آموزش پایتون برای مهندسان و دانشمندان / از مقدماتی تا پیشرفته - آخرین آپدیت

دانلود Python for Engineers and Scientists / basic to advanced

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

یادگیری پایتون برای مهندسان و دانشمندان: جایگزینی اکسل و متلب با ابزارهای قدرتمند و رایگان!

در این دوره جامع، یاد می‌گیرید چگونه اکسل و متلب را با ابزارهای متن‌باز و قدرتمند پایتون، یعنی Sympy، Numpy، Pandas، Matplotlib و Scipy جایگزین کنید. این دوره از مبانی تا پیشرفته، اتوماسیون تسک‌ها و حل مسائل پیچیده را پوشش می‌دهد.

چرا این دوره پایتون برای شما مناسب است؟

  • یادگیری زبان پایتون از پایه تا پیشرفته: تمام مباحث، از نصب تا مفاهیم پیشرفته برنامه‌نویسی شیءگرا را پوشش می‌دهد.
  • مجموعه کامل کتابخانه‌های علمی پایتون: آموزش جامع Sympy، Numpy، Pandas، Matplotlib و Scipy.
  • دسترسی به تمام کدها: تمامی کدهای استفاده شده در طول دوره در اختیار شما قرار می‌گیرد.
  • ابزارهای رایگان: هم زبان پایتون و هم کتابخانه‌های آن کاملاً رایگان و متن‌باز هستند!
  • مباحث کاربردی: یادگیری نحوه خواندن و نوشتن فایل‌ها و اتوماسیون کارهای روزمره.

سرفصل‌های کلیدی دوره:

  • مبانی پایتون: نصب، متغیرها، توابع، حلقه‌ها و...
  • مباحث پیشرفته پایتون: ایجاد اشیاء و برنامه‌نویسی شیءگرا.
  • Sympy: حل دستگاه‌های معادلات خطی و غیرخطی، معادلات دیفرانسیل به همراه تمرین‌ها و چالش‌ها.
  • Numpy: کار با آرایه‌های چندبعدی برای دستکاری داده‌ها.
  • Pandas: ایجاد جداول، جداول محوری (Pivot Tables)، فیلترها، مصورسازی داده‌ها و موارد دیگر.
  • Matplotlib: ایجاد نمودارها و داشبوردها.
  • Scipy: ریاضیات و روش‌های عددی.

پیش‌نیازها:

آشنایی با علوم پایه (ریاضی، فیزیک، شیمی) الزامی است، اما نیازی به دانش قبلی از پایتون نیست.

هدف دوره "پایتون برای مهندسان و دانشمندان":

ارائه ابزارهای برنامه‌نویسی، ریاضی و گرافیکی برای متخصصان در زمینه‌های مختلف.

چرا باید در این دوره شرکت کنید؟

هم پایتون و هم کتابخانه‌های علمی آموزش داده شده در اینجا ابزارهای رایگان و متن باز هستند. این امر باعث می شود که استفاده از این ابزارها در محیط کار و دانشگاه آسان تر شود.

این زبان و کتابخانه های آن در سراسر جهان با یک جامعه فوق العاده فعال در حال رشد هستند. من از سال 2015، زمانی که کارآموزی تحقیق و توسعه را در یک شرکت انرژی هسته ای انجام می دادم، این موضوع را مشاهده کرده ام.

دوست من، عقب نمان!

با ثبت نام در این دوره چه چیزی به دست می آورید؟

این جامع ترین دوره با بهترین نسبت هزینه/فایده در مورد پایتون و اکوسیستم علمی آن است. علاوه بر حدود 15 ساعت محتوا، دانش‌آموزان به انجمن پرسش و پاسخ دسترسی دارند، جایی که ما در حال حاضر تعاملات سازنده با همه دانش‌آموزان داریم و بسیاری از سؤالات و پاسخ‌ها قبلاً پاسخ داده شده‌اند. شما همچنین به تمام مواد/کدهای ایجاد شده در طول کلاس، همگی ساختار یافته و سازمان یافته دسترسی خواهید داشت!

