آموزش پایتون، به صورت بصری توضیح داده شده است

دانلود Python, Visually Explained

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

نمای کلی کلاس

آیا آماده هستید که به سرعت و به راحتی به پایتون مسلط شوید—بدون سردرگمی یا ناامیدی؟ Python, Visually Explained یک دوره آموزشی مناسب برای مبتدیان است که اصول برنامه نویسی را از طریق توضیحات واضح و مختصر و مثال های عملی و واقعی ساده می کند. چه در برنامه نویسی تازه کار باشید و چه به دنبال افزایش مهارت های خود هستید، این دوره به شما می آموزد که چگونه مانند یک کدنویس فکر کنید و با استفاده از پایتون، یکی از همه کاره ترین و پرتقاضاترین زبان های برنامه نویسی امروزی، مشکلات را حل کنید.

منابع کلاس

همه نوت‌بوک‌های نشان‌داده‌شده در فیلم‌های سخنرانی، یادداشت‌های تمرین، و دفترچه راه‌حل‌های تمرین را می‌توانید در صفحه دوره GitHub ما پیدا کنید:

آنچه خواهید آموخت

با گذراندن این دوره، تجربه عملی و دانش اساسی در موضوعات زیر به دست خواهید آورد:

  • شروع به کار با Google Colab: اولین قدم شما به پایتون، آسان شد.
  • عملیات عددی: نحوه عملکرد اعداد در برنامه نویسی را بدانید.
  • متغیرهای نوع داده : یاد بگیرید که چگونه داده ها را مانند یک حرفه ای ذخیره و دستکاری کنید.
  • دستکاری متن رشته ها: متن و کاراکترها را با اطمینان مدیریت کنید.
  • روش‌های توابع داخلی: کد خود را با ابزارهای داخلی پایتون ساده کنید.
  • مقایسه‌های بولی: منطق پشت تصمیم‌گیری در برنامه‌نویسی را بیاموزید.
  • حلقه‌های شرطی: برنامه‌های کارآمدی بنویسید که می‌توانند تصمیم بگیرند و کارها را تکرار کنند.
  • ساختارهای داده (فهرست ها، تاپل ها، مجموعه ها و دیکشنری ها): مفیدترین ساختارهای داده استاد پایتون.
  • مدیریت خطای ورودی کاربر : برنامه های تعاملی بسازید و خطاها را مانند یک حرفه ای مدیریت کنید.
  • توابع، فضاهای نام و محدوده: کد قابل استفاده مجدد را با اطمینان ایجاد کنید.
  • کتابخانه‌های ماژول‌ها: با استفاده از کتابخانه‌های خارجی، پتانسیل کامل پایتون را باز کنید.
  • تجسم با Matplotlib تجزیه و تحلیل داده ها با پانداها: با داده های واقعی کار کنید و آنها را زنده کنید.

چرا باید در این کلاس شرکت کنید

  • توضیحات واضح و جذاب: موضوعات به دروس کوچک تقسیم می‌شوند و این اطمینان را به شما می‌دهند که هرگز احساس خستگی نکنید.
  • تمرین‌های عملی: آنچه را که یاد می‌گیرید از طریق چالش‌های برنامه‌نویسی عملی و در دنیای واقعی به کار ببرید.
  • مناسب برای مبتدیان: هیچ تجربه قبلی در برنامه نویسی مورد نیاز نیست—مناسب برای مبتدیان کامل.
  • یادگیری انعطاف‌پذیر: با سرعت خود، بنابراین می‌توانید در هر زمان و هر کجا که مناسب است یاد بگیرید.

در پایان این دوره، با اطمینان کد پایتون می نویسید، مشکلات عملی را حل می کنید، داده ها را تجسم می کنید و تجزیه و تحلیل داده های اولیه را انجام می دهید. چه بخواهید یک حرفه جدید را شروع کنید، کارهای روزمره را خودکار کنید یا یک مهارت ارزشمند یاد بگیرید، این دوره شما را برای موفقیت آماده می کند.

این کلاس برای چه کسانی است

این دوره برای:

عالی است
  • مبتدیانی کامل که هیچ تجربه قبلی با کدنویسی یا پایتون ندارند.
  • متخصصان یا دانشجویانی که به دنبال ایجاد مهارت های برنامه نویسی اساسی هستند.
  • هر کسی که علاقه مند به یادگیری پایتون برای اتوماسیون، تجزیه و تحلیل داده ها، یا توسعه شغلی است.
    برای شرکت در این کلاس نیازی به دانش کدنویسی قبلی نیست.

