فلش‌کارت‌های آموزشی آموزش جامع زبان برنامه‌نویسی پایتون برای توسعه کاربردهای عملی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع زبان برنامه‌نویسی پایتون برای توسعه کاربردهای عملی

موضوع کلی: علوم کامپیوتر و فناوری اطلاعات

موضوع میانی: برنامه‌نویسی و توسعه نرم‌افزار

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم کامپیوتر
• 2. تاریخچه مختصر کامپیوتر
• 3. مبانی الگوریتم‌ها
• 4. مفاهیم اولیه برنامه‌نویسی
• 5. انواع زبان‌های برنامه‌نویسی
• 6. نصب و پیکربندی پایتون
• 7. اولین برنامه در پایتون
• 8. متغیرها و انواع داده‌ها
• 9. عملگرها در پایتون
• 10. دستورات شرطی (if, elif, else)
• 11. حلقه‌های تکرار (for, while)
• 12. ساختارهای داده: لیست‌ها
• 13. ساختارهای داده: تاپل‌ها
• 14. ساختارهای داده: مجموعه‌ها
• 15. ساختارهای داده: دیکشنری‌ها
• 16. توابع در پایتون: تعریف و فراخوانی
• 17. پارامترها و آرگومان‌های توابع
• 18. محدوده (Scope) متغیرها
• 19. ماژول‌ها و بسته‌های پایتون
• 20. وارد کردن ماژول‌ها
• 21. مدیریت خطا و استثناها (try-except)
• 22. کار با فایل‌ها: خواندن
• 23. کار با فایل‌ها: نوشتن
• 24. کار با فایل‌ها: افزودن
• 25. برنامه‌نویسی شیءگرا: مفاهیم پایه
• 26. کلاس‌ها و اشیاء
• 27. وراثت در پایتون
• 28. چندریختی (Polymorphism)
• 29. کپسوله‌سازی (Encapsulation)
• 30. مقدمه‌ای بر پایگاه داده
• 31. مبانی SQL
• 32. کار با پایگاه داده با پایتون
• 33. کتابخانه SQLite3
• 34. مفاهیم وب
• 35. پروتکل HTTP
• 36. مقدمه‌ای بر فریم‌ورک‌های وب
• 37. فریم‌ورک Django
• 38. مبانی Django: مدل‌ها
• 39. مبانی Django: نماها (Views)
• 40. مبانی Django: الگوها (Templates)
• 41. مقدمه‌ای بر توسعه API
• 42. ساخت API با Django REST framework
• 43. مبانی JSON
• 44. کار با APIهای خارجی
• 45. مقدمه‌ای بر علم داده
• 46. کتابخانه NumPy
• 47. کتابخانه Pandas
• 48. تجزیه و تحلیل داده‌های اکتشافی (EDA)
• 49. مقدمه‌ای بر مصورسازی داده
• 50. کتابخانه Matplotlib
• 51. کتابخانه Seaborn
• 52. مقدمه‌ای بر یادگیری ماشین
• 53. انواع یادگیری ماشین
• 54. رگرسیون خطی
• 55. طبقه‌بندی (Classification)
• 56. الگوریتم K-نزدیکترین همسایه (KNN)
• 57. الگوریتم درخت تصمیم (Decision Tree)
• 58. مقدمه‌ای بر شبکه‌های عصبی
• 59. شبکه‌های عصبی پرسپترون چندلایه (MLP)
• 60. کتابخانه Scikit-learn
• 61. آماده‌سازی داده‌ها برای یادگیری ماشین
• 62. ارزیابی مدل‌های یادگیری ماشین
• 63. مقدمه‌ای بر توسعه اپلیکیشن دسکتاپ
• 64. کتابخانه Tkinter
• 65. ساخت فرم‌ها در Tkinter
• 66. مقدمه‌ای بر توسعه بازی
• 67. کتابخانه Pygame
• 68. مبانی Pygame: نمایش تصاویر
• 69. مبانی Pygame: حرکت اشیاء
• 70. مبانی Pygame: مدیریت رویدادها
• 71. ساخت یک بازی ساده
• 72. مقدمه‌ای بر امنیت نرم‌افزار
• 73. مبانی رمزنگاری
• 74. هش کردن (Hashing)
• 75. امضای دیجیتال
• 76. امنیت در وب اپلیکیشن‌ها
• 77. مبانی تست نرم‌افزار
• 78. تست واحد (Unit Testing)
• 79. تست یکپارچه‌سازی (Integration Testing)
• 80. مقدمه‌ای بر DevOps
• 81. مبانی CI/CD
• 82. ابزارهای CI/CD
• 83. مقدمه‌ای بر محاسبات ابری
• 84. مبانی Cloud Computing
• 85. سرویس‌های ابری رایج
• 86. مقدمه‌ای بر اینترنت اشیاء (IoT)
• 87. مبانی IoT
• 88. پلتفرم‌های IoT
• 89. کار با سنسورها
• 90. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 91. تحلیل احساسات (Sentiment Analysis)
• 92. پردازش متن با NLTK
• 93. مقدمه‌ای بر بلاکچین
• 94. مبانی بلاکچین
• 95. کاربرد بلاکچین در صنعت
• 96. مقدمه‌ای بر هوش مصنوعی مولد
• 97. مبانی مدل‌های زبانی بزرگ (LLMs)
• 98. کاربرد LLMs در توسعه نرم‌افزار
• 99. اخلاق در توسعه نرم‌افزار
• 100. حریم خصوصی داده‌ها