دوره مقدمه‌ای بر برنامه‌نویسی با Python و مفاهیم Dataflow همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر برنامه‌نویسی با Python و مفاهیم Dataflow

موضوع کلی: علوم کامپیوتر و برنامه‌نویسی

موضوع میانی: برنامه‌نویسی و توسعه نرم‌افزار

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر دنیای برنامه‌نویسی
• 2. آشنایی با زبان برنامه‌نویسی پایتون
• 3. نصب و راه‌اندازی محیط پایتون
• 4. اولین برنامه در پایتون: سلام دنیا
• 5. انواع داده‌ها در پایتون
• 6. متغیرها و انواع آن‌ها
• 7. عملگرهای حسابی در پایتون
• 8. عملگرهای مقایسه‌ای در پایتون
• 9. عملگرهای منطقی در پایتون
• 10. ساختارهای تصمیم‌گیری: دستور if
• 11. دستور if-else
• 12. دستور if-elif-else
• 13. حلقه‌های تکرار: دستور while
• 14. دستور for در پایتون
• 15. دستور break و continue در حلقه‌ها
• 16. لیست‌ها در پایتون
• 17. دستکاری لیست‌ها
• 18. تاپل‌ها در پایتون
• 19. دیکشنری‌ها در پایتون
• 20. مجموعه‌ها (Sets) در پایتون
• 21. توابع در پایتون
• 22. تعریف و فراخوانی توابع
• 23. پارامترهای توابع
• 24. مقادیر بازگشتی توابع
• 25. توابع لامبدا (Lambda Functions)
• 26. ماژول‌ها در پایتون
• 27. وارد کردن ماژول‌ها
• 28. ساخت ماژول‌های سفارشی
• 29. مدیریت خطاها و استثناها
• 30. دستور try-except
• 31. مدیریت انواع استثناها
• 32. کار با فایل‌ها در پایتون
• 33. خواندن از فایل
• 34. نوشتن در فایل
• 35. کار با مسیرها و دایرکتوری‌ها
• 36. مقدمه‌ای بر مفاهیم Dataflow
• 37. مدل برنامه‌نویسی Dataflow
• 38. جریان داده (Data Stream)
• 39. پردازش موازی در Dataflow
• 40. مؤلفه‌های Dataflow
• 41. کدنویسی مؤلفه‌های Dataflow
• 42. مقدمه‌ای بر Apache Beam
• 43. نصب Apache Beam
• 44. اولین برنامه با Apache Beam
• 45. مفاهیم اصلی Apache Beam: Pipeline, PCollection, PTransform
• 46. ایجاد Pipeline در Apache Beam
• 47. کار با PCollection
• 48. اجرای PTransformها
• 49. تبدیل داده‌ها در Dataflow
• 50. فیلتر کردن داده‌ها
• 51. گروه‌بندی داده‌ها
• 52. توابع تجمعی (Aggregation Functions)
• 53. مدیریت وضعیت در Dataflow
• 54. پنجره‌بندی داده‌ها (Windowing)
• 55. انواع پنجره‌ها
• 56. مدیریت زمان در Dataflow
• 57. پردازش داده‌های دسته‌ای (Batch Processing)
• 58. پردازش داده‌های جریانی (Streaming Processing)
• 59. مقدمه‌ای بر Google Cloud Dataflow
• 60. استقرار برنامه‌های Dataflow در Google Cloud
• 61. مانیتورینگ و اشکال‌زدایی در Dataflow
• 62. بهینه‌سازی عملکرد Dataflow
• 63. انواع داده‌های ورودی و خروجی
• 64. کار با فایل‌های متنی در Dataflow
• 65. کار با فرمت CSV
• 66. کار با فرمت JSON
• 67. کار با پایگاه‌های داده رابطه‌ای (SQL)
• 68. کار با پایگاه‌های داده NoSQL
• 69. مقدمه‌ای بر پردازش کلان داده (Big Data)
• 70. چالش‌های پردازش کلان داده
• 71. معماری‌های پردازش کلان داده
• 72. مقایسه Dataflow با سایر ابزارها
• 73. کاربردهای عملی Dataflow
• 74. تحلیل داده‌های شبکه‌های اجتماعی
• 75. پردازش داده‌های حسگرها
• 76. تحلیل داده‌های مالی
• 77. سیستم‌های توصیه‌گر
• 78. مقدمه‌ای بر الگوریتم‌ها
• 79. تحلیل پیچیدگی الگوریتم‌ها
• 80. مرتب‌سازی و جستجو
• 81. ساختارهای داده پیشرفته
• 82. مقدمه‌ای بر یادگیری ماشین
• 83. انواع الگوریتم‌های یادگیری ماشین
• 84. آموزش مدل‌های یادگیری ماشین
• 85. ارزیابی مدل‌های یادگیری ماشین
• 86. مقدمه‌ای بر هوش مصنوعی
• 87. اخلاق در هوش مصنوعی
• 88. آینده هوش مصنوعی
• 89. مباحث پیشرفته در پایتون
• 90. برنامه‌نویسی شیءگرا در پایتون
• 91. مقدمه‌ای بر کتابخانه‌های علمی پایتون
• 92. کار با NumPy
• 93. کار با Pandas
• 94. مقدمه‌ای بر توسعه وب با پایتون
• 95. فریم‌ورک‌های وب در پایتون
• 96. مقدمه‌ای بر امنیت نرم‌افزار
• 97. اصول کدنویسی امن
• 98. آشنایی با مفاهیم DevOps
• 99. مقدمه‌ای بر معماری نرم‌افزار
• 100. الگوهای طراحی نرم‌افزار