🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش پایتون در گوگل کولب
- آخرین آپدیت
دانلود Learn Python Using Google Colab
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
آموزش جامع برنامهنویسی پایتون از صفر با گوگل کولب – عملی، مناسب برای مبتدیان و کاربردی.
درک مبانی پایتون، شامل سینتکس، انواع داده و جریان کنترل.
کار با گوگل کولب، یک پلتفرم آنلاین مبتنی بر Jupyter، بدون نیاز به نصب محلی.
ذخیره و دستکاری دادهها با استفاده از متغیرها، لیستها، تاپلها، دیکشنریها و مجموعهها.
تصمیمگیری با استفاده از دستورات شرطی و خودکارسازی وظایف با حلقهها.
ایجاد توابع قابل استفاده مجدد، کار با آرگومانها و کاوش توابع لامبدا.
کار با کلاسها، اشیاء، وراثت، چندریختی و کپسولهسازی.
خواندن، نوشتن و مدیریت فایلهای متنی، CSV و JSON ضمن مدیریت موثر خطاها.
کاوش NumPy، Pandas، Matplotlib، Seaborn و Plotly برای دستکاری و بصریسازی دادهها.
بارگذاری، پاکسازی و تحلیل مجموعهدادهها با استفاده از Pandas و بصریسازی بینشها با Matplotlib و Seaborn.
بازیابی و پردازش دادهها از منابع خارجی با استفاده از کتابخانه requests.
بهکارگیری تطبیق الگو برای اعتبارسنجی داده و پردازش متن.
یادگیری مفاهیم پیشرفته پایتون برای برنامهنویسی کارآمد.
درک مفاهیم بنیادی، آموزش مدلهای ساده و ارزیابی عملکرد آنها.
پیشنیازهای دوره:
مهارتهای پایه کامپیوتر: آشنایی با کار با رایانه، مرور اینترنت و مدیریت فایلها.
حساب گوگل: برای دسترسی به گوگل کولب (ایجاد آن رایگان است) الزامی است.
دسترسی به اینترنت: از آنجا که گوگل کولب به صورت آنلاین کار میکند، اتصال اینترنتی پایدار ضروری است.
کنجکاوی و اشتیاق به یادگیری: داشتن ذهنیت حل مسئله و تمایل به کاوش در پایتون.
درک ریاضیات پایه (اختیاری): درک کلی از مفاهیم پایه ریاضی (جمع، تفریق، ضرب، تقسیم) مفید خواهد بود، اما اجباری نیست.
بدون نیاز به نصب نرمافزار! از آنجا که ما از گوگل کولب استفاده خواهیم کرد، نیازی به نصب پایتون یا هر نرمافزار اضافی روی سیستم شما نیست. همه چیز در فضای ابری اجرا میشود!
آموزش پایتون از صفر با گوگل کولب – یک رویکرد عملی و مناسب برای مبتدیان!
پایتون یکی از قدرتمندترین، همهکارهترین و مبتدیدوستترین زبانهای برنامهنویسی است که در توسعه وب، علم داده، اتوماسیون و هوش مصنوعی استفاده میشود. در این دوره، شما پایتون را از صفر با استفاده از گوگل کولب، یک پلتفرم کدنویسی رایگان و ابری که نیاز به نصب نرمافزار را از بین میبرد، یاد خواهید گرفت. این امر کدنویسی و اجرای پایتون را از هر دستگاهی آسان میکند.
از طریق درسهای گامبهگام، تمرینهای عملی و مثالهای دنیای واقعی، شما پایه قوی در برنامهنویسی پایتون خواهید ساخت و مهارتهای لازم برای کاربردهای عملی را توسعه خواهید داد. چه یک مبتدی مطلق، یک دانشجو یا یک متخصص باشید که به دنبال ارتقای مهارتهای فنی خود هستید، این دوره تجربه یادگیری ساختاریافتهای را که نیاز دارید، فراهم میکند.
