آموزش تسلط پایتون: 100 روز ، 100 پروژه

دانلود Python Mastery: 100 Days, 100 Projects

در حال بارگزاری نمونه ویدیو، لطفا صبر کنید...
Video Player is loading.
Current Time 0:00
Duration 0:00
Loaded: 0%
Stream Type LIVE
Remaining Time 0:00
 
1x
    • Chapters
    • descriptions off, selected
    • subtitles off, selected
      نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
      نمونه ویدیوها:
      • در حال بارگزاری، لطفا صبر کنید...
      توضیحات دوره: پایتون را با ساختن 100 پروژه در دنیای واقعی در 100 روز بیاموزید-از اصول اولیه گرفته تا مهارت های پیشرفته از طریق برنامه نویسی دست ساز اصلی اصول اولیه: نحو ، متغیرها ، حلقه ها و توابع را برای ساختن یک بنیاد برنامه نویسی قوی ایجاد کنید و 100 پروژه در دنیای واقعی ایجاد کنید: به دست آورید تجربه دستی با توسعه برنامه های عملی پایتون هر روز از ساختارهای داده به طور موثر استفاده می کند: با لیست ها ، فرهنگ لغت ها ، مجموعه ها و Tuples کار کنید تا داده ها را به طور مؤثر توسعه و پردازش برنامه های خط فرمان ایجاد کنید: ایجاد برنامه های تعاملی ایجاد کنید که ورودی کاربر را بپذیرند و خطاها را با یکپارچه ادغام کنند. API ها و کتابخانه ها: از API های خارجی و کتابخانه هایی مانند درخواست ها و DateTime برای واکشی و دستکاری پرونده های دسته داده ها با پایتون استفاده کنید: پرونده های متن ، JSON و CSV را برای ذخیره و پردازش داده ها بخوانید ، بنویسید و دستکاری کنید. برنامه هایی با Tkinter با استفاده از دکمه ها ، زمینه های ورودی و رویدادها اصول OOP را پیاده سازی می کنند: کلاس ها ، اشیاء ، وراثت و محاصره را برای برنامه های مقیاس پذیر اعمال کنید و برنامه های وب را با FLASK بسازید: برنامه های وب ساده ایجاد کنید ، مسیرها را کنترل کنید و الگوهای ارائه دهنده داده ها به صورت پویا داده ها را با PANDAS تجزیه و تحلیل کنید: برای دستکاری و تجسم مجموعه داده ها به طور موثر کارهای روزانه از Pandas و Matplotlib استفاده کنید: اسکریپت ها را بنویسید تا وظایف تکراری مانند دست زدن به پرونده و اطلاعیه های ایمیل را به صورت خودکار اشکال زدایی و بهینه سازی کد کنید: یاد بگیرید که ضمن بهبود عملکرد کد با پایگاه داده ها ، اشکالات را به طور کارآمد شناسایی و رفع کنید: از SQLite استفاده کنید. ، پرس و جو ، و مدیریت داده ها در برنامه های پایتون ، اصول اولیه AI و ML را کاوش کنید: ساخت پروژه های ساده هوش مصنوعی مانند چت بارها و سیستم های توصیه ای با استفاده از کتابخانه های پایتون یک نمونه کارها قوی ایجاد کنید: 100 پروژه را کامل کنید تا مهارت های عملی پایتون و توانایی های حل مسئله در دنیای واقعی را نشان دهید پیش نصان : رایانه یا لپ تاپ: هر دستگاهی که قادر به اجرای پایتون (ویندوز ، مکوس یا لینوکس) باشد. اتصال به اینترنت: برای بارگیری Python ، کتابخانه ها و دسترسی به منابع اضافی Python نصب شده: نصب پایتون (نسخه 3.8 یا جدیدتر) از وب سایت رسمی پایتون یک ویرایشگر کد (اختیاری): یک ویرایشگر متن مانند VS Code ، Pycharm را نصب کنید یا از ساخته شده استفاده کنید- یا از ساخته شده استفاده کنید در ویرایشگر بیکار مهارت های اصلی رایانه: راحتی با استفاده از پرونده ها ، پوشه ها و پیمایش در سیستم عامل خود. کنجکاوی و اشتیاق: تمایل به یادگیری ، آزمایش و ساخت پروژه های هیجان انگیز. تعهد زمان: حداقل 1-2 ساعت در روز برای برنامه نویسی و ساخت پروژه کنار بگذارید. یک نوت بوک یا برنامه یادداشت های دیجیتال: مفاهیم ، ایده ها و یادداشت های پروژه را پیگیری کنید.

