دوره آموزش جامع پایتون برای مبتدیان: از صفر تا صد همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع پایتون برای مبتدیان: از صفر تا صد

موضوع کلی: علوم کامپیوتر و فناوری اطلاعات

موضوع میانی: برنامه‌نویسی و توسعه نرم‌افزار

📋 سرفصل‌های دوره

• 1. مبانی اولیه پایتون
• 2. نصب و راه‌اندازی پایتون
• 3. انواع داده در پایتون
• 4. متغیرها و عملگرها
• 5. دستورات شرطی (if, elif, else)
• 6. حلقه‌های تکرار (for, while)
• 7. ساختارهای داده: لیست‌ها
• 8. ساختارهای داده: تاپل‌ها
• 9. ساختارهای داده: مجموعه‌ها
• 10. ساختارهای داده: دیکشنری‌ها
• 11. توابع در پایتون
• 12. مدیریت خطا و استثناها
• 13. کار با فایل‌ها در پایتون
• 14. ماژول‌ها و بسته‌ها
• 15. مقدمه‌ای بر برنامه‌نویسی شیءگرا
• 16. کلاس‌ها و اشیاء
• 17. وراثت در پایتون
• 18. پلی‌مورفیسم
• 19. کپسوله‌سازی
• 20. مقدمه‌ای بر توسعه وب با پایتون
• 21. چارچوب جنگو (Django)
• 22. مفاهیم اولیه جنگو
• 23. مدل‌ها در جنگو
• 24. ویوها در جنگو
• 25. تمپلیت‌ها در جنگو
• 26. مسیردهی (URL Routing) در جنگو
• 27. فرم‌ها در جنگو
• 28. مدیریت پایگاه داده در جنگو
• 29. مقدمه‌ای بر چارچوب فلَسک (Flask)
• 30. مفاهیم اولیه فلَسک
• 31. مسیردهی در فلَسک
• 32. تمپلیت‌ها در فلَسک
• 33. کار با پایگاه داده در فلَسک
• 34. مقدمه‌ای بر علم داده با پایتون
• 35. کتابخانه نام‌پای (NumPy)
• 36. عملیات بر روی آرایه‌ها
• 37. کتابخانه پانداز (Pandas)
• 38. ساختارهای داده در پانداز: سری
• 39. ساختارهای داده در پانداز: دیتافریم
• 40. بارگذاری و ذخیره داده‌ها
• 41. پاکسازی و پیش‌پردازش داده‌ها
• 42. تحلیل اکتشافی داده‌ها (EDA)
• 43. مصورسازی داده‌ها با مت‌پلات‌لیب (Matplotlib)
• 44. مصورسازی داده‌ها با سبورن (Seaborn)
• 45. مقدمه‌ای بر یادگیری ماشین
• 46. مفاهیم پایه یادگیری ماشین
• 47. یادگیری نظارت‌شده (Supervised Learning)
• 48. رگرسیون خطی
• 49. رگرسیون لجستیک
• 50. درخت تصمیم
• 51. ماشین بردار پشتیبان (SVM)
• 52. یادگیری نظارت‌نشده (Unsupervised Learning)
• 53. خوشه‌بندی (Clustering)
• 54. K-Means Clustering
• 55. کاهش ابعاد (Dimensionality Reduction)
• 56. تحلیل مؤلفه‌های اصلی (PCA)
• 57. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 58. کار با متن در پایتون
• 59. توکن‌سازی (Tokenization)
• 60. ریشه‌یابی (Stemming) و لماتیزاسیون (Lemmatization)
• 61. مدل‌های زبانی
• 62. کار با داده‌های ساختاریافته
• 63. مقدمه‌ای بر پایگاه‌های داده رابطه‌ای
• 64. مفاهیم SQL
• 65. عبارات SELECT
• 66. عبارات INSERT, UPDATE, DELETE
• 67. JOIN ها در SQL
• 68. مقدمه‌ای بر پایگاه‌های داده NoSQL
• 69. MongoDB
• 70. کار با MongoDB در پایتون
• 71. مقدمه‌ای بر توسعه بازی با پایتون
• 72. کتابخانه Pygame
• 73. مفاهیم پایه‌ای Pygame
• 74. رسم اشکال
• 75. مدیریت رویدادها
• 76. ساخت یک بازی ساده
• 77. مقدمه‌ای بر اتوماسیون اداری
• 78. کار با فایل‌های اکسل
• 79. کار با فایل‌های PDF
• 80. کار با ایمیل
• 81. مقدمه‌ای بر هوش مصنوعی
• 82. مفاهیم پایه هوش مصنوعی
• 83. جستجو در فضای حالت
• 84. بازیابی اطلاعات
• 85. مقدمه‌ای بر یادگیری عمیق
• 86. شبکه‌های عصبی مصنوعی
• 87. شبکه‌های عصبی کانولوشنی (CNN)
• 88. شبکه‌های عصبی بازگشتی (RNN)
• 89. کاربرد پایتون در امنیت سایبری (مفاهیم پایه)
• 90. تحلیل ترافیک شبکه
• 91. مقدمه‌ای بر تست نرم‌افزار
• 92. تست واحد (Unit Testing)
• 93. چارچوب unittest پایتون
• 94. تست یکپارچه‌سازی (Integration Testing)
• 95. مقدمه‌ای بر DevOps
• 96. مفاهیم CI/CD
• 97. ابزارهای DevOps
• 98. پروژه‌های عملی پایتون
• 99. ساخت یک ابزار خط فرمان
• 100. توسعه یک API ساده