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.
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

  • نوت بوک Anaconda & Jupyter را نصب کنید Install Anaconda & Jupyter Notebook

  • هر زمان چیزی بپرسید Ask Anything Any Time

آموزش کامل پایتون برای مبتدی تا خبره Complete Python Tutorial For Beginners to Expert

  • اصول دستور زبان Python، Python Indentation را بیاموزید Learn Basic of Python Syntax, Python Indentation

  • ایجاد متغیر در پایتون Create Variable in Python

  • نام متغیرها در پایتون Variable Names in Python

  • چندین مقدار به متغیر در پایتون اختصاص دهید Assign Multiple Values to Variable in Python

  • متغیرهای خروجی در پایتون Output Variables in Python

  • متغیرهای جهانی در پایتون Global Variables in Python

  • نوع داده در پایتون ساخته شده است Built in datatype in python

  • نوع داده های عددی در پایتون Numeric Data Type in Python

  • رشته ها در پایتون Strings in Python

  • برش رشته پایتون Python String Slicing

  • نحوه تقسیم رشته ها در پایتون How to Split Strings in Python

  • الحاق رشته ها در پایتون String Concatenation in Python

  • قالب بندی رشته در پایتون String Formatting In Python

  • ارزش بولی در پایتون Boolean Value in Python

  • عملگرها در پایتون Operators In Python

  • لیست های پایتون و توابع فهرست Python Lists And List Functions

  • نحوه دسترسی به آیتم های لیست در پایتون How to Access List Items in Python

  • نحوه تغییر آیتم های لیست در پایتون How to Change List Items in Python

  • نحوه اضافه کردن آیتم های لیست در پایتون How to add List Items in Python

  • نحوه حذف آیتم ها از لیست How to remove Items From List

  • نحوه حلقه زدن از طریق لیست در پایتون How to Loop Through List in Python

  • درک لیست پایتون Python List Comprehensions

  • نحوه مرتب سازی لیست ها در پایتون How to Sort Lists in Python

  • نحوه کپی کردن لیست در پایتون How to copy list in python

  • نحوه پیوستن به لیست Two در پایتون How to join Two list in python

  • آموزش Python Tuples || تاپل را در پایتون ایجاد کنید Learn Python Tuples || Create Tuple in Python

  • نحوه دسترسی به آیتم های تاپل پایتون How to access tuple items python

  • نحوه به روز رسانی/افزودن/حذف آیتم از تاپل در پایتون How to Update/Add/Remove an Item from Tuple in Python

  • باز کردن یک تاپل در پایتون Unpacking a Tuple in Python

  • حلقه زدن از طریق Python Tuple || تکرار از طریق Python Tuples Loop Through Python Tuple || Iterate Through Python Tuples

  • نحوه اتصال تاپل ها در پایتون how to join tuples in python

  • مجموعه در پایتون Sets in Python

  • نحوه دسترسی به آیتم ها در مجموعه های پایتون How to Access items in Python Sets

  • نحوه اضافه کردن آیتم های مجموعه در پایتون How To Add Set Items in Python

  • نحوه حذف یک آیتم از مجموعه How to remove an item from a set

  • نحوه پیوستن به دو مجموعه در پایتون How to Join Two Sets in Python

  • نحوه استفاده از دیکشنری ها در پایتون How To Use Dictionaries In Python

  • نحوه دسترسی به آیتم های فرهنگ لغت در پایتون How to access dictionary items in python

  • حذف و پاک کردن موارد دیکشنری پایتون Deleting & Clearing Python Dictionary items

  • چگونه حلقه را از طریق دیکشنری در پایتون تکرار کنیم How to Iterate Loop Through a Dictionary in Python

  • نحوه کپی کردن دیکشنری در پایتون || تابع کپی دیکشنری پایتون How to Copy Dictionary in Python || Python Dictionary Copy Function

  • عبارت If Elif Else در فرهنگ لغت پایتون If Elif Else Statement in Python dictionary

  • در حالی که در پایتون حلقه بزنید While Loop in Python

  • برای حلقه ها در پایتون For Loops in Python

  • نحوه استفاده از توابع در پایتون How To Use Functions In Python

  • توابع لامبدا در پایتون Lambda functions in Python

  • Scope در پایتون چیست || دامنه، متغیرهای جهانی و کلیدواژه جهانی What is Scope in Python || Scope, Global Variables and Global Keyword

  • توضیح ماژول ها در پایتون | ماژول های ساخت پایتون Modules in Python Explained | Python Built in Modules

  • ماژول های ریاضی در پایتون چیست؟ What are Math Modules in Python

  • Except Exception Handling را در پایتون امتحان کنید || مدیریت استثنا در پایتون Try Except Exception Handling in Python || Exception Handling in Python

  • گرفتن ورودی کاربر در پایتون || ورودی کاربر در پایتون Taking User Input in Python || User input in Python

  • قالب بندی رشته در پایتون || نحوه قالب بندی رشته در پایتون String Formatting In Python || How To Format String In Python

  • مدیریت فایل در پایتون || مدیریت فایل پایتون || آموزش پایتون برای مبتدیان File Handling in Python || Python File Handling || Python Tutorial for Beginners

  • آزمون پایتون Python Quiz

  • هر زمان چیزی بپرسید Ask Anything Any Time

محتوای پاداش - Python Numpy Bonus Content - Python Numpy

  • 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

  • NumPy Joining Array || Concatenate & Stack || آموزش کامل Python Numpy NumPy Joining Array || Concatenate & Stack || Complete Python Numpy Tutorial

  • آرایه تقسیم NumPy || np.array_split NumPy Splitting Array || np.array_split

  • آرایه جستجوی NumPy || کجا و جستجو مرتب شده است NumPy Searching Array || where & searchsorted

  • آرایه مرتب سازی NumPy || Sort() 1D, 2D, 3D Array NumPy Sorting Array || Sort() 1D, 2D, 3D Array

  • آرایه فیلتر NumPy || ایجاد آرایه فیلتر NumPy Filter Array || Creating the Filter Array

  • شماره تصادفی Numpy Numpy random Number

  • هر زمان چیزی بپرسید Ask Anything Any Time

نمایش نظرات

نظری ارسال نشده است.

آموزش بوت کمپ تسلط پایتون: از مبتدی تا متخصص
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
17 hours
74
Udemy (یودمی) udemy-small
11 شهریور 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
24
4.6 از 5
ندارد
دارد
دارد
Sharad Khare

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Sharad Khare Sharad Khare

دانشمند داده || تحلیلگر داده || محقق AI-ML-DL

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.