2 در 1: آموزش ماشین پایتون به اضافه 30 ساعت بوت کمپ پایتون

سرفصل ها و درس ها

معرفی Introduction

• یادگیری ماشین پایتون - مقدمه Python Machine Learning - Introduction

• بررسی اجمالی دوره در یک ویپ برد: نقشه ذهنی یادگیری ماشینی در پایتون Course Overview On A Wipeboard: Mindmap Of Machine Learning In Python

• خود را به دانش‌آموزان خود معرفی کنید و به همه بگویید اهدافتان چیست Introduce Yourself to Your Fellow Students And Tell Everyone What are Your Goals

• بیایید پیشرفت شما را در این دوره جشن بگیریم: 25%> 50%> 75%> 100%!! Let's Celebrate Your Progress In This Course: 25% > 50% > 75% > 100%!!

• پیش نمایش و دانلود کتاب کار یادگیری ماشینی 234 صفحه ای که در این دوره دریافت می کنید Preview & Download The 234 Page Machine Learning Workbook You Get In This Course

مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

• معرفی مربی Introduction of Instructor

• طرح کلی سخنرانی یادگیری ماشین Machine Learning Lecture Outline

• درک تفکر و فرآیند یادگیری در انسان Understanding of Thinking and Learning Process in Humans

• چگونه انسان ها فکر می کنند و چرا ما به یادگیری ماشینی نیاز داریم How Humans Think and Why we Need Machine Learning

• تاریخچه یادگیری ماشین History of Machine Learning

• تفاوت بین برنامه نویسی سنتی و یادگیری ماشین Difference Between Traditional Programming and Machine Learning

• مثال یادگیری ماشین Machine Learning Example

بررسی دانش 1 Knowledge Check 1

• چند گزینه ای Multiple Choice

یادگیری ماشین چیست What Is Machine Learning

• یادگیری ماشین چه می کند What does Machine Learning do

• تعریف یادگیری ماشینی Definition of Machine Learning

• از تجربیات نمونه مرتب سازی اپل استفاده کنید Apply Apple Sorting Example Experiences

• نقش یادگیری ماشینی Role of Machine Learning

• اصطلاحات کلیدی یادگیری ماشین Machine Learning Key Terms

بررسی دانش 2 Knowledge Check 2

• چند گزینه ای Multiple Choice

آمار Statistics

• آمار چیست What is Statistics

• اصطلاحات اساسی آمار Basic Terminologies of Statistics

• آمار توصیفی-انواع آمار Descriptive Statistics-Types of Statistics

• انواع آمار توصیفی Types of Descriptive Statistics

• آمار استنباطی چیست؟ What is Inferential Statistics

• آنالیز چیست و انواع آن What is Analysis and its types

بررسی دانش 3 Knowledge Check 3

• چند گزینه ای Multiple Choice

احتمال Probability

• مقدمه ای بر احتمال Introduction to Probability

• مثال های احتمال و زندگی واقعی Probability and Real life Examples

• احتمال چیست What is Probability

• چگونه احتمال یک فرآیند است How Probability is a Process

• محاسبه احتمال یک رویداد-مثال Calculate Probability of an Event-Example

• احتمال یک قالب شش وجهی منصفانه - مثال Probability of One Fair Six-Sided Die-Example

• دیدگاه های احتمال Views of Probability

• نظریه پایه احتمال Base Theory of Probability

• شانس باران در روز پیک نیک - مثال احتمال Rain chances on a picnic day-Probability Example

بررسی دانش 4 Knowledge Check 4

• چند گزینه ای Multiple Choice

آزمون یادگیری ماشین 1 Machine Learning Quiz 1

• چند گزینه ای Multiple Choice

فرآیند یادگیری ماشینی Machine Learning Process

• تعریف اهداف و مرحله جمع آوری داده ها Defining Objectives and Data Gathering Step

• مرحله آماده سازی داده ها و تجزیه و تحلیل اکتشافی داده ها Data Preparation and Data Exploratory Analysis Step

• ساخت مدل یادگیری ماشین و ارزیابی مدل Building a Machine Learning Model and Model Evaluation

• مرحله پیش‌بینی در فرآیند یادگیری ماشین Prediction Step in the Machine Learning Process

بررسی دانش 5 Knowledge Check 5

• چند گزینه ای Multiple Choice

انواع یادگیری ماشینی Types of Machine Learning

• چگونه یک ماشین می تواند یک مشکل را حل کند - مرور کلی سخنرانی How can a machine solve a problem-Lecture overview

• یادگیری تحت نظارت چیست What is Supervised Learning

• یادگیری بدون نظارت چیست What is Unsupervised Learning

• یادگیری تقویت شده چیست What is Reinforced Learning

• تفاوت های کلیدی بین یادگیری تحت نظارت، بدون نظارت و تقویت شده Key Differences Between Supervised,Unsupervised and Reinforced Learning

