دوره آموزش جامع پایتون برای توسعه‌دهندگان مبتدی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع پایتون برای توسعه‌دهندگان مبتدی

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: برنامه‌نویسی و توسعه نرم‌افزار

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پایتون و محیط توسعه آن
• 2. نصب و پیکربندی پایتون
• 3. آشنایی با محیط PyCharm
• 4. ایجاد اولین پروژه در PyCharm
• 5. مفاهیم پایه برنامه‌نویسی در پایتون
• 6. متغیرها و انواع داده در پایتون
• 7. عملگرها در پایتون
• 8. ساختارهای کنترلی: شرط‌ها (if, elif, else)
• 9. ساختارهای کنترلی: حلقه‌ها (for, while)
• 10. توابع در پایتون
• 11. مدیریت خطا و استثناها
• 12. کار با رشته‌ها و متن
• 13. لیست‌ها و تاپل‌ها در پایتون
• 14. دیکشنری‌ها و مجموعه‌ها در پایتون
• 15. کار با فایل‌ها و ورودی/خروجی
• 16. مفاهیم شی‌گرایی در پایتون
• 17. کلاس‌ها و اشیاء
• 18. وراثت و پلی‌مورفیسم
• 19. ماژول‌ها و بسته‌ها در پایتون
• 20. مدیریت وابستگی‌ها
• 21. کار با تاریخ و زمان
• 22. عبارات منظم (Regex)
• 23. مقدمه‌ای بر کتابخانه‌های استاندارد پایتون
• 24. کار با اعداد و محاسبات ریاضی
• 25. تصادفی‌سازی در پایتون
• 26. شبکه‌سازی پایه در پایتون
• 27. آشنایی با پروتکل‌های وب
• 28. کار با داده‌های JSON
• 29. کار با داده‌های CSV
• 30. مقدمه‌ای بر پایگاه‌های داده
• 31. ارتباط با پایگاه داده SQLite
• 32. اصول پایگاه داده رابطه‌ای
• 33. مقدمه‌ای بر طراحی نرم‌افزار
• 34. اصول مهندسی نرم‌افزار
• 35. مدل‌های توسعه نرم‌افزار
• 36. مدیریت پروژه نرم‌افزاری
• 37. مقدمه‌ای بر توسعه وب
• 38. فریم‌ورک‌های وب پایتون (Django/Flask)
• 39. ساختار پروژه Django
• 40. مدل‌ها در Django
• 41. ویوها در Django
• 42. قالب‌ها در Django
• 43. URLs در Django
• 44. فرم‌ها در Django
• 45. مدیریت کاربران در Django
• 46. مقدمه‌ای بر RESTful API
• 47. ساخت API با Django REST Framework
• 48. اصول تست نرم‌افزار
• 49. تست واحد (Unit Testing)
• 50. تست یکپارچه‌سازی (Integration Testing)
• 51. اصول اشکال‌زدایی (Debugging)
• 52. تکنیک‌های اشکال‌زدایی پیشرفته
• 53. کار با Docker برای بسته‌بندی نرم‌افزار
• 54. مقدمه‌ای بر DevOps
• 55. اصول CI/CD
• 56. امنیت در توسعه نرم‌افزار
• 57. مقدمه‌ای بر الگوریتم‌ها
• 58. الگوریتم‌های مرتب‌سازی
• 59. الگوریتم‌های جستجو
• 60. ساختمان داده‌ها: پشته و صف
• 61. ساختمان داده‌ها: درخت‌ها
• 62. ساختمان داده‌ها: گراف‌ها
• 63. مقدمه‌ای بر هوش مصنوعی
• 64. یادگیری ماشین با Scikit-learn
• 65. طبقه‌بندی در یادگیری ماشین
• 66. رگرسیون در یادگیری ماشین
• 67. خوشه‌بندی در یادگیری ماشین
• 68. شبکه‌های عصبی پایه
• 69. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 70. کار با کتابخانه‌های NLP پایتون
• 71. تجزیه و تحلیل متن
• 72. مدل‌سازی موضوعی
• 73. مقدمه‌ای بر علم داده
• 74. تجسم داده‌ها با Matplotlib
• 75. تجسم داده‌ها با Seaborn
• 76. کار با کتابخانه Pandas
• 77. عملیات پایه Pandas
• 78. فیلتر کردن و انتخاب داده در Pandas
• 79. توابع گروهی در Pandas
• 80. ادغام و اتصال داده‌ها در Pandas
• 81. کار با داده‌های سری زمانی در Pandas
• 82. مقدمه‌ای بر محاسبات موازی
• 83. پردازش موازی با multiprocessing
• 84. پردازش همروند با threading
• 85. اصول طراحی پایدار نرم‌افزار
• 86. معماری‌های نرم‌افزاری رایج
• 87. اصول طراحی تمیز (Clean Design)
• 88. بازآرایی کد (Refactoring)
• 89. مستندسازی نرم‌افزار
• 90. مدیریت پیکربندی در پایتون
• 91. مقدمه‌ای بر ابزارهای توسعه
• 92. آشنایی با Git برای کنترل نسخه
• 93. اصول کار با Git
• 94. مدیریت مخازن Git
• 95. کار با GitHub/GitLab
• 96. مقدمه‌ای بر چارچوب‌های تست
• 97. پوشش کد (Code Coverage)
• 98. اصول ارزیابی و بهینه‌سازی عملکرد
• 99. شناسایی گلوگاه‌های عملکردی
• 100. نکات پیشرفته در PyCharm