      به "100 روز از پایتون: بسازید 100 پروژه در دنیای واقعی-از مبتدی تا متخصص" ، سفر نهایی برنامه نویسی پایتون دستی که برای شما از یک مبتدی مطلق به یک توسعه دهنده پیشرفته پایتون طراحی شده است. این دوره در مورد یادگیری مبتنی بر پروژه ساخته شده است ، و اطمینان می دهد که با ساختن 100 پروژه منحصر به فرد در طی 100 روز آینده ، دانش نظری و تجربه عملی را به دست می آورید. پایتون یکی از متنوع ترین و مبتدی ترین زبان های برنامه نویسی است که به طور گسترده در زمینه هایی مانند توسعه وب ، علوم داده ، اتوماسیون ، هوش مصنوعی و توسعه نرم افزار مورد استفاده قرار می گیرد. این دوره با هدف این است که پایتون با یک رویکرد واضح و ساختار یافته ، یادگیری را سرگرم کننده ، جذاب و عمیقاً عملی کند.

      در طول این دوره ، شما با اصول برنامه نویسی پایتون ، از جمله متغیرها ، حلقه ها ، کارکردها و شرط ها شروع می کنید ، و اطمینان حاصل می کنید که از یک پایه محکم برخوردار هستید. از آنجا ، شما به تدریج به موضوعات پیشرفته تری مانند برنامه نویسی شی گرا (OOP) ، کار با API ، کنترل پرونده و توسعه برنامه GUI با استفاده از TKINTER شیر خواهید داد. شما همچنین می توانید توسعه وب را با Flask کشف کنید ، به شما امکان می دهد برنامه های وب پویا و تجزیه و تحلیل داده ها را با پاندا و Matplotlib ایجاد کنید و به شما در تجسم مجموعه داده های پیچیده کمک می کند. هر روز با دقت طراحی شده است تا یک مفهوم کلیدی را معرفی کند ، و به دنبال آن یک پروژه عملی و واقعی در دنیای واقعی که آنچه را که تازه آموخته اید تقویت می کند.

      این دوره فقط در اصول کدگذاری متوقف نمی شود. این شما را برای حل مشکلات دنیای واقعی با استفاده از پایتون آماده می کند. این که آیا شما در حال توسعه یک ماشین حساب اصلی ، ایجاد یک برنامه داشبورد آب و هوا یا ایجاد یک چت بابات با هوش مصنوعی هستید ، هر پروژه برای شبیه سازی سناریوهای دنیای واقعی ساخته شده است. در پایان دوره ، شما یک نمونه کارها از 100 پروژه پایتون را برای نمایش مهارت های خود خواهید داشت ، و باعث می شود که در برنامه های شغلی ، سیستم عامل های آزاد یا حتی به عنوان یک کارآفرین فناوری مشتاق متمایز شوید.

      یکی از ویژگی های برجسته این دوره ، پیشرفت ساختاری آن است. هر روز ، با توضیح روشنی در مورد یک مفهوم پایتون شروع می کنید ، و به دنبال آن یک جلسه کدگذاری دستی که در آن چیزی ملموس ایجاد خواهید کرد. این پروژه ها از ابزارهای ساده ای مانند تایمر شمارش معکوس و بازی های مسابقه ریاضی گرفته تا برنامه های پیشرفته تر مانند سیستم های پس زمینه تجارت الکترونیکی و ابزارهای دارای هوش مصنوعی متغیر است. این افزایش تدریجی دشواری باعث می شود که بدون احساس غرق شدن ، دائماً به چالش بکشید.