بررسی دانش 6 Knowledge Check 6

• چند گزینه ای Multiple Choice

الگوریتم های یادگیری ماشین قسمت 1 Machine Learning Algorithms Part 1

• سه دسته از یادگیری ماشینی Three Categories of Machine Learning

• رگرسیون، طبقه بندی و خوشه بندی چیست؟ What is Regression, Classification and Clustering

• دو دسته از یادگیری تحت نظارت Two Categories of Supervised Learning

• دسته یادگیری بدون نظارت Category of Unsupervised Learning

• مقایسه رگرسیون، طبقه بندی و خوشه بندی Comparison of Regression , Classification and Clustering

بررسی دانش 7 Knowledge Check 7

• چند گزینه ای Multiple Choice

الگوریتم های یادگیری ماشین قسمت 2 Machine Learning Algorithms Part 2

• رگرسیون خطی چیست؟ What is Linear Regression

• مزایا و معایب رگرسیون خطی Advantages and Disadvantages of Linear Regression

• محدودیت های رگرسیون خطی Limitations of Linear Regression

• شما به 25% دست یافته اید>> بیایید پیشرفت شما را جشن بگیریم و به 50% ادامه دهیم>> You've Achieved 25% >> Let's Celebrate Your Progress And Keep Going To 50% >>

• رگرسیون لجستیک چیست؟ What is Logistic Regression

• مقایسه رگرسیون خطی و رگرسیون لجستیک Comparison of Linear Regression and Logistic Regression

• انواع رگرسیون لجستیک Types of Logistic Regression

• مزایا و معایب رگرسیون لجستیک Advantages and Disadvantages of Logistic Regression

• محدودیت های رگرسیون لجستیک Limitations of Logistic Regression

• درخت تصمیم چیست و اهمیت آن در یادگیری ماشینی What is Decision tree and its importance in Machine learning

• مزایا و معایب درخت تصمیم Advantages and Disadvantages of Decision Tree

بررسی دانش 8 Knowledge Check 8

• چند گزینه ای Multiple Choice

الگوریتم های یادگیری ماشین قسمت 3 Machine Learning Algorithms Part 3

• الگوریتم های یادگیری ماشین قسمت 3 Machine Learning Algorithms Part 3

بررسی دانش 9 Knowledge Check 9

• چند گزینه ای Multiple Choice

آزمون یادگیری ماشین 2 Machine Learning Quiz 2

• چند گزینه ای Multiple Choice

پلت فرم ساختمان مدل Model Building Platform

• محیط توسعه یکپارچه چیست؟ What is Integrated Development Environment

• بخش هایی از محیط توسعه یکپارچه Parts of Integrated Development Environment

• چرا توسعه دهندگان از محیط توسعه یکپارچه استفاده می کنند؟ Why Developers Use Integrated Development Environment

• کدام IDE برای یادگیری ماشین استفاده می شود Which IDE is used for Machine Learning

• IDE منبع باز چیست؟ What are Open Source IDE

• پایتون چیست؟ What is Python

• بهترین IDE برای یادگیری ماشین همراه با پایتون Best IDE for Machine Learning along with Python

• پلتفرم توزیع آناکوندا و Jupyter IDE Anaconda Distribution Platform and Jupyter IDE

بررسی دانش 10 Knowledge Check 10

• چند گزینه ای Multiple Choice

نوت بوک ژوپیتر Jupyter Notebook

• سه زبانه مهم در Jupyter Three Important Tabs in Jupyter

• ایجاد پوشه و نوت بوک جدید در Jupyter Creating new Folder and Notebook in Jupyter

• ایجاد سه متغیر در نوت بوک Creating Three Variables in Notebook

• نحوه بررسی متغیرهای موجود در نوت بوک How to Check Available Variables in Notebook

• نحوه انجام عملیات جمع و بستن نوت بوک Jupyter How to Perform Addition operation and Close Jupyter Notebook

• چگونه در نوت بوک Jupyter از خطا جلوگیری کنیم How to Avoid Errors in Jupyter Notebook

بررسی دانش 11 Knowledge Check 11

• چند گزینه ای Multiple Choice

Python Insights Python Insights

• تاریخچه پایتون History of Python

• کاربردهای پایتون Applications of Python

• Variable-Fundamentals Python چیست؟ What is Variable-Fundamentals of Python

• قوانین نامگذاری متغیرها در پایتون Rules for Naming Variables in Python

• انواع داده ها در پایتون Types of Data in Python

• عملیات در پایتون Operations in Python

• عملیات حسابی در پایتون Arithmetic Operation in Python

• عملیات انتساب در پایتون Assignment Operation in Python

• مقایسه عملیات در پایتون Comparison Operation in Python

• عملیات منطقی در پایتون Logical Operations in Python

• عملیات هویت در پایتون Identity Operation in Python

• عملیات عضویت در پایتون Membership Operation in Python

• عملیات بیتی در پایتون Bitwise Operation in Python

بررسی دانش 12 Knowledge Check 12

• چند گزینه ای Multiple Choice

انواع داده ها در پایتون Data Types in Python

• متغیر چیست What is Variable

• برنامه ای برای پیدا کردن انواع داده ها از متغیرها Program to find out Data Types of Variables

