آموزش پایتون

دانلود Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

در این آموزش مهارت های توسعه نرم افزار متوسط، بن فینکل اصول اولیه زبان های برنامه نویسی پایتون را به زبان آموزان آموزش می دهد.

چند سال پیش، پایتون به سه زبان برنامه نویسی محبوب در فهرست TIOBE راه یافت - و در آنجا باقی مانده است. محبوبیت به معنای افزایش ارتباط است. بنابراین، اگر شاخص TIOBE نشانه ای باشد، سازمان های بیشتری احتمالا پایتون را اتخاذ خواهند کرد. به نوبه خود، این امر تقاضا برای مهارت های پایتون را افزایش می دهد. بنابراین اگر به برنامه نویسی علاقه دارید، شروع با پایتون یک شرط مطمئن است.

موضوعات این آموزش زبان اسکریپت شامل نحوه پرس و جو از پایگاه داده با زبان برنامه نویسی پایتون و کسب درک SQLite، SQLAlchemy، MySQL است.

در حالی که این مهارت توسعه نرم‌افزار لزوماً با آزمون توسعه نرم‌افزار ترسیم نشده است، اما برای تحلیل‌گران داده‌ها یک تجدید کننده عالی است.

پس از اتمام این آموزش پایتون، نحو، ساختار و بهترین شیوه های پایتون را یاد خواهید گرفت. همچنین یاد می گیرید که چگونه با پایتون از پایگاه های داده پرس و جو کنید و درک درستی از SQLite، SQLAlchemy، MySQL به دست آورید.

برای هر کسی که یک تیم فناوری را رهبری می‌کند، این آموزش توسعه نرم‌افزار می‌تواند برای تحلیل‌گران داده‌های جدید، متخصصان فناوری اطلاعات، یا توسعه‌دهندگان، که در برنامه‌های آموزشی فردی یا تیمی تنظیم شده‌اند، یا به‌عنوان منبع مرجع توسعه نرم‌افزار استفاده شود.

پایتون: آنچه باید بدانید

برای هر تحلیلگر داده ای که به دنبال بهبود مهارت خود با زبان های برنامه نویسی است، این دوره توسعه نرم افزار موضوعاتی مانند:

  • جستجو در پایگاه داده با پایتون
  • در حال توسعه با برنامه نویسی شی گرا
  • نصب و استفاده از SQLite برای ایجاد و درج داده
  • فیلتر کردن و سفارش جستجوهای پایگاه داده
  • درک حالت ها و رفتارهای شی
  • در حال توسعه با متغیرهای پایتون
  • نصب PyQt در مک و ویندوز
  • راه اندازی یک سرور HTTP ساده و انجام آزمایش واحد
  • استقرار پایتون در GCE
  • اتصال به پایگاه داده SQL
چه کسی باید در آموزش پایتون شرکت کند؟

این آموزش برنامه نویسی پایتون یک آموزش برنامه نویسی در سطح متوسط ​​است، به این معنی که برای توسعه دهندگان نرم افزار جدید یا با تجربه، تحلیلگران داده، متخصصان فناوری اطلاعات یا هر کسی که سعی در یادگیری پایتون دارد طراحی شده است.

تحلیلگران داده جدید یا مشتاق. اگر یک تحلیلگر داده جدید هستید، شروع حرفه خود با آشنایی با پایتون می تواند صدها ساعت را در طول حرفه خود صرفه جویی کند. به‌جای اینکه خودتان داده‌ها را بکشید، پایگاه‌های داده را کشف کنید و در حجم عظیمی از داده‌ها بگردید، می‌توانید دستورات پایتون را اجرا کنید که بسیاری از کارهای سنگین را برای شما انجام می‌دهند. با این آموزش پایتون، بر بهترین ابزار برای تجزیه و تحلیل داده ها که می توانید در بازار پیدا کنید، تسلط خواهید داشت.

تحلیلگران داده با تجربه. اگر چندین سال است که به عنوان تحلیلگر داده کار می کنید اما هرگز قدمی برای استفاده از Python برای تجزیه و تحلیل خود نگذاشته اید، باید تجدید نظر کنید. این آموزش شما را از طریق همه چیزهایی که برای رساندن بازی تجزیه و تحلیل داده خود به سطح بعدی نیاز دارید، راهنمایی می کند. از پرس و جو در پایگاه داده گرفته تا استفاده از زبان های برنامه نویسی برای انجام تجزیه و تحلیل برای شما، این آموزش در پایتون به کار و توانایی های شما سرعت می بخشد.