      این دوره برای مبتدیان بدون تجربه برنامه نویسی قبلی مناسب است ، زیرا با اصول مطلق شروع می شود و به تدریج می سازد. همچنین برای توسعه دهندگان ، دانش آموزان ، افراد متقاضی کار و حتی آزادیانی که به دنبال اضافه کردن پایتون به مجموعه مهارت های خود هستند ، ایده آل است. اگر شما یک علاقه مندان به سرگرمی یا فناوری هستید ، دوست دارید هر پروژه چقدر سرگرم کننده و تعاملی باشد ، و اگر قصد انتقال به یک حرفه فنی را دارید ، این دوره همه چیزهایی را که برای موفقیت لازم دارید ارائه می دهد.

      تا پایان این سفر ، شما نه تنها به برنامه نویسی پایتون تسلط پیدا کرده اید بلکه اعتماد به نفس را برای مقابله با پروژه های دنیای واقعی به طور مستقل به دست آورده اید. شما به مهارت های اساسی حل مسئله ، درک عمیق از کتابخانه ها و چارچوب های پایتون و یک نمونه کارها پر از پروژه های چشمگیر مجهز خواهید شد. پایتون فقط یک زبان برنامه نویسی نیست. این یک مهارت است که درها را برای فرصت های بی پایان در دنیای فناوری محور امروز باز می کند. اگر آماده یادگیری پایتون با ساختمان ، آزمایش و ایجاد هر روز هستید ، این دوره نقطه شروع کامل شماست. امروز ثبت نام کنید و بیایید با هم بسازیم!


      سرفصل ها و درس ها

      هفته 1: اصول اولیه پایتون Week 1: Python Basics

      • یک دوره تصادف سریع: پایتون را از ابتدا بیاموزید A Quick Crash Course: Learn Python from Scratch

      • روز 1: اظهارات چاپی ژنراتور پیام و "سلام جهان" Day 1: Welcome Message Generator Print Statements & "Hello World"

      • روز 2: برنامه تبریک شخصی: متغیرها و انواع داده ها Day 2: Personalized Greeting Program: Variables & Data Types

      • روز 3: ورودی و قالب بندی رشته کاربر ماشین حساب ساده Day 3: Simple Calculator User Input & String Formatting

      • روز چهارم: ابزار مقایسه شماره: اظهارات IF-Else Day 4: Number Comparison Tool: If-Else Statements

      • روز 5: تایمر شمارش معکوس: حلقه ها (برای و در حالی) Day 5: Countdown Timer: Loops (For & While)

      • روز ششم: بازی مسابقه ریاضی اساسی: توابع Day 6: Basic Math Quiz Game: Functions

      • روز 7: برنامه لیست خرید: لیست ها Day 7: Shopping List App: Lists

      هفته 2: پایتون میانی Week 2: Intermediate Python

      • روز 8: کتاب تماس: فرهنگ لغت Day 8: Contact Book: Dictionaries

      • روز 9: مواد تشکیل دهنده ماده: Tuples & Sets Day 9: Ingredient Checker: Tuples & Sets

      • روز 10: برنامه یادداشت برداری: رسیدگی به پرونده Day 10: Note-Taking App: File Handling

      • روز 11: ماشین حساب ایمن: رسیدگی به استثنا Day 11: Safe Calculator: Exception Handling

      • روز 12: مبدل دما: توابع با مقادیر بازگشت Day 12: Temperature Converter: Functions with Return Values

      • روز سیزدهم: مدیر درجه دانشجویی: لیست درک مطلب Day 13: Student Grade Manager: List Comprehensions

      • روز 14: ژنراتور رمز عبور تصادفی: ماژول ها و کتابخانه ها Day 14: Random Password Generator: Modules & Libraries