مواد/منابع

برای شرکت در این دوره، به:

نیاز دارید
  • یک رایانه با دسترسی به اینترنت.
  • یک حساب Google برای استفاده از Google Colab (محیط برنامه نویسی آنلاین رایگان).
  • به نرم افزار یا راه اندازی اضافی نیاز نیست.

منابع ارائه شده در دوره:

  • نمونه قطعه کد.
  • تمرینات گام به گام.
  • الگوها و فایل‌های شروع برای تمرین همراه با درس‌ها.

سرفصل ها و درس ها

درس ها Lessons

  • ماژول ها و کتابخانه ها Modules and Libraries

  • برنامه مترجم زبان - راه حل پروژه Language Translator App - Project Solution

  • در حالی که حلقه ها - راه حل های تمرین While Loops - Exercise Solutions

  • لیست ها - راه حل های تمرین Lists - Exercise Solutions

  • شرایط - نمونه های هدایت شده Conditionals - Guided Examples

  • رشته ها Strings

  • روش‌های نوع داخلی - نمونه‌های هدایت‌شده Built-in Type Methods - Guided Examples

  • برای حلقه ها - نمونه های هدایت شده For Loops - Guided Examples

  • شرایط Conditionals

  • ورودی کاربر و مدیریت خطا - نمونه های هدایت شده User Input and Error Handling - Guided Examples

  • فرهنگ لغت - راه حل تمرین Dictionaries - Exercise Solutions

  • شروع کار با Colab Getting Started with Colab

  • توابع داخلی - نمونه های هدایت شده Built-in Functions - Guided Examples

  • مجموعه ها Sets

  • مجموعه ها - راه حل های تمرین Collections - Exercise Solutions

  • لغت نامه ها Dictionaries

  • مقدمه ای بر انواع داده ها Introduction to Data Types

  • رشته ها - نمونه های هدایت شده Strings - Guided Examples

  • while Loops - نمونه های هدایت شده While Loops - Guided Examples

  • عملیات عددی و انواع داده - راه حل های تمرین Numeric Operations and Data Types - Exercise Solutions

  • فضای نام و دامنه Namespace and Scope

  • ورودی کاربر و مدیریت خطا - راهکارهای تمرین User Input and Error Handling - Exercise Solutions

  • بولی ها و عملگرهای مقایسه Booleans and Comparison Operators

  • برای حلقه ها - راه حل های تمرین For Loops - Exercise Solutions

  • توابع داخلی - راه حل های تمرین Built-in Functions - Exercise Solutions

  • توابع تعریف شده توسط کاربر - نمونه های هدایت شده User-defined Functions - Guided Examples

  • بولی ها و عملگرهای مقایسه - راه حل های تمرین Booleans and Comparison Operators - Exercise Solutions

  • عملیات عددی Numeric Operations

  • عملیات عددی - نمونه های هدایت شده Numeric Operations - Guided Examples

  • متغیرها - نمونه های هدایت شده Variables - Guided Examples

  • روش های نوع داخلی Built-in Type Methods

  • برنامه مترجم زبان - معرفی پروژه Language Translator App - Project Introduction

  • پانداها - راه حل تمرین Pandas - Exercise Solution

  • توابع تعریف شده توسط کاربر User-defined Functions

  • کتابخانه استاندارد پایتون - راه حل های تمرین Python Standard Library - Exercise Solutions

  • ورودی کاربر User Input

  • لیست ها Lists

  • دیکشنری ها - نمونه های هدایت شده Dictionaries - Guided Examples

  • مجموعه ها - نمونه های هدایت شده Collections - Guided Examples

  • متغیرها Variables

  • شرایط - راه حل های تمرین Conditionals - Exercise Solutions

  • ماژول ها و کتابخانه ها - نمونه های هدایت شده Modules and Libraries - Guided Examples

  • بولی ها و عملگرهای مقایسه - نمونه های هدایت شده Booleans and Comparison Operators - Guided Examples

  • تاپل ها Tuples

  • روش های نوع داخلی - راه حل های تمرین Built-in Type Methods - Exercise Solutions

  • در حالی که حلقه ها While Loops

  • فهرست ها - نمونه های هدایت شده Lists - Guided Examples

  • توابع تعریف شده توسط کاربر - راه حل های تمرین User-defined Functions - Exercise Solutions

