آموزش مبانی برنامه‌نویسی پایتون - آخرین آپدیت

سرفصل ها و درس ها

مقدمه‌ای بر پایتون Introduction to Python

• مبانی برنامه‌نویسی Programming fundamentals

• توضیحات جامع پایتون Explaining Python

• پایتون در عمل: مثال‌های دنیای واقعی Python in action: Real-world examples

• کاربردهای پایتون: از وب‌اپلیکیشن‌ها تا یادگیری ماشین Python in the wild: From web apps to machine learning

• معرفی ابزارهای مورد نیاز پایتون Introducing your Python toolkit

• انتخاب IDE: بررسی گزینه‌های موجود Choosing your IDE: A tour of options

• دمو: کار با Jupyter Notebook Demo: Navigating Jupyter notebooks

• اولین کلمات پایتون: سینتکس و ساختار Your first Python words: Syntax and structure

• عملیات پایه، عبارت‌ها و متغیرها Basic operations, expressions and variables

• متغیرها در پایتون: ظرف‌هایی برای داده‌های شما Variables in Python: Containers for your data

• نحوه خروجی گرفتن کدها در پایتون How Python outputs code

مبانی پایتون Python basics

• تصمیم‌گیری با پایتون: If, else و elif Making decisions with Python: If, else, and elif

• دمو: بررسی گام‌به‌گام اجرای کد Demo: Step by step of tracing code execution

• لیست‌ها: کاربردی‌ترین ظرف داده Lists are a go-to data container

• تسلط بر لیست‌ها: برش (Slicing) و مدیریت داده‌ها Mastering lists: Slicing, dicing, and more

توابع و ماژول‌ها Functions and modules

• توابع: بلوک‌های سازنده پایتون Functions: Python's building blocks

• کلاس‌ها: نقشه‌های ساخت اشیاء Classes: Blueprints for objects

• توابع داخلی: دستیارهای کاربردی پایتون Built-in functions are Python's handy helpers

• ماژول‌ها: جعبه ابزار کد شما Modules: Your code's toolbox

• نوشتن توابع اختصاصی Writing your own functions

• دامنه متغیرها (Scope): محل ذخیره داده‌ها Variable scope: Where your data lives

• کاربرد توابع در دنیای واقعی Functions in the real world

• طراحی کلاس‌های سفارشی Crafting custom classes

• استفاده از ماژول‌های داخلی Using built-in modules

• کتابخانه‌های خارجی: ارتقای قدرت کدهای پایتون External libraries: Supercharging your Python code

• وارد کردن ماژول‌ها: گسترش قابلیت‌های پایتون Importing modules: Expanding Python's powers

ساختارهای داده در پایتون Data structures in Python

• ساختارهای داده: ظرف‌های کد شما Data structures: The containers of your code

• دیکشنری‌ها: قدرت کلید و مقدار Dictionaries: Key-value powerhouses

• مجموعه‌ها (Sets): کلکسیون‌های منحصر‌به‌فرد Sets: The unique collection

• ساختارهای داده: انتخاب ابزار مناسب برای هر کار Data structures: The right tool for the job

• مرتب vs نامرتب: نحوه یافتن داده‌ها Ordered vs. unordered: Finding your data

• دمو: دستکاری داده‌ها در پایتون با مثال‌های کاربردی Demo: Data manipulation in Python using practical examples

• بررسی عمیق دیکشنری‌ها: فراتر از مبانی Dictionaries in depth: Beyond the basics

• دمو: کاربردهای واقعی و زمان استفاده از هر ساختار داده Demo: Real-world applications and when to use each data structure

• مرتب‌سازی لیست‌ها در پایتون Sorting lists in Python

• دمو: جستجو در لیست‌های پایتون Demo: Searching lists in Python: Find what you need

• انتخاب ساختار داده مناسب: چارچوب تصمیم‌گیری Choosing the right data structure: A decision framework

• مطالعات موردی: تطبیق ساختار داده با مسئله Case studies: Matching data structures to problems

مدیریت خطا و عیب‌یابی Error handling and debugging

• مقدمه‌ای بر مدیریت خطا و عیب‌یابی Introduction to error handling and debugging

• استثناهای پایتون بخش اول: شناخت علائم خطا Python exceptions part 1: Understanding the red flags

• استثناهای پایتون بخش دوم: کالبدشکافی یک Exception Python exceptions part 2: Anatomy of an exception

• عیب‌یابی با Print: دستیار قابل اعتماد شما Print debugging: Your trusty sidekick

• دیباگرهای تعاملی: گام‌به‌گام در کد Interactive debuggers: Stepping through your code

• دیباگر: چرا و چگونه Debugger: The why and how

• گرفتن خطاها با Try Except Catching errors with try-except

• دمو: مثال‌های واقعی مدیریت استثناها Demo: Examples of real-world exception handling

• راهنمای کارآگاهی برای عیب‌یابی The detective's guide to debugging

• دمو: عیب‌یابی در عمل Demo: Debugging in action

مبانی تست و کنترل نسخه Testing basics & version control

• چرا تست‌های واحد (Unit Tests) مهم هستند Why unit tests matter

• تست واحد: حذف باگ‌ها از کد شما Unit testing: Removing bugs from your code

• دمو: شروع کار با pytest Demo: Getting started with pytest

• نکات و ترفندهای pytest pytest tips and tricks

• ضروریات Git برای توسعه‌دهندگان Git essentials for working developers

• گیت (Git): ماشین زمان کدهای شما Git: Your code's time machine

• مزایای کنترل نسخه (Version Control) The benefits of version control

• دمو: راه‌اندازی و تنظیمات GitHub Demo: Getting setup in GitHub

• دمو: تفاوت بین Git و GitHub چیست؟ Demo: What is the difference between Git and GitHub?

• دمو: بررسی یک پورتفولیوی گیت‌هاب Demo: Examining a GitHub portfolio