دوره برنامه‌نویسی مقدماتی مهندسی و علمی با پایتون برای کامپیوترهای شخصی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره برنامه‌نویسی مقدماتی مهندسی و علمی با پایتون برای کامپیوترهای شخصی

موضوع کلی: علوم کامپیوتر و برنامه‌نویسی کاربردی

موضوع میانی: توسعه نرم‌افزارهای مهندسی و علمی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پایتون و محیط توسعه آن
• 2. نصب و پیکربندی پایتون
• 3. آشنایی با ساختارهای داده اولیه در پایتون
• 4. متغیرها و انواع داده در پایتون
• 5. عملگرها در پایتون
• 6. دستورات شرطی و منطقی
• 7. حلقه‌های تکرار در پایتون
• 8. توابع و تعریف آن‌ها در پایتون
• 9. ماژول‌ها و کتابخانه‌های پایتون
• 10. مدیریت خطا و استثنا در پایتون
• 11. مقدمه‌ای بر برنامه‌نویسی علمی
• 12. مبانی محاسبات عددی
• 13. حل معادلات جبری خطی
• 14. روش‌های ریشه‌یابی معادلات غیرخطی
• 15. درون‌یابی و برون‌یابی
• 16. انتگرال‌گیری عددی
• 17. معادلات دیفرانسیل معمولی
• 18. کار با آرایه‌ها و ماتریس‌ها با NumPy
• 19. عملیات پایه ماتریسی
• 20. جبر خطی با NumPy
• 21. تحلیل داده‌های آماری با NumPy
• 22. مقدمه‌ای بر رسم نمودار با Matplotlib
• 23. رسم نمودارهای دو بعدی
• 24. سفارشی‌سازی نمودارها
• 25. رسم نمودارهای سه بعدی
• 26. مقدمه‌ای بر پردازش سیگنال
• 27. تبدیل فوریه گسسته
• 28. طراحی فیلترهای دیجیتال
• 29. تحلیل سری‌های زمانی
• 30. مدل‌سازی آماری
• 31. مقدمه‌ای بر بهینه‌سازی
• 32. روش‌های بهینه‌سازی بدون قید
• 33. بهینه‌سازی مقید
• 34. برنامه‌ریزی خطی
• 35. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 36. پروسپترون و شبکه‌های چندلایه
• 37. آموزش شبکه‌های عصبی
• 38. کاربرد شبکه‌های عصبی در پیش‌بینی
• 39. مقدمه‌ای بر شبیه‌سازی
• 40. شبیه‌سازی سیستم‌های گسسته پیشامد
• 41. شبیه‌سازی مونت کارلو
• 42. شبیه‌سازی سیستم‌های دینامیکی
• 43. مقدمه‌ای بر محاسبات موازی
• 44. مفاهیم اولیه پردازش موازی
• 45. برنامه‌نویسی موازی با threading
• 46. برنامه‌نویسی موازی با multiprocessing
• 47. مقدمه‌ای بر تحلیل داده‌های علمی
• 48. جمع‌آوری و پیش‌پردازش داده‌ها
• 49. شناسایی الگوها در داده‌ها
• 50. تجسم پیشرفته داده‌ها
• 51. مدل‌سازی پیش‌بینانه
• 52. مقدمه‌ای بر محاسبات علمی در مهندسی
• 53. حل مسائل مقاومت مصالح با پایتون
• 54. تحلیل سازه‌ها با پایتون
• 55. شبیه‌سازی جریان سیال با پایتون
• 56. تحلیل ارتعاشات با پایتون
• 57. مقدمه‌ای بر پردازش تصویر
• 58. عملیات پایه روی تصاویر
• 59. فیلترینگ و بهبود تصویر
• 60. تشخیص لبه و استخراج ویژگی
• 61. مقدمه‌ای بر یادگیری ماشین
• 62. انواع الگوریتم‌های یادگیری ماشین
• 63. یادگیری نظارت شده
• 64. یادگیری نظارت نشده
• 65. ارزیابی مدل‌های یادگیری ماشین
• 66. مقدمه‌ای بر محاسبات علمی در فیزیک
• 67. حل مسائل مکانیک سماوی
• 68. شبیه‌سازی پدیده‌های موجی
• 69. مدل‌سازی حرکت ذرات
• 70. تحلیل داده‌های آزمایشگاهی
• 71. مقدمه‌ای بر محاسبات علمی در شیمی
• 72. مدل‌سازی مولکولی
• 73. شبیه‌سازی واکنش‌های شیمیایی
• 74. تحلیل طیف‌سنجی
• 75. مدیریت داده‌های شیمیایی
• 76. مقدمه‌ای بر برنامه‌نویسی کاربردی در علوم زمین
• 77. تحلیل داده‌های لرزه‌نگاری
• 78. مدل‌سازی خواص خاک
• 79. شبیه‌سازی جریان آب زیرزمینی
• 80. تحلیل داده‌های هواشناسی
• 81. مقدمه‌ای بر برنامه‌نویسی کاربردی در مهندسی پزشکی
• 82. تحلیل سیگنال‌های زیستی
• 83. مدل‌سازی اندام‌های بدن
• 84. شبیه‌سازی دستگاه‌های پزشکی
• 85. تحلیل داده‌های سلامت
• 86. مقدمه‌ای بر برنامه‌نویسی کاربردی در مهندسی برق
• 87. تحلیل مدارات الکتریکی
• 88. شبیه‌سازی سیستم‌های کنترلی
• 89. پردازش سیگنال‌های مخابراتی
• 90. مدیریت داده‌های شبکه‌های توزیع
• 91. مقدمه‌ای بر برنامه‌نویسی کاربردی در مهندسی عمران
• 92. تحلیل سازه‌های بتنی
• 93. شبیه‌سازی ترافیک شهری
• 94. مدل‌سازی هیدرولوژیکی
• 95. تحلیل داده‌های ژئوتکنیکی
• 96. مقدمه‌ای بر برنامه‌نویسی کاربردی در مهندسی مکانیک
• 97. تحلیل حرارتی
• 98. شبیه‌سازی دینامیکی سیستم‌ها
• 99. مدل‌سازی مکانیزم‌ها
• 100. تحلیل تنش و کرنش