چه چیزی یاد خواهم گرفت؟

به طور کلی، محتوای دوره شامل:

- مبانی پایتون: شما همه چیز را از نصب گرفته تا موضوعات پیشرفته تر مانند برنامه نویسی شی گرا یاد خواهید گرفت. همچنین، موضوعات مفید روزمره مانند اتوماسیون کار را پوشش خواهید داد.

- Sympy: شما در دستکاری جبری نمادین، حل دستگاه معادلات، معادلات دیفرانسیل و توابع حساب دیفرانسیل و انتگرال تسلط خواهید یافت. علاوه بر این، تمرین‌ها و چالش‌های زیادی (پیشنهادی و حل شده) وجود دارد. Sympy جایگزین بسیار خوبی برای متلب است.

- Numpy: شما عمیقاً در ساختار آرایه قدرتمند Numpy فرو خواهید رفت.

- Pandas: شما بهترین جایگزین اکسل را که امروزه داریم یاد خواهید گرفت. ما با فیلترها، جداول محوری، نمودارها و رسیدگی به داده های واقعی با Pandas کار خواهیم کرد.

- Matplotlib: شما درک عمیقی از اشیاء Matplotlib برای ایجاد نمودارها و داشبوردها به دست خواهید آورد.

- Scipy: شما "بچه بزرگ" ریاضیات محاسباتی در پایتون را کشف خواهید کرد. ما جبر خطی، انتگرال ها و راه حل های عددی ODEs را با تمرین ها (پیشنهادی و حل شده) پوشش خواهیم داد.

من از همه شما دعوت می کنم که درس مقدماتی را تماشا کنید که در آن ساختار یادگیری دوره را به نمایش می گذارم.


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه - نمای کلی دوره Introduction - course overview

  • نصب آناکوندا - کاربران معمولی Installation of Anaconda - common users

  • نصب پایتون خالص - کاربران پیشرفته (pip install) Installation of pure Python - advanced users (pip install)

  • دانلود جزوه‌های دوره Download the course lectures

  • اجرا - اجرای اولیه cmd و ipython Execution - cmd and ipython basic execution

  • اجرا - Spyder Execution - Spyder

  • اجرا - Jupyter notebook و colab Execution - Jupyter notebook and colab

2. مبانی پایتون 2. Python Fundamentals

  • 2.1 انواع داخلی 2.1 Built-in types

  • 2.2 عملیات ریاضی پایه 2.2 Basic math operations

  • 2.3 عملیات پایه با رشته‌ها (متن‌ها) 2.3 Basic operations with strings (texts)

  • 2.4 مقادیر بولی (*bool*) 2.4 Boolean values (*bool*)

  • 2.5 مجموعه‌ها 2.5 Collections

3. جریان کنترل 3. Control Flow

  • 3.1 ساختارهای شرطی 3.1 Conditional Structures

  • 3.2 ساختارهای حلقه: **for 3.2 Loop Structures: **for**

  • 3.3 ساختارهای حلقه: **while 3.3 Loop Structures: **while**

  • 3.4 عملیات بولی 3.4 Boolean Operations

  • 3.5 روش‌های دیگر برای تولید بولی‌ها: isinstance()، in، is 3.5 Other Ways to Generate Booleans: isinstance(), in, is

  • 3.6 تکرارپذیرها 3.6 Iterables

  • 3.7 enumerate() 3.7 enumerate()