• داده های بولی در پایتون Boolean Data in Python

• داده های داخلی در پایتون Built-in Data in Python

• لیست ها-نوع داده داخلی Lists-Built-in Data Type

• نوع داده داخلی Tuples Tuples-Built-in Data Type

• مجموعه‌ها-انواع داده‌های داخلی Sets-Built-in Data Types

• دیکشنری ها-انواع داده های داخلی Dictionaries-Built-in Data Types

بررسی دانش 13 Knowledge Check 13

• چند گزینه ای Multiple Choice

اپراتورها در پایتون Operators in Python

• استفاده از عملگرها در پایتون Use of Operators in Python

• عملگرهای حسابی Arithmetic Operators

• اپراتور واگذاری Assignment Operator

• اپراتور مقایسه Comparison Operator

• عملگرهای منطقی Logical Operators

• اپراتور هویت Identity Operator

• اپراتور عضویت Membership Operator

• اپراتور بیتی Bitwise Operator

• شما به 50% دست یافته اید>> بیایید پیشرفت شما را جشن بگیریم و به 75% ادامه دهیم>> You've Achieved 50% >> Let's Celebrate Your Progress And Keep Going To 75% >>

بررسی دانش 14 Knowledge Check 14

• چند گزینه ای Multiple Choice

دستورات کنترل در پایتون Control Statements in Python

• انواع بیانیه های کنترل شده Types of Controlled Statements

• استفاده از بیانیه IF-مثال 1 Use of IF Statement-Example 1

• برنامه ای بنویسید تا حداکثر عدد را پیدا کنید - مثال 2 Write a Program to find maximum number-Example 2

• نحوه ایجاد کد کارآمد-مثال 3 How to Make code Efficient-Example 3

• محل استفاده از بیانیه IF Where to Use IF Statement

بررسی دانش 15 Knowledge Check 15

• چند گزینه ای Multiple Choice

کتابخانه ها در پایتون Libraries in Python

• Numpy چیست و کاربرد آن What is Numpy and its use

• کتابخانه Scipy چیست؟ What is Scipy library

• کتابخانه پاندا چیست؟ What is Pandas Library

• Statsmodel چیست و ویژگی های آن What is Statsmodel and its features

بررسی دانش 16 Knowledge Check 16

• چند گزینه ای Multiple Choice

NumPy قسمت 1 NumPy Part 1

• آرایه چیست و مثال آن What is an Array and its Example

• نحوه دسترسی به عنصر خاصی از یک آرایه How to Access specific element of an Array

• برش آرایه Slicing Array

• چگونه تعداد عناصر را در ابعاد آرایه بدانیم How to know Number of Elements in Dimension of an array

• نحوه اتصال دو آرایه در یک آرایه How to Join Two Arrays in a Single Array

بررسی دانش 17 Knowledge Check 17

• چند گزینه ای Multiple Choice

NumPy قسمت 2 NumPy Part 2

• توابع حسابی-نمای کلی Arithmetic Functions-Overview

• اضافه کردن روش در توابع حسابی پایتون Add Method in Arithmetic Functions of Python

• روش های تفریق، ضرب، تقسیم در توابع حسابی Subtract,Multiply,Divide Methods in Arithmetic Functions

• روش MOD در توابع حسابی MOD Method in Arithmetic Functions

• روش باقیمانده در توابع حسابی Remainder Method in Arithmetic Functions

• روش توان در توابع حسابی Power Method in Arithmetic Functions

• روش متقابل در توابع حسابی Reciprocal Method in Arithmetic Functions

• ایجاد آرایه دو بعدی برای توابع حسابی Creating two Dimensional Array for Arithmetic Functions

• توابع آماری - نمای کلی Statistical Functions-overview

• پیاده سازی توابع آماری در پایتون Statistical Functions Implementation in Python

• ایجاد آرایه وزنی Creation of Weighted Array

• ایجاد آرایه دو بعدی با توابع آماری Creating Two Dimensional Array with Statistical Functions