سرفصل ها و درس ها

مقدمه ای بر برنامه نویسی و پایتون Introduction to Programming and Python

  • بررسی اجمالی Overview

  • فایل تکمیلی Supplemental File

  • کامپایل کد به فایل های اجرایی Compiling Code into Executables

  • نصب پایتون 3 Installing Python 3

  • پیکربندی متغیر PATH Configuring the PATH variable

  • انتخاب یک ویرایشگر کد Choosing a Code Editor

  • نتیجه Conclusion

متغیرهای پایتون و انواع داده ها Python Variables and Data Types

  • بررسی اجمالی Overview

  • فایل های تکمیلی Supplemental Files

  • درک متغیرها Understanding Variables

  • آشنایی با انواع داده پایتون Understanding Python Data Types

  • انواع داده های ریخته گری Casting Data Types

  • پایتون Literals Python Literals

  • همه اش را بگذار کنار هم Putting it All Together

  • نتیجه Conclusion

مقدمه ای بر زبان پایتون Introduction to the Python Language

  • بررسی اجمالی Overview

  • فایل تکمیلی Supplemental File

  • آماده سازی محیط کدنویسی ما Preparing Our Coding Environment

  • واژگان پایه پایتون Basic Python Vocabulary

  • اولین مراحل برنامه نویسی ما Our First Programming Steps

  • تکنیک های برنامه نویسی خوب Good Programming Techniques

  • نتیجه Conclusion

اپراتورهای پایتون Python Operators

  • بررسی اجمالی Overview

  • فایل های تکمیلی Supplemental Files

  • اپراتورهای پایتون Python Operators

  • اپراتور واگذاری Assignment Operator

  • عملگرهای حسابی Arithmetic Operators

  • اپراتورهای رابطه ای Relational Operators

  • عملگرهای ترکیبی، رشته ای و بیتی Combination, String, and Bitwise Operators

  • ایجاد تغییر Making Change

  • نتیجه Conclusion

ورودی و خروجی پایه با پایتون Basic Input and Output with Python

  • بررسی اجمالی Overview

  • فایل تکمیلی Supplemental File

  • ورودی و خروجی پایه Basic Input and Output

  • خروجی با چاپ Output with Print

  • چاپ پارامترهای سپتامبر، پایان و فایل Print Parameters Sep, End, and File

  • دریافت داده با ورودی Getting data with Input

  • استفاده از fileinput برای خواندن فایل ها Using fileinput to Read Files

  • قالب بندی خروجی متن Formatting Text Output

  • استفاده از ورودی و خروجی Putting Input and Output to Use

  • نتیجه Conclusion

شرط ها و حلقه ها در پایتون Conditionals and Loops in Python

  • بررسی اجمالی Overview

  • فایل تکمیلی Supplemental File

  • شرط ها و حلقه ها در پایتون Conditionals and Loops in Python

  • کد انشعاب با شرایط Branching Code with Conditionals

  • تکرار کد با حلقه های while Iterating Code with While Loops

  • تکرار کد با حلقه های For Iterating Code with For Loops

  • کنترل شرطی و حلقه Conditional and Loop Control

  • ساخت بازی جلاد Creating the Game Hangman

  • نتیجه Conclusion

مقدمه ای بر توابع در پایتون Introduction to Functions in Python

  • بررسی اجمالی Overview

  • مقدمه ای بر توابع در پایتون Introduction to Functions in Python

  • فایل های تکمیلی Supplemental Files

  • فراخوانی توابع Invoking Functions

  • توابع وارداتی Importing Functions

  • تعریف توابع Defining Functions

  • توابع لامبدا Lambda Functions

  • توابع بازگشتی Recursive Functions

  • نتیجه Conclusion

عملیات پیشرفته با توابع در پایتون Advanced Operations with Functions in Python

  • بررسی اجمالی Overview

  • فایل تکمیلی Supplemental File

  • توابع پیشرفته پایتون Advanced Python Functions

  • دامنه متغیر پایتون Python Variable Scope