آنچه در این دوره خواهید آموخت:
مبانی پایتون: درک سینتکس پایتون، متغیرها، انواع داده، عملگرها و عبارات.
جریان کنترل و حلقهها: پیادهسازی دستورات شرطی (if-else)، حلقهها (for, while) و مکانیزمهای کنترل حلقه (break, continue).
توابع و برنامهنویسی ماژولار: نوشتن کدهای قابل استفاده مجدد با استفاده از توابع، پارامترها، مقادیر بازگشتی و توابع لامبدا.
کار با ساختارهای داده: یادگیری نحوه ذخیره و دستکاری کارآمد دادهها با لیستها، تاپلها، دیکشنریها و مجموعهها.
برنامهنویسی شیگرا (OOP): درک اصول OOP، شامل کلاسها، اشیاء، وراثت، کپسولهسازی و چندریختی.
مدیریت فایل و خطا: خواندن، نوشتن و پردازش فایلهای متنی و CSV ضمن مدیریت کارآمد خطاها با استفاده از بلوکهای try-except.
کار عملی با گوگل کولب: کاوش ویژگیهای گوگل کولب، شامل سلولهای کد، مارکداون، مدیریت فایل و ادغام کتابخانهها.
کار با کتابخانههای پایتون: استفاده از NumPy، Pandas، Matplotlib و Seaborn برای دستکاری و بصریسازی دادهها.
عبارات باقاعده و تعاملات API: بهکارگیری تطبیق الگو برای پردازش متن و تعامل با APIهای REST خارجی با استفاده از کتابخانه requests.
ویژگیهای پیشرفته پایتون: یادگیری در مورد دکوراتورها، ایتریتورها، ژنراتورها و مدیران زمینه (context managers) برای نوشتن کد پایتون کارآمد.
تحلیل و بصریسازی دادهها: بارگذاری و تحلیل مجموعهدادهها، پاکسازی و تبدیل دادهها، و ایجاد نمودارهای تعاملی با استفاده از Plotly.
مقدمهای بر یادگیری ماشین: کسب درک پایه از یادگیری ماشین، کاوش پیشپردازش داده و آموزش مدلهای ساده با استفاده از scikit-learn.
ویژگیهای برجسته دوره:
یادگیری ۱۰۰٪ عملی: مفاهیم پایتون را در تمرینهای کدنویسی و پروژههای دنیای واقعی به کار ببندید.
بدون نیاز به نصب: مستقیماً در گوگل کولب کار کنید و پیچیدگیهای راهاندازی را حذف کنید.
راهنمایی گامبهگام: هر مفهوم با مثالهای واضح و تمرینهای عملی توضیح داده شده است.
کاربردهای عملی: بیاموزید که پایتون چگونه در اتوماسیون، علم داده و توسعه وب استفاده میشود.
تجربه کدنویسی تعاملی: همراه با تمرینات تحت هدایت مربی در یک محیط ساختاریافته کدنویسی کنید.
سرفصل ها و درس ها
مقدمهای بر پایتون و گوگل کولب
Introduction to Python and Google Colab
ریشهها و تکامل پایتون
Origins and evolution of Python
چرا پایتون محبوب است؟
Why Python is popular ?
