نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
پایتون امروزه یکی از محبوب ترین زبان های برنامه نویسی در جهان است. برنامه نویسی عملکردی نیز از یک محبوبیت دوباره برخوردار است. این دوره به شما نشان می دهد که چگونه با این دو ازدواج کرده و اصول برنامه نویسی کاربردی را در پایتون اعمال کنید. برنامه نویسی کاربردی (یا FP) یک ایده پنجاه ساله است که در ساخت سیستم های کم عیب و همزمان بسیار بیشتر و بیشتر مورد توجه قرار می گیرد. در این دوره ، برنامه نویسی کاربردی با پایتون ، شش پارادایم اساسی FP و نحوه پیاده سازی آنها در پایتون را فرا خواهید گرفت. شما خواهید آموخت که چگونه مشکلاتی را که به خود راه حل های کاربردی است ، بشناسید ، چگونه آنها را به صورت حرفه ای پیاده سازی کنید ، و چگونه می توان از آنها برای قوی تر و فشرده بودن برنامه های شما استفاده کرد. وقتی این دوره را به پایان رسانید ، می توانید سبک برنامه نویسی کاربردی خود را با پروژه های پایتون تطبیق دهید.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
-
بررسی اجمالی دوره
Course Overview
معرفی برنامه نویسی عملکردی
Introducing Functional Programming
-
مقدمه
Introduduction
-
پارادایم های برنامه نویسی
Programming Paradigms
-
تاریخچه مختصری از برنامه نویسی عملکردی
A Brief History of Functional Programming
-
انگیزه توسط جان کارماک
Motivation by John Carmack
-
اصول برنامه ریزی عملکردی
Principles of Functional Programming
-
ابزاری که نیاز دارید
Tools You Will Need
-
خلاصه
Summary
توابع کلاس اول
First Class Functions
-
مقدمه و مثال کار
Introduction and Working Example
-
نسخه ی نمایشی 1: قبل از توابع کلاس اول
Demo 1: Before First-class Functions
-
توابع درجه یک در پایتون
First-class Functions in Python
-
نسخه ی نمایشی 2: استفاده از توابع درجه یک
Demo 2: Using First-class Functions
-
خلاصه
Summary
توابع خالص
Pure Functions
-
مقدمه ای بر عملکردهای خالص
Introduction to Pure Functions
-
توابع ساده
Simple Functions
-
نسخه ی نمایشی 1: عملکرد جدیدی اضافه کنید
Demo 1: Add New Functionality
-
نسخه ی نمایشی 2: عملکردها را پاک کنید
Demo 2: Purify the Functions
-
Python Lambdas و عملکرد
Python Lambdas and Performance
-
خلاصه
Summary
متغیرهای غیرقابل تغییر
Immutable Variables
-
معرفی و انگیزه تغییر ناپذیری
Introduction to and Motivation for Immutability
-
نسخه ی نمایشی 1: اعلان Backorder را اضافه کنید
Demo 1: Add Backorder Notification
-
نسخه ی نمایشی 2: عملکردهای دارای علامت گذاری مجدد را اضافه کنید
Demo 2: Add Mark-backordered Functionality
-
خلاصه
Summary
ارزیابی تنبل
Lazy Evaluation
-
مقدمه
Introduction
-
دقیق در مقابل تنبلی ارزیابی
Strict vs. Lazy Evaluation
-
ابزارهای پایتون برای ارزیابی تنبلی
Python Tools for Lazy Evaluation
-
نسخه ی نمایشی 1: محاسبه سفارش قیمت کل
Demo 1: Compute Order Total Price
-
نسخه ی نمایشی 2: تنبل کردن عملکردهای دیگر
Demo 2: Making Other Functions Lazy
-
خلاصه
Summary
بازگشت
Recursion
-
مقدمه و مبانی بازگشت
Introduction and Foudations of Recursion
-
نسخه ی نمایشی: جمع بندی ، بازگشتی
Demo: Summing, Recursively
-
بازگشت دم
Tail Recursion
-
نسخه ی نمایشی: عملکرد جمع بازگشتی دم
Demo: Tail Recursive Sum Function
-
ترامپولینینگ
Trampolining
-
نسخه ی نمایشی: فیبوناچی ، سبک ترامپولین!
Demo: Fibonacci, Trampoline Style!
-
Recap: بازگشت ، بازگشت به عقب ، و ترامپولینینگ
Recap: Recursion, Tail Recusion, and Trampolining
-
نسخه ی نمایشی: پردازش لیست ها و Tuples به صورت بازگشتی و تقویت سیستم پردازش سفارش
Demo: Processing Lists and Tuples Recursively and Enhancing the Order Processing System
-
خلاصه
Summary
ساده کردن شرایط آزمایش با تطبیق
Simplifying Condition Testing with Matching
-
نمونه های مقدمه و تطبیق
Introduction and Matching Examples
-
نسخه ی نمایشی - تطبیق در استاندارد پایتون
Demo - Matching in Standard Python
-
نسخه ی نمایشی - آنچه از یک کلاس مسابقه می خواهید
Demo - What You Want from a Match Class
-
نسخه ی نمایشی - متناسب با کلاس Walkthrough
Demo - Match Class Walkthrough
-
نسخه ی نمایشی - استفاده از کلاس Match
Demo - Using the Match Class
-
خلاصه
Summary
خلاصه
Summary
نمایش نظرات