لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش بوت کمپ تسلط پایتون: از مبتدی تا متخصص
Python Mastery Bootcamp: From Beginner to Expert
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
محبوب ترین زبان برنامه نویسی توسط توسعه دهندگان، دانشمندان داده، مهندسان نرم افزار و حتی هکرها را بیاموزید Python Syntax، نظرات، انواع داده ها، متغیرها، اعداد، ریخته گری، رشته ها، بولی ها، عملگرها، لیست ها، تاپل ها، مجموعه ها، فرهنگ لغت در غیر این صورت، در حالی که حلقه، برای حلقه، توابع، لامبدا، آرایه، کلاسها، اشیاء، ارث، تکرارکنندهها، محدوده، ماژولها، تاریخها، ریاضیات، json regex، پیپ، تلاش... به جز، ورودی کاربر، قالببندی رشته، نمونهسازی سریع، یا برای تولید -توسعه نرم افزار آماده، مدیریت داده های بزرگ و انجام ریاضیات پیچیده، نرم افزار ایجاد گردش کار پیش نیازها: بدون نیاز به تجربه برنامه نویسی. شما هر آنچه را که نیاز دارید یاد خواهید گرفت.
پایتون چیست؟
Python یک زبان برنامه نویسی محبوب است. این توسط Guido van Rossum ساخته شد و در سال 1991 منتشر شد.
برای:
استفاده می شود
توسعه وب (سمت سرور)،
توسعه نرم افزار،
ریاضیات،
اسکریپت نویسی سیستم.
پایتون چه کاری می تواند انجام دهد؟
Python را می توان در سرور برای ایجاد برنامه های کاربردی وب استفاده کرد.
Python را می توان در کنار نرم افزار برای ایجاد گردش کار استفاده کرد.
پایتون می تواند به سیستم های پایگاه داده متصل شود. همچنین میتواند فایلها را بخواند و تغییر دهد.
Python را می توان برای مدیریت داده های بزرگ و انجام ریاضیات پیچیده استفاده کرد.
Python را می توان برای نمونه سازی سریع یا برای توسعه نرم افزار آماده تولید استفاده کرد.
چرا پایتون؟
Python روی پلتفرمهای مختلف (ویندوز، مک، لینوکس، رزبری پای و غیره) کار میکند.
Python یک نحو ساده شبیه به زبان انگلیسی دارد.
Python دارای نحوی است که به توسعه دهندگان اجازه می دهد برنامه هایی را با خطوط کمتری نسبت به سایر زبان های برنامه نویسی بنویسند.
Python بر روی یک سیستم مفسر اجرا می شود، به این معنی که کد را می توان به محض نوشتن اجرا کرد. این بدان معنی است که نمونه سازی می تواند بسیار سریع باشد.
Python را می توان به روشی رویه ای، شی گرا یا عملکردی مورد بررسی قرار داد.
خوب است بدانید
جدیدترین نسخه اصلی پایتون پایتون 3 است که در این آموزش از آن استفاده خواهیم کرد. با این حال، Python 2، اگرچه با چیزی غیر از بهروزرسانیهای امنیتی بهروزرسانی نمیشود، هنوز هم بسیار محبوب است.
در این آموزش پایتون در یک ویرایشگر متن نوشته خواهد شد. نوشتن Python در یک محیط توسعه یکپارچه، مانند Thonny، Pycharm، Netbeans یا Eclipse که به ویژه هنگام مدیریت مجموعه های بزرگتر از فایل های Python مفید هستند، امکان پذیر است.
Python Syntax در مقایسه با سایر زبان های برنامه نویسی
Python برای خوانایی طراحی شده است و شباهت هایی با زبان انگلیسی با تأثیر ریاضیات دارد.
Python از خطوط جدید برای تکمیل یک دستور استفاده می کند، برخلاف سایر زبان های برنامه نویسی که اغلب از نقطه ویرگول یا پرانتز استفاده می کنند.
پایتون برای تعریف محدوده به تورفتگی، با استفاده از فضای سفید، متکی است. مانند محدوده حلقه ها، توابع و کلاس ها. سایر زبان های برنامه نویسی اغلب از براکت های فرفری برای این منظور استفاده می کنند.
سرفصل ها و درس ها
گام به گام نوت بوک پایتون و ژوپیتر را نصب کنید
Install Python and jupyter notebook step by step
با پایتون شروع کنید
Start with Python
نحوه نصب نوت بوک Anaconda & Jupyter در ویندوز گام به گام
How to Install Anaconda & Jupyter Notebook in windows step by step
معرفی و نصب Python Numpy
Python Numpy Introduction and Installation
نحوه ایجاد آرایه های NumPy || ایجاد آرایه بعدی 1 2 3 4
How to Create NumPy Arrays || Creating 1 2 3 4 Dimensional Array
دسترسی به عناصر از یک آرایه 2 بعدی 3 بعدی Numpy در پایتون
Access Elements From a 2D 3D Numpy Array in Python
برش آرایه NumPy || برش در آرایه های Numpy || برش 2 D 3 D آرایه
NumPy Array Slicing || Slicing in Numpy Arrays || Slicing 2 D 3 D Array
نوع داده آرایه NumPy
Data Type of NumPy Array
Copy vs Views Numpy Python Array || NumPy Copy در مقابل View || آموزش Python Numpy
Copy vs Views Numpy Python Array || NumPy Copy vs View || Python Numpy Tutorial
شکل آرایه NumPy || شکل آرایه را دریافت کنید
NumPy Array Shape || Get Shape of Array
تغییر شکل آرایه NumPy || 1 بعدی به دو بعدی و سه بعدی || آموزش کامل Python Numpy
NumPy Array Reshaping || 1D into 2D & 3D || Complete Python Numpy Tutorial
تکرار آرایه NumPy || nditer 2D & 3D
NumPy Array Iterating || nditer 2D & 3D
نمایش نظرات