بررسی دانش 18 Knowledge Check 18

• چند گزینه ای Multiple Choice

پانداها قسمت 1 Pandas Part 1

• واردات کتابخانه برای پروژه پاندا Import Libraries for Panda Project

• یک سری از یک آرایه ایجاد کنید Create a Series from an Array

• ایجاد مجموعه از فرهنگ لغت Create Series from Dictionaries

• نحوه دسترسی به عناصر سریال How to access elements from series

• یک DataFrame Datastructure ایجاد کنید Create a DataFrame Datastructure

بررسی دانش 19 Knowledge Check 19

• چند گزینه ای Multiple Choice

پانداها قسمت 2 Pandas Part 2

• توابع پانداها-پانداها 2 Functions of pandas-pandas 2

• نمونه صفات پاندا Pandas Attributes Example

• روش سر و دم در پانداها Head and Tail Method in Pandas

• ایجاد یک دانش‌آموز DataFrame شامل تمام قابلیت‌های پاندا Create a DataFrame Student including all Panda Functionality

• توابع آمار توصیفی در پانداها Descriptive Statistics Functions in Pandas

بررسی دانش 20 Knowledge Check 20

• چند گزینه ای Multiple Choice

پانداها قسمت 3 Pandas Part 3

• نوت بوک Jupyter را ایجاد کنید و مجموعه داده را در آن بارگذاری کنید Create Jupyter Notebook and Load Dataset into it

• بارگیری مجموعه داده در DataFrame Loading Dataset into DataFrame

• نحوه یافتن مقادیر گمشده در مجموعه داده How to find Missing Values in Dataset

• نحوه مدیریت مقادیر از دست رفته در مجموعه داده How to Handle Missing Values in Dataset

بررسی دانش 21 Knowledge Check 21

• چند گزینه ای Multiple Choice

تجسم داده ها و Scikit Learn Data Visualisation & Scikit Learn

• تجسم داده چیست؟ What is Data Visualization

• کتابخانه Matplotib Matplotib Library

• کتابخانه Seaborn Seaborn Library

• کتابخانه Scikit-Learn Scikit-learn Library

• Dataset چیست What is Dataset

• اجزای مجموعه داده Components of Dataset

بررسی دانش 22 Knowledge Check 22

• چند گزینه ای Multiple Choice

Matplotlib قسمت 1 Matplotlib Part 1

• مروری بر Matplotlib Overview of Matplotlib

• چگونه یک طرح ساده بسازیم How to Create a Simple Plot

• چگونه یک نمودار با چندین نقطه ایجاد کنیم How to Create a Graph with Multiple Points

• نشانگر روی نمودارها Marker on graphs

• سبک خط روی نمودار Linestyle on graph

• نحوه رسم چندین خط روی یک نمودار How to Draw Multiple Lines on a Graph

• نحوه رسم برچسب روی طرح How to Draw Labels on plot

• نحوه ایجاد چندین طرح فرعی روی یک بوم How to create multiple Subplots on same canvas

• شما به 75% دست یافته اید>> بیایید پیشرفت شما را جشن بگیریم و به 100% ادامه دهیم>> You've Achieved 75% >> Let's Celebrate Your Progress And Keep Going To 100% >>

بررسی دانش 23 Knowledge Check 23

• چند گزینه ای Multiple Choice

Matplotlib قسمت 2 Matplotlib Part 2

• تعداد قطعات در Matplotib-نمای کلی Number of Plots in Matplotib-overview

• بارگراف چیست و چرا به آن نیاز داریم؟ What is Bargraph and why we need it

• هیستوگرام چیست؟ What is Histogram

• Scatter Plot چیست و چرا به آن نیاز داریم What is Scatter Plot and Why we need it

• نمودار پای چیست What is Pie Chart

بررسی دانش 24 Knowledge Check 24

• چند گزینه ای Multiple Choice

کدنویسی پایتون - Seaborn قسمت 1 Python Coding - Seaborn Part 1

• کتابخانه Seaborn چیست؟ What is Seaborn library

• نحوه وارد کردن مجموعه داده های داخلی از seaborn How to import in-built datasets from seaborn

• کدام مجموعه داده در Seaborn موجود است Which datasets are available in seaborn

• بارگذاری مجموعه داده از دریا Load Dataset from seaborn

• تم ها و استایل در Seaborn Themes and Styling in Seaborn

• نحوه تغییر موضوع طرح How to change theme of plot

• روش زمینه را در نمودار تنظیم کنید Set context method in plot

• پالت های رنگی در طرح Color Pallets in plot

بررسی دانش 25 Knowledge Check 25

• چند گزینه ای Multiple Choice

کدنویسی پایتون - Seaborn قسمت 2 Python Coding - Seaborn Part 2

• توطئه های مختلف در Seaborn - مروری بر سخنرانی Various Plots in Seaborn-lecture overview