مقایسه پایتون با سایر زبانها
Compare and contrast Python with other languages
نمایش کاربردهای واقعی
Showcase real-world applications
دستورالعملهای سبک کدنویسی پایتون
Python Code Style Guidelines
عملی – برنامهای بنویسید که نام کاربر را به عنوان ورودی دریافت کرده و به او خوشآمد بگوید
Hands On - Write a program that takes the user's name as input and greets them
عملی – برنامهای بنویسید که عملیات محاسباتی پایه را انجام دهد
Hands On - Write a program that performs basic arithmetic operations
ماشین حساب محاسباتی پایه
Basic Arithmetic Calculator
عملی – قالببندی نوتبوک
Hands On - Format the Notebook
ماژول ۰۱ – آزمون
Module 01 - Quiz
کمک به همتیمی برای شروع کار با پایتون و گوگل کولب
Helping a Teammate Get Started with Python and Google Colab
ماژول ۲: جریان کنترل و توابع
Module 2: Control Flow and Functions
عملی – استفاده از NumPy برای انجام عملیات ماتریسی
Hands-on - Use NumPy to perform matrix operations
عملی – بارگذاری یک مجموعه داده CSV در یک Pandas Data Frame و انجام تحلیل
Hands-on - Load a CSV dataset into a Pandas Data Frame and perform Analysis
عملی – ایجاد یک نمودار خطی و یک نمودار میلهای با استفاده از Matplotlib برای بصریسازی دادهها
Hands -on- Create a line plot and a bar chart using Matplotlib to visualize data
عملی – استفاده از Seaborn برای ایجاد نمودار پراکندگی با خط رگرسیون
Hands-On- Use Seaborn to create a scatter plot with a regression line
ماژول ۴: کار با کتابخانهها در کولب – آزمون
Module 4 : Working with Libraries in Colab - QUIZ
رفع خطاهای وارد کردن و بصریسازی دادهها در کولب
Fixing Import Errors and Visualizing Data in Colab
مدیریت فایل – کار با انواع مختلف فایل
File Handling - Working with Different file types
خطاها و استثناها
Errors and Exceptions
بلوکهای Try و Except
Try and Except Blocks
ایجاد استثناها
Raising Exceptions
استثناهای سفارشی
Custom Exceptions
عملی – برنامهای برای خواندن یک فایل متنی و شمارش تعداد کلمات بنویسید
Hands on - Write a program to read a text file and count the number of words
عملی – برنامهای برای خواندن یک فایل CSV و محاسبه میانگین یک ستون بنویسید
HandsON-Write a program to read a CSV file and calculate the average of a column
عملی – برنامهای برای مدیریت خطاهای احتمالی ایجاد کنید
Hands On - Create a program to handle potential errors
عملی – پیادهسازی یک استثنای سفارشی برای فرمتهای فایل نامعتبر
Hands On - Implement a custom exception for invalid file formats
ماژول ۶: مدیریت فایل و استثنا – آزمون
Module 6: File Handling and Exception Management - QUIZ
بازبینی کد: مدیریت ورودی/خروجی فایل و استثناها در محیط عملیاتی
Code Review: Handling File I/O and Exceptions in Production
اشکالزدایی یکپارچهسازی API شکستخورده با یک توسعهدهنده سمت کاربر
Debugging a Failing API Integration with a Client-Side Developer
تحلیل و بصریسازی دادهها
Data Analysis and Visualization
Pandas پیشرفته
Advanced Pandas
بصریسازی تعاملی با Plotly
Interactive Visualization with Plotly
مقدمهای بر Plotly – توضیح مزایای آن
Introduction to Plotly Explain its advantages
نصب – نحوه نصب Plotly در کولب را نشان دهید
Installation Show how to install Plotly in Colab
رسم نمودار پایه – ایجاد نمودارهای پراکندگی، خطی، میلهای با Plotly
Basic plotting Create scatter plots, line charts, bar charts with Plotly
شخصیسازی – افزودن عنوان، برچسب، راهنما و توضیحات.
Customization Add titles, labels, legends, and annotations.
ویژگیهای تعاملی – فعال کردن بزرگنمایی، جابجایی، شناور شدن و رویدادهای کلیک.
Interactive features Enable zooming, panning, hovering, and click events.
نمودارهای پیشرفته – ایجاد نمودارهای سهبعدی، نقشههای جغرافیایی و سایر بصریسازیهای پیچیده
Advanced plots Create 3D plots, geographic maps, and other complex visualizat
نمایش نظرات