      هفته 3: کار با داده ها Week 3: Working with Data

      • روز 15: برنامه بیننده دستور العمل: خواندن پرونده ها Day 15: Recipe Viewer App: Reading Files

      • روز شانزدهم: روزنامه روزنامه: نوشتن پرونده ها Day 16: Daily Journal Logger: Writing Files

      • روز 17: ژنراتور گزارش دانشجویی: پرونده های CSV Day 17: Student Report Generator: CSV Files

      • روز 18: برنامه Mini to-Do: Files JSON Day 18: Mini To-Do App: JSON Files

      • روز 19: برنامه هواشناسی با استفاده از API: API (اصول اولیه) Day 19: Weather App using API: APIs (Basics)

      • روز 20: تایمر شمارش معکوس رویداد: تاریخ و زمان Day 20: Event Countdown Timer: Dates & Time

      • روز 21: مقاله ویکی پدیا: اسکریپت وب Day 21: Wikipedia Article Scraper: Web Scraping

      هفته 4: برنامه نویسی شی گرا Week 4: Object-Oriented Programming

      • روز 22: شبیه ساز حساب بانکی: کلاس ها و اشیاء Day 22: Bank Account Simulator: Classes & Objects

      • روز 23: سیستم مدیریت کتابخانه: سازندگان و روشها Day 23: Library Management System: Constructors & Methods

      • روز 24: سیستم مدیریت کارمندان: وراثت Day 24: Employee Management System: Inheritance

      • روز 25: شبیه ساز صدا حیوانات: پلی مورفیسم Day 25: Animal Sound Simulator: Polymorphism

      • روز 26: برنامه نمایه کاربر امن: محصور سازی Day 26: Secure User Profile App: Encapsulation

      • روز 27: سیستم مدیریت موجودی: روشهای استاتیک و کلاس Day 27: Inventory Management System: Static & Class Methods

      • روز 28: Mini ATM Machine: پروژه نهایی OOP Day 28: Mini ATM Machine: Final OOP Project

      هفته 5: برنامه نویسی GUI Week 5: GUI Programming

      • روز 29: برنامه ساده GUI: اصول اولیه Tkinter Day 29: Simple GUI App: Tkinter Basics

      • روز 30: روی برنامه پیشخوان کلیک کنید: دکمه ها و رویدادها Day 30: Click Counter App: Buttons & Events

      • روز 31: ماشین حساب BMI: زمینه های ورودی Day 31: BMI Calculator: Input Fields

      • روز 32: برنامه طراحی پد: ابزارک های بوم Day 32: Drawing Pad App: Canvas Widgets

      • روز 33: سیستم ورود ساده: جعبه های پیام Day 33: Simple Login System: Message Boxes

      • روز 34: لیست کارهای GUI: ابزارک های پیشرفته Day 34: To-Do List GUI: Advanced Widgets

      • روز 35: برنامه ردیاب هزینه: سنگفرش GUI Day 35: Expense Tracker App: GUI Capstone

      هفته 6: توسعه وب با پایتون Week 6: Web Development with Python

      • روز 36: سلام فلاسک برنامه: اصول اولیه فلاسک Day 36: Hello Flask App: Flask Basics

      • روز 37: وب سایت وبلاگ شخصی: مسیرها و قالب ها Day 37: Personal Blog Website: Routes & Templates

      • روز 38: برنامه فرم تماس: فرم ها و ورودی کاربر Day 38: Contact Form App: Forms & User Input

      • روز 39: برنامه ثبت نام کاربر: ادغام پایگاه داده Day 39: User Registration App: Database Integration

      • روز 40: Mini Weather API: API های REST Day 40: Mini Weather API: REST APIs

      • روز 41: استقرار برنامه فلاسک: استقرار Day 41: Deploy Flask App: Deployment

      • روز 42: وب سایت نمونه کارها: Flask Capstone Day 42: Portfolio Website: Flask Capstone