• طرح مجدد در Seaborn Relplot in Seaborn

• Catplot در Seaborn Catplot in Seaborn

• Ditplot در Seaborn Ditplot in Seaborn

• Pairplot در Seaborn Pairplot in Seaborn

بررسی دانش 26 Knowledge Check 26

• چند گزینه ای Multiple Choice

امتحان یادگیری ماشین 3 Machine Learning Quiz 3

• چند گزینه ای Multiple Choice

جمع آوری و آماده سازی داده ها Data Collection & Preparation

• منظور از جمع آوری داده ها چیست؟ What is Meant by Data Collection

• درک داده ها Understanding Data

• تجزیه و تحلیل داده های اکتشافی Exploratory Data Analysis

• روشهای تجزیه و تحلیل داده های اکتشافی Methods of Exploratory Data Analysis

• پیش پردازش داده ها Data Pre-Processing

• متغیرهای طبقه بندی شده Categorical Variables

• تکنیک های پیش پردازش داده ها Data Pre-processing Techniques

بررسی دانش 27 Knowledge Check 27

• چند گزینه ای Multiple Choice

رگرسیون خطی - مورد استفاده Linear Regression - Use Case

• رگرسیون خطی چیست و مورد استفاده از آن What is Linear Regression and its Use Case

• مجموعه داده برای رگرسیون خطی Dataset For Linear Regression

• وارد کردن کتابخانه و مجموعه داده های بارگذاری - مراحل رگرسیون خطی Import library and Load Data set- steps of linear regression

• ستون شاخص - مراحل رگرسیون خطی را حذف کنید Remove the Index Column-Steps of Linear Regression

• بررسی رابطه بین پیش بینی کننده ها و پاسخ Exploring Relationship between Predictors and Response

• توضیح روش Pairplot Pairplot method explanation

• توضیح روش Corr و Heatmap Corr and Heatmap method explanation

• ایجاد مدل رگرسیون خطی ساده Creating Simple Linear Regression Model

• تفسیر ضرایب مدل Interpreting Model Coefficients

• پیش بینی با مدل ما Making Predictions with our Model

• متریک ارزیابی مدل Model Evaluation Metric

بررسی دانش 28 Knowledge Check 28

• چند گزینه ای Multiple Choice

رگرسیون خطی با پایتون Linear Regression with Python

• اجرای رگرسیون خطی-بررسی کلی سخنرانی Implementation of Linear Regression-lecture overview

• بارگذاری مجموعه داده در نوت بوک Jupyter Uploading the Dataset in Jupyter Notebook

• وارد کردن کتابخانه ها و بارگذاری مجموعه داده ها در Dataframe Importing Libraries and Load Dataset into Dataframe

• ستون Index را بردارید Remove the Index Column

• تحلیل اکتشافی - رابطه پیش بینی کننده و پاسخ Exploratory Analysis -relation of predictor and response

• ایجاد مدل رگرسیون خطی Creation of Linear Regression Model

• ضرایب مدل Model Coefficients

• پیشگویی Making Predictions

• ارزیابی عملکرد مدل Evaluation of Model Performance

بررسی دانش 29 Knowledge Check 29

• چند گزینه ای Multiple Choice

معیارهای ارزیابی مدل Model Evaluation Metrics

• ساخت مدل یادگیری ماشین Machine Learning Model Building

• معیارهای ارزیابی چیست؟ What are Evaluation Metrics

• انواع مختلف متریک ارزیابی Different Kinds of Evaluation Metric

• متریک سردرگمی Confusion Metric

• دقت Accuracy

• دقت، درستی Precision

• به خاطر آوردن Recall

• امتیاز F1 چیست؟ What is F1 Score

• گزارش طبقه بندی Classification Report

بررسی دانش 30 Knowledge Check 30

• چند گزینه ای Multiple Choice

رگرسیون لجستیک - مدل دیابت Logistic Regression - DIabetes Model

• واردات کتابخانه ها برای رگرسیون لجستیک Importing Libraries for Logistic Regression

• مجموعه داده را برای رگرسیون لجستیک بارگذاری کنید Load the dataset for logistic regression

• ایجاد مدل رگرسیون لجستیک Creation of Logistics Regression Model

• شما 100٪ به دست آورده اید>> بیایید جشن بگیریم! به یاد داشته باشید که گواهی خود را به اشتراک بگذارید! You've Achieved 100% >> Let's Celebrate! Remember To Share Your Certificate!!

بررسی دانش 31 Knowledge Check 31

• چند گزینه ای Multiple Choice

امتحان یادگیری ماشین 4 Machine Learning Quiz 4

• چند گزینه ای Multiple Choice

بینش های اضافی علوم داده: درس هایی از مصاحبه وبینار زنده Additional Data Science Insights: Lessons From A Live Webinar Interview

• معرفی سخنران مهمان introduction of the guest speaker

• دیدگاه دروس دیگر به عنوان یکی از دروس علم داده و سایر دوره ها Perspective on other courses as one on data science and other courses

• سطح اولیه درک در مورد ماشین ها Basic level of understanding about machines

• جفت شدن با رشته فیزیک و آمار پایه خوبی برای علم داده است Pairing with physics and statistical major is good foundation for data science

• داشتن مروری بر یادگیری ماشین و دوره Having an overview on machine learning and the course

• آمار در علم داده Statistics on data science

• بیاموزید که چگونه علم داده می تواند بخشی از بازاریابی باشد Learn how could data science be part on marketing

• کدام یک برای اتوماسیون راحت تر است، Phython یا UiPath Which do you find more comfortable for automation, Phython or UiPath

• نظرات و مروری بر دوره پایتون Thoughts and overview on the Python course

• آیا علم داده می تواند به پیش بینی قیمت سهام کمک کند؟ Can data science help predict the stock price?

