آموزش جامع پروژه محور PYTHON

>> مدرس " دکتر محمدصادق یزدانی " با بیش از 10 سال سابقه تدریس >> بیش از 23 ساعت آموزش با بیانی بسیار ساده و مفهومی >> به همراه مثال های کاربردی >> بدون محدودیت در دفعات اجرا >> همراه با نرم افزار Winpython 3.6.6.2 >> آموزش بروزرسانی آخرین نسخه از محیط قدرتمند Jupyterlab

آشنایی و راه اندازی

آشنایی با پایتون

نسخه ها و اسناد

راه اندازی

ساختار پروژه:

• ایجاد و اجرای پروژه
• معرفی توزیع WinPython
• انواع ادیتورها

دستور زبان(syntax)

انواع داده ها

معرفی داده های ساده عددی:

• معرفی int
• معرفی float
• معرفی Complex
• معرفیDesimal
• معرفی Fraction
• معرفی bool

داده های دنباله ای

قالب بندی رشته ها

list و متدهای مهم آن

• برش و اندیس دهی
• معرفی append
• معرفی copy
• معرفی count
• معرفی extend
• معرفی clear
• معرفی index
• معرفی pop
• معرفی remove
• معرفی reverse
• معرفی sort

Tuple و متدهای آن

Dict و OrderedDict و متدهای آن

• انواع تعریف دیکشنری و اندیس دهی
• معرفی get
• معرف item
• معرفی pop
• معرفی keys
• معرفی values
• معرفی update
• معرفی setdefault

Set و frozenset و متدهای آن

• اضافه کردن عضو به set
• معرفی اجتماع و اشتراک

تابع zip

تبدیل به انواع دیگر

دست به کد اول

ساختار کنترلی

مقدمه و معرفی

معرفی توابع داخلی و دستورات کاربردی

ساختار شرط

ساختار حلقه while

ساختار حلقه for

ساختار مدیریت خطا:

• معرفی انواع خطاهای موجود
• معرفی finally و else

دست به کد دوم

معرفی توابع داخلی بیشتر

دست به کد سوم

فایل ها

معرفی فایل و کار با آن

مثال های کار با فایل

معرفی ساختار with

راههای ورودی و خروجی دیگر

دست به کد چهارم - تمرین Genre

توابع

معرفی تعریف تابع

آرگومان های ورودی تابع

خروجی تابع

معرفی دستور lambda

متغیرهای محلی و سراسری

دست به کد پنجم

برنامه نویسی ماژولار

ماژول نویسی و تفکیک ساختارهای کد

معرفی کتابخانه های کاربردی استاندارد

دست به کد ششم - تمرین password

 

علم داده در سال‌های اخیر باعث تحولات شگرفی در زندگی بشر گردیده است که از جمله آن می‌توان به موتورهای جستجوی اینترنتی هوشمند، مترجم‌های هوشمند، خودروهای هوشمند و بسیاری از امکانات و تجهیزاتی که هم اکنون در اختیار ماست، اشاره کرد. هر روز حجم زیادی از داده‌ در سراسر جهان در حال تولید است و لحظه به لحظه سرعت تولید آن بیشتر و بیشتر می‌شود؛ اغلب این داده‌ها با تحلیل‌های ساده قابلیت تبدیل شدن به اطلاعات مفید و ارزشمند را دارند که برای این کار نیز ابزارهای زیادی ساخته شده است.

 زبان برنامه نویسی پایتون به دلیل سادگی و سهولت در اجرا و بسیاری از امکانات دیگر، گزینه‌ی بسیار مناسبی جهت تحلیل داده‌ها برای متخصصان علم داده است. ابزارهای متنوع و قدرتمند پایتون برای استخراج، تحلیل و بصری‌سازی داده‌ها این امکان را به طیف بزرگی از دانشجویان و پژوهشگران در همه‌ی علوم می‌دهد تا به راحتی بتوانند از این ابزارها در حوزه‌ی تخصص خود بهره ببرند.

 این آموزش با بهره‌گیری از به‌روزترین محیط‌های کدنویسی و بسته‌های نرم‌افزاری پایتون که شرکت‌های بزرگ نیز از آنها بهره می‌برند، ارائه شده است. محیط اصلی آموزش، برنامه JupyterLab است که یکی از جدیدترین محیط‌های کدنویسی پایتون بوده و شرکت‌های مهمی همچون گوگل و سایت معروف kaggle سرویس‌های کدنویسی خود یعنی Colab و DataStudio را روی این پلتفرم ارائه کرده‌اند.