  • E3.1 - تمرین E3.1 - Exercise

  • E3.2 - تمرین E3.2 - Exercise

  • E3.3 - تمرین E3.3 - Exercise

  • E3.4 - تمرین E3.4 - Exercise

  • E3.5 - تمرین E3.5 - Exercise

  • E3.6 - تمرین E3.6 - Exercise

4. ساختارهای داده 4. Data Structures

  • 4.1 متدهای لیست‌ها 4.1 Methods for Lists

  • 4.2 درک مطلب لیست 4.2 List Comprehensions

  • 4.3 اندیس‌گذاری و برش لیست 4.3 List Indexing and Slicing

  • 4.4 متدهای تاپل‌ها 4.4 Methods for Tuples

  • 4.5 باز کردن بسته‌بندی تاپل 4.5 Tuple Unpacking

  • 4.6 متدهای مجموعه‌ها 4.6 Methods for Sets

  • 4.7 عملیات مجموعه 4.7 Set Operations

  • 4.8 متدهای دیکشنری 4.8 Dictionary Methods

  • 4.9 any و all 4.9 any and all

  • 4.10 zip 4.10 zip

  • E4.1 - تمرین E4.1 - Exercise

  • E4.2 - تمرین E4.2 - Exercise

  • E4.3 - تمرین E4.3 - Exercise

  • E4.4 - تمرین E4.4 - Exercise

  • E4.5 - تمرین E4.5 - Exercise

  • E4.6 - تمرین E4.6 - Exercise

5. توابع 5. Functions

  • 5.1 توابع 5.1 Functions

  • 5.2 توابع و آرگومان‌های کلیدواژه (نام‌دار) 5.2 Functions and Keyword (Named) Arguments

  • 5.3 *args 5.3 *args

  • 5.4 **kwargs 5.4 **kwargs

  • 5.5 Docstring 5.5 Docstring

  • 5.6 توابع Lambda 5.6 Lambda Functions

  • E5.1 - تمرین E5.1 - Exercise

  • E5.2 - تمرین E5.2 - Exercise

  • E5.3 - تمرین E5.3 - Exercise

6. برنامه‌نویسی شیءگرا 6. Object-Oriented Programming

  • 6.1 مقدمه‌ای بر OOP (برنامه‌نویسی شیءگرا) 6.1 Introduction to OOP (object-oriented programming)