• آیا می توان از فیتون برای مرتب سازی داده ها استفاده کرد Can phyton be used to sort through the data

• چگونه آمار به علم داده مربوط می شود و از آن در تجارت استفاده می شود How does statistics relate to data science and it is used in business

• تئوری بازی ها و کاربرد آن در حوزه علم داده Game theory that are involved, and its application to the field of data scienc

• آموزش و بازی افکار در مورد دوره Education and games thoughts on the course

• وبینار کامل 1 ساعته زنده داده علم با ترنس گواندر از Regenesys Full 1 Hour Live Data Science Webinar With Terence Govender from Regenesys

Python Bootcamp - مقدمه Python Bootcamp - Introduction

• معرفی Introduction

• تمام فایل های کدنویسی خود را دانلود کنید Download All Your Coding Files

• خود را به دانش‌آموزان خود معرفی کنید و به همه بگویید اهدافتان چیست Introduce Yourself To Your Fellow Students And Tell Everyone What Are Your Goals

• بیایید پیشرفت شما را در این دوره جشن بگیریم: 25%> 50%> 75%> 100%!! Let's Celebrate Your Progress In This Course: 25% > 50% > 75% > 100%!!

مقدمه ای بر پایتون Introduction to Python

• سلام جهان کدنویسی در پایتون Hello World Coding in Python

• چاپ متغیرها در پایتون Printing Variables in Python

• رشته ها، نقاط شناور و ارقام در پایتون Strings, Floating Points, and Digits in Python

• چاپ متغیرها در پایتون Printing Variables in Python

• درج، حذف و پاپ آپ متغیرها در پایتون Inserting, Removing, and Pop Up of Variables in Python

تاریخ و زمان در پایتون Date and Time in Python

• چاپ تاریخ و زمان در پایتون Printing Date and Time in Python

• Import و From Date Time در پایتون Import and From Date Time in Python

• چاپ زمان کنونی تاریخ در پایتون Printing Current Date Time in Python

• چاپ سال جاری در پایتون Printing Current Year in Python

• ساعت ها، دقیقه ها و ثانیه ها در پایتون Hours, Minutes, and Seconds in Python

• میکرو ثانیه در پایتون Microseconds in Python

• مهر زمان در پایتون Time stamp in Python

• تفاوت زمان در پایتون Time Difference in Python

• Time Delta در پایتون Time Delta in Python

• Time Delta در پایتون 2 Time Delta in Python 2

• مثلثات در پایتون Trigonometry in Python

• اکنون تاریخ و زمان در پایتون Now Date and Time in Python

مجموعه ها، مثلثات، لگاریتمی در پایتون Sets, Trigonometry, Logarithmic in Python

• تقاطع و اتحاد مجموعه ها در پایتون Intersection and Union of Sets in Python

• تفاوت مجموعه ها در پایتون Difference of Sets in Python

• درست و نادرست در مجموعه هایی که از پایتون استفاده می کنند True and False in Sets Using Python

• افزودن و حذف عناصر در مجموعه ها Adding and Removing Elements in Sets

• کد تقاطع و اتحاد در پایتون Code for Intersection and Union in Python

• عنصر در مجموعه ها Element in Sets

• ریاضی و CMath Math and CMath

• عملگرهای لگاریتمی و مد Logarithmic and Mod Operators

• شما به 25% دست یافته اید>> بیایید پیشرفت شما را جشن بگیریم و به 50% ادامه دهیم>> You've Achieved 25% >> Let's Celebrate Your Progress And Keep Going To 50% >>

• عملگرهای بیتی در پایتون Bitwise Operators in Python

• باینری به اعشار در پایتون Binary into Decimals in Python

• باینری به اعداد صحیح Binary into Integers

• چندین متغیر در پایتون Multiple Variables in Python

• گزاره درست و غلط در پایتون True and False Statement in Python

آرایه ها در پایتون Arrays in Python

• آرایه ها در پایتون Arrays in Python

• درج عناصر در آرایه Inserting Elements in Array

• آرایه های پاپ آپ Pop Up Arrays

• آرایه های شاخص و معکوس Index and Reverse Arrays

• یافتن خطا در کدها: تخصیص Finding Error in Codes: Assignment

گرد کردن، مثلثات و اعداد مختلط در پایتون Round off, Trigonometry, and Complex Numbers in Python