      هفته 7: اصول علوم داده Week 7: Data Science Basics

      • روز 43: ماشین حساب ماتریس: Numpy Day 43: Matrix Calculator: NumPy

      • روز 44: پاک کننده داده ها: پاندا Day 44: Data Cleaner: Pandas

      • روز 45: نمودار نمودار: matplotlib Day 45: Graph Plotter: Matplotlib

      • روز 46: آنالایزر گزارش فروش: تجزیه و تحلیل داده ها Day 46: Sales Report Analyzer: Data Analysis

      • روز 47: توطئه دما: روندهای ترسیم Day 47: Temperature Plotter: Plotting Trends

      • روز 48: ردیاب قیمت سهام: ضایعات داده Day 48: Stock Price Tracker: Data Scraping

      • روز 49: داشبورد Covid-19: پروژه Capstone Day 49: COVID-19 Dashboard: Capstone Project

      روزهای 50-60: پروژه های میانی Days 50–60: Intermediate Projects

      • روز 50: برنامه داشبورد آب و هوا Day 50: Weather Dashboard App

      • روز 51: ردیاب هزینه Day 51: Expense Tracker

      • روز 52: ابزار سازمان دهنده پرونده Day 52: File Organizer Tool

      • روز 53: بازی Tic-Tac-Toe Day 53: Tic-Tac-Toe Game

      • روز 54: Mini Chatbot Day 54: Mini Chatbot

      • روز 55: سازمان دهنده لیست پخش موسیقی Day 55: Music Playlist Organizer

      • روز 56: برنامه ریز بودجه شخصی Day 56: Personal Budget Planner

      • روز 57: ژنراتور هنری ASCII Day 57: ASCII Art Generator

      • روز 58: تایمر پومودورو Day 58: Pomodoro Timer

      • روز 59: Markdown to HTML Converter Day 59: Markdown to HTML Converter

      • روز 60: برنامه خاطرات شخصی Day 60: Personal Diary App

      روزهای 61-70: پروژه های متوسط ​​پیشرفته Days 61–70: Advanced Intermediate Projects

      • روز 61: اسکرابر رسانه های اجتماعی Day 61: Social Media Scraper

      • روز 62: ابزار پشتیبان گیری خودکار Day 62: Automated Backup Tool

      • روز 63: سیستم توصیه فیلم Day 63: Movie Recommendation System

      • روز 64: ابزار ادغام PDF Day 64: PDF Merger Tool

      • روز 65: باطن وب سایت نمونه کارها Day 65: Portfolio Website Backend

      • روز 66: برنامه یادگیری فلش کارت Day 66: Flashcards Learning App

      • روز 67: داشبورد بورس سهام Day 67: Stock Market Dashboard

      • روز 68: برنامه ریزی کار Day 68: Task Scheduler

      • روز 69: مبدل ارز Day 69: Currency Converter

      • روز 70: برنامه Visualizer Data Day 70: Data Visualizer App

      الگوریتم های یادگیری ماشین و اجرای در پایتون Machine Learning Algorithms and Implementation in Python

      • آشنایی با الگوریتم های یادگیری ماشین و اجرای در پایتون Introduction to Machine Learning Algorithms and Implementation in Python

      • 1. الگوریتم های یادگیری نظارت شده: اجرای رگرسیون خطی 1. Supervised Learning Algorithms: Linear Regression Implementation

      • 2. الگوریتم های یادگیری نظارت شده: اجرای رگرسیون ریج و لاسو 2. Supervised Learning Algorithms: Ridge and Lasso Regression Implementation

      • 3. الگوریتم های یادگیری نظارت شده: اجرای رگرسیون چند جمله ای 3. Supervised Learning Algorithms: Polynomial Regression Implementation

      • 4. الگوریتم های یادگیری نظارت شده: اجرای رگرسیون لجستیک 4. Supervised Learning Algorithms: Logistic Regression Implementation