  • نقشه برداری، فیلتر کردن، و کاهش Mapping, Filtering, and Reducing

  • توابع مرتب سازی Sorting Functions

  • نتیجه Conclusion

وارد کردن و استفاده از ماژول ها در پایتون Importing and Using Modules in Python

  • بررسی اجمالی Overview

  • فایل تکمیلی Supplemental File

  • وارد کردن ماژول ها Importing Modules

  • استفاده از Import و Modules Using Import and Modules

  • نصب پکیج ها با Pip Installing Packages with Pip

  • نتیجه Conclusion

موارد استثنا را با پایتون مدیریت کنید Handle Exceptions with Python

  • بررسی اجمالی Overview

  • فایل تکمیلی Supplemental File

  • موارد استثنا را با پایتون مدیریت کنید Handle Exceptions with Python

  • درک استثناها و ادعاها Understanding Exceptions and Assertions

  • مدیریت خطاها با Try و Except Handling Errors with Try and Except

  • Else, End, and Exception Object Else, Finally, and the Exception Object

  • سلسله مراتب شی استثنایی Exception Object Hierarchy

  • نتیجه Conclusion

خواندن و نوشتن فایل ها با پایتون Read and Write Files with Python

  • بررسی اجمالی Overview

  • فایل تکمیلی Supplemental File

  • خواندن و نوشتن فایل ها Reading and Writing Files

  • باز کردن فایل ها و اشیاء فایل Opening Files and File Objects

  • خواندن اشیاء فایل جریان Reading Stream File Objects

  • خواندن و نوشتن باینری Binary Reading and Writing

  • خواندن و نوشتن فایل ها در عمل Reading and Writing Files in Practice

  • نتیجه Conclusion

پرس و جو از پایگاه های داده با پایتون Querying Databases with Python

  • بررسی اجمالی Overview

  • فایل تکمیلی Supplemental File

  • در حال نصب SQLite Installing SQLite

  • اتصال به SQLite Connecting to SQLite

  • ایجاد و درج داده ها Create and Insert Data

  • Data را انتخاب کنید Select Data

  • مقدمه ای بر SQLAlchemy Intro to SQLAlchemy

  • نسخه ی نمایشی: SQLAlchemy و SQLite Demo: SQLAlchemy and SQLite

  • SQLAlchemy و MySQL SQLAlchemy and MySQL

  • پرس و جو اولیه با SQLAlchemy Basic Querying with SQLAlchemy

  • فیلتر کردن پرس و جوها Filtering Queries

  • درخواست های سفارش Ordering Queries

  • تجمیع و گروه بندی Aggregating and Grouping

  • اسید ACID

  • معاملات Transactions

  • نتیجه Conclusion

ساختارهای داده با پانداها Data Structures with Pandas

  • بررسی اجمالی Overview

  • فایل تکمیلی Supplemental File

  • ساختارهای داده: مقدمه ای بر NumPy Data Structures: Intro to NumPy

  • ساختارهای داده: آرایه های NumPy Data Structures: NumPy Arrays

  • ساختارهای داده: آرایه های 2 بعدی NumPy Data Structures: 2D NumPy Arrays

  • ساختارهای داده: مقدمه ای بر پانداها Data Structures: Intro to Pandas

  • ساختارهای داده: سری پانداها Data Structures: Pandas Series

  • ساختار داده: Pandas DataFrames Data Structures: Pandas DataFrames

  • ساختارهای داده: عملکرد پایه پانداها Data Structures: Pandas Basic Functionality

  • ساختارهای داده: واردات پانداها از csv Data Structures: Pandas Import from .csv

  • ساختارهای داده: وارد کردن داده های واقعی با Pandas Lab Data Structures: Importing Real Data with Pandas Lab

  • استفاده از داده های پاندا: آمار توصیفی Using Pandas Data: Descriptive Statistics

  • استفاده از داده های پاندا: تکرار Using Pandas Data: Iteration

  • استفاده از داده های پاندا: مرتب سازی Using Pandas Data: Sorting

  • استفاده از داده های پاندا: کوواریانس و همبستگی Using Pandas Data: Covariance and Correlation