• گرد کردن و کوتاه کردن Round off and Truncation

• درجه به رادیان و رادیان به درجه با استفاده از پایتون Degrees into Radians and Radians into Degrees Using Python

• بی نهایت مثبت و منفی در پایتون Positive and Negative Infinity in Python

• کدنویسی عددی در پایتون نیست Not a Number Coding in Python

• کد نویسی اعداد مختلط در پایتون Complex Numbers Coding in Python

رشته ها در پایتون Strings in Python

• چاپ رشته ها در پایتون Printing Strings in Python

• شمارش در رشته ها Counting in Strings

• یک فایل را در پایتون باز کنید Open a File in Python

• چاپ رشته های متعدد در پایتون Printing Multiple Strings in Python

• رشته های True و False در پایتون Strings True and False in Python

• برش و نمایه سازی در رشته ها Slicing and Indexing in Strings

رشته ها، ord، chr و اعداد باینری در پایتون Strings, ord, chr, and Binary Numbers in Python

• رشته ها و اعداد صحیح Strings and Integers

• ابزارهای ord و chr در پایتون ord and chr Tools in Python

• اعداد داخلی و باینری در پایتون Int and Binary Numbers in Python

لیست ها و دیکشنری ها در پایتون Lists and Dictionaries in Python

• لیست ها در پایتون Lists in Python

• اضافه کردن رشته ها در لیست ها Adding Strings in Lists

• پاپ آپ و حذف رشته ها در لیست ها Pop Up and Removing Strings in Lists

• کد واگذاری Assignment Code

• فرهنگ لغت در پایتون Dictionaries in Python

• فهرست ها و لغت نامه ها Lists and Dictionaries

تاپل ها در پایتون Tuples in Python

• تاپل ها در پایتون Tuples in Python

• لیست تاپل ها Lists into Tuples

• چرا لیست ها و تاپل ها در پایتون؟ Why Lists and Tuples in Python

• فایل داده در پایتون Data File in Python

تاپل ها و دنباله ها Tuples and Sequences

• اختصاص دادن تاپل ها Assigning Tuples

• رشته های Strings

• به لیست ها تبدیل می شود Tuples into Lists

• دنباله ها در پایتون Sequences in Python

• توالی های متعدد Multiple Sequences

حلقه ها، دنباله ها و لیست در پایتون Loops, Sequences and List in Python

• به حلقه تبدیل می شود Tuples into Loops

• رشته ها و تاپل ها Strings and Tuples

• توالی به حلقه ها Sequences into Loops

• فهرست به حلقه List into Loop

• مورد در حلقه Item into Loop

• ضمیمه کردن دنباله ها Appending Sequences

دیکشنری ها و درک مطلب در پایتون Dictionaries and Comprehension in Python

• محدوده و فهرست Range and List

• فرهنگ لغت به تاپل Dictionaries into Tuples

• توابع شمارشگر Enumerator Functions

• لیست، آیتم و تکرار کننده ها List, Item and Iterators

• درک لیست List Comprehension

• شما به 50% دست یافته اید>> بیایید پیشرفت شما را جشن بگیریم و به 75% ادامه دهیم>> You've Achieved 50% >> Let's Celebrate Your Progress And Keep Going To 75% >>

Mapping، Zip و Attributes در پایتون Mapping, Zip and Attributes in Python

• نقشه برداری در پایتون Mapping in Python

• اپراتور زیپ و نقشه Zip and Map Operator

• چاپ اقلام فرهنگ لغت Printing Dictionaries Items

• ویژگی های dir dir Attributes

• ویژگی های dir 2 dir Attributes 2

آرگومان ها و توابع در پایتون Arguments and Functions in Python

• استدلال ها Arguments

• دنباله ها و استدلال ها Sequences and Arguments

• تقاطع دنباله ها Intersection of Sequences

• تعریف توابع Defining Functions

• توابع چندگانه Multiple Functions

Argument، تعریف توابع و def در پایتون Argument, Defining Functions, and def in Python

