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.