  • استفاده از داده های پاندا: تجمعات Using Pandas Data: Aggregations

  • استفاده از داده های پاندا: گروه بندی Using Pandas Data: Grouping

  • استفاده از داده های پاندا: ادغام Using Pandas Data: Merging

  • استفاده از داده های پاندا: با استفاده از آزمایشگاه داده های پاندا Using Pandas Data: Using Pandas Data Lab

  • نتیجه Conclusion

تجزیه فرمت های داده در ساختارهای پایتون Parse Data Formats into Python Structures

  • بررسی اجمالی Overview

  • فایل های تکمیلی Supplemental Files

  • تجزیه فرمت های داده با پایتون Parsing Data Formats with Python

  • تجزیه XML با پایتون Parsing XML with Python

  • تجزیه JSON با پایتون Parsing JSON with Python

  • تجزیه YAML با پایتون Parsing YAML with Python

  • تجزیه فرمت های داده به صورت خلاصه Parsing Data Formats in Summary

  • نتیجه Conclusion

  • فایل های تکمیلی Supplemental Files

تشخیص شی در زمان واقعی با YOLOv3 در PyTorch Real-Time Object Detection with YOLOv3 on PyTorch

  • بررسی اجمالی Overview

  • مقدمه ای بر تشخیص اشیا و بینایی کامپیوتری Introduction to Object Detection and Computer Vision

  • تنظیم محیط پایتون و ویندوز Setting Up Your Python and Windows Environment

  • راه اندازی مدل تشخیص شی YOLOv3 Setting Up the YOLOv3 Object Detection Model

  • اجرای استنتاج بر روی یک تصویر استاتیک Running Inference on a Static Image

  • اجرای استنتاج در یک جریان ویدیویی Running Inference on a Video Stream

  • بهبود سطوح اطمینان تشخیص شی Improving Object Detection Confidence Levels

  • نتیجه Conclusion

تشخیص چهره را با پایتون انجام دهید Perform Facial Recognition with Python

  • بررسی اجمالی Overview

  • تنظیم محیط توسعه خود برای تشخیص چهره Setting Up Your Development Environment for Face Recognition

  • دانلود چند نمونه عکس با استفاده از پایتون Downloading Some Sample Images using Python

  • تشخیص چهره در فایل های تصویری Detecting Faces in Image Files

  • مقایسه چهره ها با افراد شناخته شده Comparing Faces with Known Individuals

  • ایجاد یک Python REST API برای تشخیص چهره Creating a Python REST API for Facial Recognition

  • بررسی و فراخوان برای اقدام Review and Call to Action

  • نتیجه Conclusion

رشته های پایتون را درک کنید Understand Python Strings

  • بررسی اجمالی Overview

  • رشته های پایتون را درک کنید Understand Python Strings

  • فایل های تکمیلی Supplemental Files

  • ذخیره و دستکاری رشته ها Storing and Manipulating Strings

  • رمزگذاری رشته ها با ASCII، Unicode و UTF-8 Encoding Strings with ASCII, Unicode, and UTF-8

  • شخصیت های فرار برای رشته ها Escape Characters for Strings

  • عملگرها و توابع رشته Operators and String Functions

  • نتیجه Conclusion

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

  • بررسی اجمالی Overview

  • فایل های تکمیلی Supplemental Files

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

  • ترتیب ارزش ها در لیست ها Ordering Values in Lists

  • ارزش های نامگذاری شده در فرهنگ لغت Named Values in Dictionaries

  • استفاده از مجموعه ها در عمل Using Collections in Practice

  • نتیجه Conclusion

مقدمه ای بر برنامه نویسی شی گرا با پایتون Introduction to Object Oriented Programming with Python

  • بررسی اجمالی Overview

  • فایل تکمیلی Supplemental File

  • مقدمه ای بر برنامه نویسی شی گرا با پایتون Introduction to Object-Oriented Programming with Python

  • کلاس ها و اشیاء Classes and Objects

  • درک صفات Understanding Attributes

  • روش های درک Understanding Methods

  • استفاده از اشیاء در عمل Using Objects in Practice

  • نتیجه Conclusion

برنامه نویسی پیشرفته شی گرا با پایتون Advanced Object-Oriented Programming with Python