      • 5. الگوریتم های یادگیری نظارت شده: اجرای همسایگان K-Nearest (KNN) 5. Supervised Learning Algorithms: K-Nearest Neighbors (KNN) Implementation

      • 6. الگوریتم های یادگیری نظارت شده: اجرای دستگاه های بردار پشتیبانی (SVM) 6. Supervised Learning Algorithms: Support Vector Machines (SVM) Implementation

      • 7. الگوریتم های یادگیری نظارت شده: اجرای درختان تصمیم گیری 7. Supervised Learning Algorithms: Decision Trees Implementation

      • 8. الگوریتم های یادگیری نظارت شده: اجرای جنگل های تصادفی 8. Supervised Learning Algorithms: Random Forests Implementation

      • 9. الگوریتم های یادگیری نظارت شده: اجرای شیب افزایش 9. Supervised Learning Algorithms: Gradient Boosting Implementation

      • 10. الگوریتم های یادگیری نظارت شده: اجرای ساده لوح 10. Supervised Learning Algorithms: Naive Bayes Implementation

      • 11. الگوریتم های یادگیری بدون نظارت: اجرای خوشه بندی K- معنی 11. Unsupervised Learning Algorithms: K-Means Clustering Implementation

      • 12. الگوریتم های یادگیری بدون نظارت: اجرای خوشه بندی سلسله مراتبی 12. Unsupervised Learning Algorithms: Hierarchical Clustering Implementation

      • 13. الگوریتم های یادگیری بدون نظارت: DBSCAN 13. Unsupervised Learning Algorithms: DBSCAN

      • 14. الگوریتم های یادگیری بدون نظارت: مدل های مخلوط گاوسی (GMM) 14. Unsupervised Learning Algorithms: Gaussian Mixture Models(GMM)

      • 15. الگوریتم های یادگیری بدون نظارت: تجزیه و تحلیل مؤلفه اصلی (PCA) 15. Unsupervised Learning Algorithms: Principal Component Analysis (PCA)

      • 16. یادگیری بدون نظارت: تعبیه همسایه تصادفی T- توزیع شده 16. Unsupervised Learning Algo: t-Distributed Stochastic Neighbor Embedding

      • 17. الگوریتم های یادگیری تحت نظارت: اجرای AutoEncoders 17.Unsupervised Learning Algorithms: Autoencoders Implementation

      • 18. اجرای خود آموزش 18. Self-Training Implementation

      • 19. اجرای آموزش Q 19. Q-Learning Implementation

      • 20. اجرای Deep N-Networks (DQN) 20. Deep Q-Networks (DQN) Implementation

      • 21. اجرای روشهای شیب سیاست 21. Policy Gradient Methods Implementation

      • 22. اجرای SVM یک طبقه 22. One-Class SVM Implementation

      • 23. اجرای جنگل انزوا 23. Isolation Forest Implementation

      • 24. اجرای شبکه های عصبی Convolutional (CNNS) 24. Convolutional Neural Networks (CNNs) Implementation

      • 25. اجرای شبکه های عصبی مکرر (RNNS) 25. Recurrent Neural Networks (RNNs) Implementation

      • 26. اجرای حافظه کوتاه مدت (LSTM) 26. Long Short-Term Memory (LSTM) Implementation

      • 27. اجرای ترانسفورماتور 27. Transformers Implementation

      بیشتر به زودی More Coming Soon

      • به زودی Coming Soon

      نمایش نظرات

      آموزش تسلط پایتون: 100 روز ، 100 پروژه
      جزییات دوره
      24 hours
      100
      Udemy (یودمی) Udemy (یودمی)
      (آخرین آپدیت)
      5,078
      4.5 از 5
      دارد
      دارد
      دارد
      Vivian Aranha
      جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

      Google Chrome Browser

      Internet Download Manager

      Pot Player

      Winrar

      Vivian Aranha Vivian Aranha

      معمار راه حل های موبایل و مربی حرفه ای