• عملکرد تعویض Changer Function

• توابع استدلال Argument Functions

• آرگومان ها و توابع چندگانه Multiple Arguments and Functions

• نوع شناخته شده یک تابع Knownly Type of a Function

• چاپ تاپل ها با استفاده از توابع Printing Tuples Using Functions

• بیانیه دف def Statement

آرگومان، کد رشته و درخت جمع Argument, String Code, and Sum Tree

• حداقل و حداکثر آرگومان Min and MAX of Argument

• وظیفه Assignment

• کد رشته String Code

• یافتن جمع لیست Finding Sum of List

• درخت جمع Sum Tree

عملکرد اکو و لامبدا Echo and Lambda Function

• عملکرد اکو Echo Function

• تابع زمانبندی Schedule Function

• چاپ یک مقدار تابع Printing a Function Value

• تابع لامبدا Lambda Function

• عملکرد لامبدا چندگانه Multiple Lambda Function

• تابع لامبدا با عملکردهای چندگانه Lambda Function with Multiple Functions

لامبدا و تابع مولد Lambda and Generating Function

• تابع لامبدا: مثال کد Lambda Function: Code Example

• تابع لامبدا: مثال کد Lambda Function: Code Example

• Range و Tuples Range and Tuples

• ماتریس ها در پایتون Matrices in Python

• ایجاد یک تابع در پایتون Generating a Function in Python

• ایجاد یک تابع: مثال کد Generating a Function: Code Example

• مجموعه ای از کدها Set of Codes

def و Reducing Function در پایتون def and Reducing Function in Python

• دف از مجموع و مربع def of Sum and Square

• کاهش کد در پایتون Reducing Code in Python

• ابزار کاهش عملکرد Function Reducing Tool

• برای و اگر در محدوده for and if in Range

• res.append در پایتون res.append in Python

• شما به 75% دست یافته اید>> بیایید پیشرفت شما را جشن بگیریم و به 100% ادامه دهیم>> You've Achieved 75% >> Let's Celebrate Your Progress And Keep Going To 100% >>

def Saver، ASCII، Exception، Encoding و Decoding در پایتون def Saver, ASCII, Exception, Encoding and Decoding in Python

• Def Saver def Saver

• ماژول پایتون Python Module

• نمونه ای برای String و Object isinstance for String and Object

• واکشی def در پایتون def fetcher in Python

• استثنا در پایتون Exception in Python

• ASII در پایتون ASII in Python

• رمزگذاری و رمزگشایی در پایتون encoding and decoding in Python

• رمزگذاری و رمزگشایی سخنرانی 2 encoding and decoding Lecture 2

• رمزگذاری و رمزگشایی سخنرانی 3 encoding and decoding Lecture 3

• رمزگذاری و رمزگشایی سخنرانی 4 encoding and decoding Lecture 4

ویژگی ها و دکوراتور را در پایتون دریافت کنید Get Attributes and Decorator in Python

• کدگذاری getName getName Coding

• GetAtrr در پایتون GetAtrr in Python

• GetAtribute در پایتون GetAtrribute in Python

• دکوراتور در پایتون Decorator in Python

• دکوراتور تو در تو Nested Decorator

• حاشیه نویسی و تزئین Annotation and Decorator

• ابزارهای کاربردی برای دکوراتور functools for Decorator

• ابزار inspectfunc در پایتون inspectfunc tool in Python

لاک پشت، پانداها، گردآوری و تجسم داده ها Turtle, Pandas, Compilation, and Data Visualization

• روش کلاس در پایتون Class Method in Python

• لاک پشت، زمان و تصادفی Turtle, Time and Random

• کد کتابخانه پانداها Pandas Library Code

• کامپایل در پایتون Compilation in Python

• تجسم داده ها در Matplotlib Data Visualization in Matplotlib

• پراکندگی: تجسم داده ها Scattering: Data Visualization

• تابع شمارشگر Enumerator Function

ورود به سیستم، تجسم داده ها و HTTP Logging, Data Visualization, and HTTP

• Plotly در MATPLOTLIB Plotly in MATPLOTLIB

• خلاصه داستان: تجسم داده ها Plot: Data Visualization

• ثبت و استثنا Logging and Exception

• چاپ حروف صدادار Printing Vowels

• نقشه و اپراتور Map and Operator

• سرور HTTP: پایتون کاربردی HTTP Server: Practical Python

• کتابخانه سوکت برای سرور HTTP Socket Library for HTTP Server

ماشین حساب، زمان شمارش معکوس، اندازه و مسیر یک فایل بسازید Make Calculator, Countdown Time, Size and Path of a File

• کدگذاری درختی Tree Coding

• سخنرانی کدگذاری درختی 2 Tree Coding Lecture 2

• نام و اندازه یک فایل Name and Size of a File

• زمان شمارش معکوس: پایتون عملی Countdown Time: Practical Python

• ساخت ماشین حساب: پایتون عملی Make a Calculator: Practical Python

PyAudio، DataFrame، کتابخانه پانداهای بیشتر و ایجاد یک سال کبیسه PyAudio, DataFrame, More Pandas Library & Create a Leap Year

• سال کبیسه در پایتون Leap Year in Python

• سخنرانی PyAudio 1 PyAudio Lecture 1

• سخنرانی PyAudio 2 PyAudio Lecture 2

• ایجاد یک قفسه در پایتون Creating a Shelve in Python

• کتابخانه پانداها: DataFrame Pandas Library: DataFrame

• شما 100٪ به دست آورده اید>> بیایید جشن بگیریم! به یاد داشته باشید که گواهی خود را به اشتراک بگذارید! You've Achieved 100% >> Let's Celebrate! Remember To Share Your Certificate!!