسیریابی (Routing) در Flask
• 81. قالب‌ها (Templates) و رندرینگ HTML
• 82. کار با فرم‌ها در Flask
• 83. مقدمه‌ای بر پایگاه داده در توسعه وب
• 84. اتصال Flask به پایگاه داده
• 85. ORM (Object-Relational Mapping)
• 86. مقدمه‌ای بر RESTful API
• 87. طراحی و پیاده‌سازی API در Flask
• 88. احراز هویت و مجوزها (Authentication & Authorization)
• 89. امنیت در برنامه‌های وب
• 90. استقرار (Deployment) برنامه‌های پایتون
• 91. مقدمه‌ای بر DevOps
• 92. ابزارهای DevOps (Docker, Kubernetes)
• 93. مقدمه‌ای بر اصول مهندسی نرم‌افزار
• 94. مدیریت پروژه نرم‌افزاری
• 95. اصول طراحی نرم‌افزار
• 96. الگوهای طراحی (Design Patterns)
• 97. مقدمه‌ای بر تست نرم‌افزار
• 98. تست واحد (Unit Testing)
• 99. تست یکپارچه‌سازی (Integration Testing)
• 100. تست پذیرش (Acceptance Testing)