  • برای حلقه ها For Loops

  • فضای نام و محدوده - راه حل های تمرین Namespace and Scope - Exercise Solutions

  • Matplotlib - راه حل تمرین Matplotlib - Exericse Solution

  • رسیدگی به خطا Error Handling

  • رشته ها - راه حل های تمرین Strings - Exercise Solutions

  • توابع داخلی Built-in Functions

  • فضای نام و محدوده - نمونه های هدایت شده Namespace and Scope - Guided Examples

  • متغیرها - راه حل های تمرین Variables - Exercise Solutions

  • معرفی دوره Course Introduction

نمایش نظرات

آموزش پایتون، به صورت بصری توضیح داده شده است
جزییات دوره
5h 27m
57
Skillshare (اسکیل شیر) Skillshare (اسکیل شیر)
(آخرین آپدیت)
1
- 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

Visually Explained Visually Explained

آموزش تصویری برای موضوعات پیچیده

در Visually Explained، ما بر این باوریم که یادگیری موضوعات پیچیده زمانی که به راحتی قابل مشاهده و درک آن ها ساده باشد، بدون دردسر می شود. از طریق توضیحات بصری واضح - با استفاده از تصاویر، نمودارها و مثال‌های شهودی - مفاهیم چالش برانگیز را به چیزی ملموس و قابل دسترس تجزیه می‌کنیم. دوره‌های ما برای یادگیرندگان بصری طراحی شده‌اند که با دیدن چگونگی کار کردن، به جای متن و اصطلاحات فشرده با محتوای بسیار بصری که حتی سخت‌ترین موضوعات را ساده‌تر می‌کند، پیشرفت می‌کنند. با تمرین‌های عملی برای تقویت کاربرد در دنیای واقعی، ما اطمینان می‌دهیم که یادگیرندگان نه تنها مفاهیم را درک می‌کنند، بلکه می‌توانند با اطمینان از آنها استفاده کنند. Visually Explained چیزی است که ما - سباستین و آلی - با هم ایجاد کردیم، و در زیر با ما و اشتیاق ما به هر دوره آشنا خواهید شد!

من استاد امور مالی در دانشگاه ویسکانسین - مدیسون هستم. من دکترای خود را در رشته مالی از مدرسه وارتون در دانشگاه پنسیلوانیا دریافت کردم. من همچنین دارای مدرک کارشناسی ارشد در مهندسی مالی و لیسانس در اقتصاد ریاضی هستم.

در تحقیقاتم، من بر مدل‌سازی مالی، تجزیه و تحلیل داده‌ها و روش‌های کمی تمرکز می‌کنم و از Python به طور گسترده برای حل مشکلات پیچیده و تجزیه و تحلیل مجموعه‌های داده بزرگ استفاده می‌کنم. من علاوه بر کار آکادمیک، مشتاقم که یادگیری را برای همه در دسترس قرار دهم. من معتقدم که موضوعات پیچیده را به درس‌های واضح و کاربردی، با استفاده از تصاویر بصری و توضیحات ساده تقسیم می‌کنم.

سلام، من Ally هستم، یک مربی در Visually Explained، جایی که ما در ساختن موضوعات پیچیده از طریق تصاویر جذاب و توضیحات واضح تخصص داریم. من از دانشگاه ویسکانسین مدیسون با دو رشته در علوم کامپیوتر و امور مالی فارغ التحصیل شدم. با تجربه اینکه این موضوعات چقدر می توانند چالش برانگیز باشند، من وظیفه خود را بر آن گذاشته ام که مفاهیم پیچیده را به محتوای قابل هضم و یادگیرنده پسند تجزیه کنم.

در طول سفر تحصیلی‌ام، اغلب در جستجوی منابعی بودم که فراتر از کتاب‌های درسی سنتی بود - چیزی که نظریه‌ها و مدل‌های پیچیده را قابل دسترس‌تر و قابل فهم‌تر می‌کرد. این موضوع شور و اشتیاق من را برای ایجاد انواع موادی که دوست داشتم در دوران دانشجویی داشتم برانگیخت: دوره‌هایی که یادگیرنده را در ذهن نگه می‌دارند، بر وضوح تأکید می‌کنند و از تصاویر بصری برای ساده‌سازی یادگیری استفاده می‌کنند.

با یک پایه قوی در علوم مالی و کامپیوتر، من دیدگاه منحصر به فردی را ارائه می کنم که نظریه را به کاربردهای دنیای واقعی متصل می کند. صرف نظر از شکستن مفاهیم پیچیده یا ایجاد مهارت‌های حل مسئله در دنیای واقعی، من متعهد هستم که به فراگیران در همه سطوح کمک کنم تا دانش عملی و عملی را که می‌توانند فوراً به کار گیرند.