  • 6.2 وراثت و چندریختی 6.2 Inheritance and Polymorphism

  • بقیه این بخش یک placeholder است The rest of the section is a placeholder

7. متن‌ها و فایل‌ها 7. Texts and Files

  • 7.1 عملیات رشته 7.1 String Operations

  • 7.2 متدهای رشته 7.2 String Methods

  • 7.3 قالب‌بندی رشته 7.3 String Formatting

  • 7.4 خواندن و نوشتن فایل‌ها 7.4 Reading and Writing Files

  • E7.1 - تمرین E7.1 - Exercise

  • E7.2 - تمرین E7.2 - Exercise

  • E7.3 - تمرین E7.3 - Exercise

  • E7.4 - تمرین E7.4 - Exercise

8. مدیریت خطا 8 Error handling

  • 8.1 دستورات Try و Except 8.1 Try and Except Statements

  • 8.2 استثناهای داخلی پایتون 8.2 Python's Built-in Exceptions

  • 8.3 Try، خطای Except 8.3 Try, Except Error

  • 8.4 استثناهای سفارشی 8.4 Custom Exceptions

  • این بخش یک placeholder است This section is a placeholder

10. Numpy 10. Numpy

  • 10.1 آرایه‌ها 10.1 Arrays

  • 10.2 توابع ریاضی 10.2 Math functions

  • 10.3 ایجاد آرایه 10.3 Array Creation

  • 10.4 عملیات پایه با آرایه‌ها 10.4 Basic Operations with Arrays

  • 10.5 مدیریت حافظه Numpy 10.5 Numpy Memory Management

  • 10.6 روش‌های آماری برای آرایه‌ها 10.6 Statistical Methods for Arrays

  • 10.7 اندیس‌گذاری و برش آرایه 10.7 Array Indexing and Slicing

  • 10.8 ماتریس‌ها در Numpy 10.8 Matrices in Numpy

  • 10.9 بردارها 10.9 Vectors

  • E10.1 - تمرین E10.1 - Exercise

  • E10.2 - تمرین E10.2 - Exercise

  • E10.3 - تمرین E10.3 - Exercise

  • E10.4 - تمرین E10.4 - Exercise

11. Pandas 11. Pandas

  • 11.1 سری‌ها 11.1 Series

  • 11.2 DataFrame 11.2 DataFrame

  • 11.3 متدهای پایه برای DataFrames 11.3 Basic Methods for DataFrames

  • 11.4 خواندن و نوشتن فایل‌ها 11.4 Reading and Writing Files

  • 11.5 انتخاب سطرها و ستون‌ها با loc و iloc 11.5 Selecting Rows and Columns with loc and iloc

  • 11.6 فیلترها 11.6 Filters

  • 11.7 پاکسازی داده - پیش پردازش 11.7 Data Cleaning - Preprocessing

  • 11.8 روش Join 11.8 Join Method

  • 11.9 تابع concat 11.9 concat Function

  • 11.10 جدول محوری 11.10 Pivot Table

  • E11.1 - تمرین E11.1 - Exercise

  • E11.2 - تمرین E11.2 - Exercise

12. گرافیک با Matplotlib pyplot 12. Graphics with Matplotlib pyplot

  • 12.1 Pyplot و عناصر گرافیکی 12.1 Pyplot and Graphical Elements

  • 12.2 زیرنمودارها 12.2 Subplots

  • 12.3 نمودار میله‌ای 12.3 Bar Plot

  • 12.4 نمودار دایره‌ای 12.4 Pie Chart

  • 12.5 نمودارهای سطحی 12.5 Surface Plots

13. Sympy 13. Sympy

  • 13.1 عملیات پایه 13.1 Basic Operations

  • 13.2 ماتریس‌ها 13.2 Matrices

  • 13.3 توابع حساب دیفرانسیل و انتگرال 13.3 Calculus Functions

  • 13.4 حل‌کننده‌ها (سیستم‌های جبری، خطی و غیرخطی) 13.4 Solvers (Algebraic, Linear and Nonlinear Systems)

  • 13.5 حل‌کننده (معادلات دیفرانسیل) 13.5 Solver (Differential Equations)

  • E13.1 - تمرین E13.1 - Exercise

  • E13.2 - تمرین E13.2 - Exercise

  • E13.3 - تمرین E13.3 - Exercise

  • E13.4 - تمرین E13.4 - Exercise

  • E13.5 - تمرین E13.5 - Exercise

  • E13.6 - تمرین E13.6 - Exercise

  • E13.7 - تمرین E13.7 - Exercise

  • E13.8 - تمرین E13.8 - Exercise

14. Scipy 14. Scipy

  • 14.1 توابع ماتریس 14.1 Matrix Functions

  • 14.2 سیستم‌های خطی 14.2 Linear Systems

  • 14.3 ویژه مقادیر و ویژه بردارها 14.3 Eigenvalues and Eigenvectors

  • 14.4 انتگرال 14.4 Integral

  • 14.5 معادلات دیفرانسیل ODE 14.5 Differential equations ODE

  • E14.1 - تمرین E14.1 - Exercise

  • E14.2 - تمرین E14.2 - Exercise

  • E14.3 - تمرین E14.3 - Exercise

  • E14.4 - تمرین E14.4 - Exercise

  • E14.5 - تمرین E14.5 - Exercise

  • E14.6 - تمرین E14.6 - Exercise

نمایش نظرات

آموزش پایتون برای مهندسان و دانشمندان / از مقدماتی تا پیشرفته
جزییات دوره
14.5 hours
120
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
411
4.6 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Rafael Pereira da Silva, MSc Rafael Pereira da Silva, MSc

مهندس محصول