  • بررسی اجمالی Overview

  • فایل تکمیلی Supplemental File

  • برنامه نویسی پیشرفته شی گرا با پایتون Advanced Object-Oriented Programming with Python

  • عمومی در مقابل اعضای خصوصی Public vs Private Members

  • با استفاده از روش سازنده Using the Constructor Method

  • روش های درون نگری Introspection Methods

  • سریال سازی اشیاء Serializing Objects

  • وراثت Inheritance

  • نتیجه Conclusion

Python3 با Azure Python SDK Python3 with the Azure Python SDK

  • بررسی اجمالی Overview

  • مقدمه ای بر پایتون در Azure Introduction to Python in Azure

  • ابتدا به Python Azure SDK نگاه کنید First Look at the Python Azure SDK

  • احراز هویت به Azure با پایتون Authenticating to Azure with Python

  • لیست ماشین های مجازی با پایتون Listing Virtual Machines with Python

  • ایجاد یک Key Vault با پایتون Creating a Key Vault with Python

  • نتیجه Conclusion

تعامل با پایتون در AWS Interacting with Python in AWS

  • بررسی اجمالی Overview

  • معرفی Introduction

  • ابتدا به Python AWS SDK نگاه کنید First Look at the Python AWS SDK

  • پیکربندی AWS CLI Auth در ترمینال Configuring AWS CLI Auth On The Terminal

  • فهرست کردن موارد EC2 Listing EC2 Instances

  • ایجاد یک سطل S3 Creating an S3 Bucket

  • عملکرد لامبدا با پایتون Lambda Functions with Python

  • نتیجه Conclusion

نمایش نظرات

آموزش پایتون
جزییات دوره
20h
143
CBTNuggets CBTNuggets
(آخرین آپدیت)
-
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Michael Levan Michael Levan

رهبر در محتوا و مشاوره Kubernetes و Cloud-Native

Trevor Sullivan Trevor Sullivan

"من از تدریس IT لذت می برم زیرا صنعت فناوری به سرعت در حال تغییر است و فراگیران ما باید در لبه برتر بمانند." تروور به لطف پدرش که صاحب یک تجارت نرم افزاری بود، در سنین جوانی شروع به ساخت و عیب یابی کامپیوترها کرد. او بیش از یک دهه تجربه IT و آموزش را برای CBT Nuggets به ارمغان می آورد. قبل از پیوستن به این تیم، او در زمینه مهندسی پیش فروش و معماری راه حل ها کار می کرد. سرگرمی های ترور شامل موتور سواری، پیاده روی و گذراندن وقت با خانواده اش است.

ارتباط با Trevor:

اتوماسیون AWS، Azure، MySQL، GitHub، Docker، Kubernetes و PowerShell

Ben Finkel Ben Finkel

"بهترین بخش در مورد مربی بودن، یادگیری همه این فناوری های جدید و کار کردن با جامعه ای از افرادی است که همگی علاقه مند به یادگیری هستند، و به طور کلی بخشی از فرهنگی بودن که برای یادگیری به روش من ارزش قائل است. من عاشق آن هستم. بنشینم و روی یک موضوع درگیر یا پیچیده کار کنم تا بتوانم با مهارت در مورد آن روی صفحه صحبت کنم." بن فینکل از سال 1996 در توسعه نرم افزار کار کرده است. قبل از پیوستن به CBT Nuggets، او یک مهندس نرم افزار در بانک M&T در بوفالو، نیویورک بود. او مربی گواهی شده گوگل است. وقتی بن ویدیوهای آموزشی CBT Nuggets را ایجاد نمی کند، از اسکی، اسنوبورد، مطالعه و دم کردن آبجو و سیب در خانه لذت می برد. او همچنین خود را یک برنامه نویس سرگرمی می داند و دوست دارد فناوری های توسعه جدید را یاد بگیرد.

ارتباط با بن:

کارشناس توسعه دهنده گوگل، مربی گواهی شده گوگل، Microsoft ASP.NET (WebForms و MVC)، تجزیه و تحلیل و طراحی داده ها، معماری پایگاه داده رابطه ای، MS SQL Server، Microsoft C#.NET، Javascript، jQuery، Microsoft Visual Basic .NET و 6.0، خدمات گزارش دهی دات نت، MS Access، پایتون