دوره جامع مقدماتی پایتون: از صفر تا صد آمادگی برای پروژه‌ها همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جامع مقدماتی پایتون: از صفر تا صد آمادگی برای پروژه‌ها

موضوع کلی: علوم کامپیوتر و برنامه‌نویسی

موضوع میانی: برنامه‌نویسی پایتون

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم کامپیوتر و برنامه‌نویسی
• 2. چرا پایتون؟ مزایا و کاربردهای پایتون
• 3. نصب و راه‌اندازی محیط پایتون
• 4. اولین برنامه در پایتون: چاپ متن
• 5. مفاهیم پایه‌ای: متغیرها و انواع داده
• 6. اعداد در پایتون: صحیح، اعشاری و مختلط
• 7. رشته‌ها: کار با متن و عملیات روی آن
• 8. لیست‌ها: ساختارهای داده پویا
• 9. تاپل‌ها: لیست‌های تغییرناپذیر
• 10. دیکشنری‌ها: ساختارهای داده کلید-مقدار
• 11. مجموعه‌ها: ذخیره‌سازی عناصر منحصربه‌فرد
• 12. عملگرهای ریاضی و منطقی
• 13. دستورات شرطی: if, elif, else
• 14. حلقه‌های تکرار: for و while
• 15. توابع: تعریف و فراخوانی
• 16. مدیریت خطا و استثنائات
• 17. کار با فایل‌ها: خواندن و نوشتن
• 18. ماژول‌ها و پکیج‌ها در پایتون
• 19. مقدمه‌ای بر برنامه‌نویسی شیءگرا
• 20. کلاس‌ها و اشیاء
• 21. وراثت در برنامه‌نویسی شیءگرا
• 22. چندریختی (Polymorphism)
• 23. کپسوله‌سازی (Encapsulation)
• 24. مقدمه‌ای بر ساختارهای داده پیشرفته
• 25. الگوریتم‌های مرتب‌سازی پایه
• 26. الگوریتم‌های جستجو پایه
• 27. بازگشت (Recursion)
• 28. مقدمه‌ای بر پایگاه‌های داده
• 29. کار با پایگاه داده SQLite در پایتون
• 30. مفاهیم SQL پایه
• 31. مقدمه‌ای بر توسعه وب با پایتون
• 32. فریم‌ورک‌های وب پایتون: جنگو و فلَسک
• 33. ساخت یک برنامه وب ساده با فلَسک
• 34. مقدمه‌ای بر تحلیل داده با پایتون
• 35. کتابخانه NumPy برای محاسبات عددی
• 36. کتابخانه Pandas برای پردازش داده
• 37. مقدمه‌ای بر مصورسازی داده
• 38. کتابخانه Matplotlib برای رسم نمودار
• 39. کتابخانه Seaborn برای مصورسازی پیشرفته
• 40. مقدمه‌ای بر یادگیری ماشین
• 41. مفاهیم پایه یادگیری ماشین
• 42. کار با کتابخانه Scikit-learn
• 43. آموزش مدل‌های طبقه‌بندی
• 44. آموزش مدل‌های رگرسیون
• 45. ارزیابی مدل‌های یادگیری ماشین
• 46. مقدمه‌ای بر شبکه‌های عصبی
• 47. کار با کتابخانه TensorFlow (مقدماتی)
• 48. کار با کتابخانه Keras (مقدماتی)
• 49. مقدمه‌ای بر هوش مصنوعی
• 50. کاربردهای هوش مصنوعی در صنعت
• 51. مقدمه‌ای بر توسعه بازی با پایتون
• 52. کتابخانه Pygame برای توسعه بازی
• 53. ساخت یک بازی ساده با Pygame
• 54. مقدمه‌ای بر امنیت سایبری (مبانی)
• 55. اصول رمزنگاری پایه
• 56. کاربرد پایتون در اتوماسیون وظایف
• 57. اسکریپت‌نویسی برای سیستم‌عامل
• 58. کار با APIها در پایتون
• 59. مقدمه‌ای بر مفاهیم پایگاه داده NoSQL
• 60. کار با MongoDB (مقدماتی)
• 61. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 62. کار با کتابخانه NLTK (مقدماتی)
• 63. کار با کتابخانه SpaCy (مقدماتی)
• 64. مقدمه‌ای بر رایانش ابری
• 65. کاربرد پایتون در سرویس‌های ابری (AWS, Azure)
• 66. مقدمه‌ای بر Docker و کانتینرسازی
• 67. کاربرد Docker در توسعه پایتون
• 68. مقدمه‌ای بر DevOps
• 69. استفاده از پایتون در فرآیندهای DevOps
• 70. اصول طراحی الگوریتم‌های کارآمد
• 71. تحلیل پیچیدگی زمانی و مکانی الگوریتم‌ها
• 72. مقدمه‌ای بر مفاهیم گراف
• 73. کار با کتابخانه NetworkX
• 74. مقدمه‌ای بر برنامه‌نویسی موازی و هم‌روند
• 75. استفاده از کتابخانه multiprocessing
• 76. استفاده از کتابخانه threading
• 77. مقدمه‌ای بر معماری نرم‌افزار
• 78. اصول طراحی نرم‌افزار مقیاس‌پذیر
• 79. مقدمه‌ای بر تست نرم‌افزار
• 80. نوشتن تست واحد (Unit Testing)
• 81. نوشتن تست یکپارچه‌سازی (Integration Testing)
• 82. مقدمه‌ای بر مدیریت پروژه نرم‌افزاری
• 83. متدولوژی‌های چابک (Agile)
• 84. کاربرد پایتون در تست خودکار
• 85. مقدمه‌ای بر بیگ دیتا
• 86. کاربرد پایتون در اکوسیستم بیگ دیتا (Spark)
• 87. مقدمه‌ای بر بلاکچین
• 88. کاربرد پایتون در توسعه بلاکچین (مقدماتی)
• 89. مقدمه‌ای بر امنیت برنامه‌های وب
• 90. شناسایی و رفع آسیب‌پذیری‌های رایج
• 91. مقدمه‌ای بر معماری میکروسرویس
• 92. پیاده‌سازی میکروسرویس با پایتون
• 93. مقدمه‌ای بر اینترنت اشیاء (IoT)
• 94. کاربرد پایتون در دستگاه‌های IoT
• 95. مقدمه‌ای بر واقعیت مجازی و افزوده
• 96. کاربرد پایتون در توسعه VR/AR (مقدماتی)
• 97. مقدمه‌ای بر سیستم‌های توصیه‌گر
• 98. پیاده‌سازی سیستم توصیه‌گر ساده
• 99. مقدمه‌ای بر پردازش تصویر
• 100. کار با کتابخانه OpenCV