آموزش توسعه بازی، علم داده و یادگیری ماشین - آخرین آپدیت

سرفصل ها و درس ها

ساخت بازی با Pygame Creating Games with Pygame

• مقدمه‌ای بر Pygame و ایجاد پنجره بازی Introduction to Pygame and Creating the Game Window

• تغییر رنگ پس‌زمینه صفحه بازی Modifying Background Color of the Game Surface

• نمایش یک مستطیل در بازی Displaying a Rectangle in the Game

• تمرین: قرار دادن مستطیل در وسط پنجره بازی TASK - Placing Rectangle in the Middle of the Game Window

• راه حل: قرار دادن مستطیل در وسط پنجره بازی SOLUTION - Placing Rectangle in the Middle of the Game Window

• حرکت دادن مستطیل با استفاده از کلیدهای جهت‌نما Moving Rectangle Using Keyboard Arrows

• جلوگیری از خروج مستطیل از صفحه Stopping Rectangle from Moving Outside of the Surface

ساخت یک بازی تیراندازی با Pygame Creating a Shooter Game with Pygame

• مرور کلی بازی تیراندازی نهایی Final Shooter Game Overview

• بارگذاری تصاویر برای بازی و شخصیت اصلی Loading Images for the Game and Fighter

• نمایش شخصیت اصلی روی صفحه Displaying Fighter on the Surface

• حرکت دادن شخصیت به چپ یا راست Moving Fighter Left or Right

• مداوم کردن حرکت شخصیت Making Fighter Movement Continuous

• اضافه کردن توپ به بازی Adding the Ball to the Game

• نمایش توپ بر اساس موقعیت شخصیت Showing Ball Based on Fighter Position

• حرکت دادن توپ پس از شلیک Moving the Ball After Firing

• اضافه کردن بیگانه (Alien) به بازی Adding the Alien to the Game

• حرکت دادن بیگانه به سمت پایین صفحه Moving the Alien Down the Surface

تعامل عناصر در Pygame Interaction of the Elements in the Pygame

• تشخیص برخورد بین بیگانه و شخصیت و پایان بازی Detecting Collision Between Alien and Fighter, Ending the Game

• اصابت توپ به بیگانه Hitting the Alien with the Ball

• افزایش سرعت بیگانه پس از هر برخورد Increasing Alien Speed After Each Hit

• اضافه کردن شمارنده برخورد Adding Hit Counter

• خلاصه بازی تیراندازی Shooter Game Summary

بازنویسی کد بازی با استفاده از کلاس‌ها و OOP Game Refactoring using Classes and OOP

• شروع بازنویسی کد (Refactoring) و ایجاد کلاس شخصیت Start of Shooter Refactoring and Creating the Fighter Class

• اضافه کردن متدها به کلاس شخصیت Adding Methods in the Fighter Class

• ایجاد کلاس بیگانه Creating an Alien Class

• اضافه کردن متدها به کلاس بیگانه Adding Methods in the Alien Class

• ایجاد کلاس توپ Creating a Ball Class

• اضافه کردن متدها به کلاس توپ Adding Methods in the Ball Class

• ایجاد کلاس بازی Creating a Game Class

• اضافه کردن متدها به کلاس بازی Adding Methods in the Game Class

• اضافه کردن متدها برای رسم عناصر و تکمیل بازنویسی Adding Methods for Drawing Elements and Finalizing Refactoring

• خلاصه بازنویسی کد بازی Game Refactoring Summary

• اجرای بازی پس از بازنویسی Running the Game After Refactoring

Jupyter Notebook Jupyter Notebook

• نصب Jupyter Notebook Installing Jupyter Notebook

• ویرایش در Jupyter Notebook Editing in Jupyter Notebook

• ترتیب اجرای سلول‌ها در Jupyter Notebook Order of Execution of Cells in Jupyter Notebook

• افزودن Markdown، ذخیره و بارگذاری دفترچه‌ها Adding Markdown, Saving, and Loading Jupyter Notebooks

Jupyter Lab Jupyter Lab

• نصب Jupyter Lab و ویرایش دفترچه‌ها Installing Jupyter Lab and Editing Notebooks

• کاوش در ویژگی‌های Jupyter Lab Exploring Features of Jupyter Lab

• نصب پکیج‌های خارجی در Jupyter Notebook Installing External Packages in Jupyter Notebook

NumPy - ایجاد آرایه‌ها NumPy - Creating Arrays

• مقدمه‌ای بر NumPy و ایجاد آرایه‌های یک‌بعدی Introduction to NumPy and Creating One-Dimensional Arrays

• آرایه‌های دو‌بعدی در NumPy Two-Dimensional Arrays in NumPy

• درک مفهوم محورها (Axes) در NumPy Understanding Axes in NumPy

• عملیات ریاضی با آرایه‌های NumPy Arithmetic Operations with NumPy Arrays

• متصل کردن (Concatenating) آرایه‌های NumPy Concatenating NumPy Arrays

• خلاصه عملیات پایه با آرایه‌های NumPy Summary of Basic Operations with NumPy Arrays

NumPy - مقادیر تصادفی NumPy – Random Values

• پر کردن آرایه NumPy با صفر، یک یا اعداد اعشاری تصادفی Filling a NumPy Array with Zeroes, Ones, or Random Floats

• تولید عناصر تصادفی با استفاده از randint و uniform Generating Random Elements Using randint and uniform:

• درک مفهوم عدد Seed Understanding Seed Number

• متدهای arange، reshape و flatten در NumPy NumPy arange, reshape, and flatten Methods

NumPy - مثال‌ها NumPy – Examples

• مثال‌های NumPy 1 و 2 (آرایه یک‌بعدی) NumPy Examples 1 and 2 (One-Dimensional Array):

• مثال‌های NumPy 3 و 4 (آرایه یک‌بعدی) NumPy Examples 3 and 4 (One-Dimensional Array):

• مثال NumPy 5 (آرایه دو‌بعدی) NumPy Example 5 (Two-Dimensional Array):

• مثال NumPy 6 (آرایه دو‌بعدی) NumPy Example 6 (Two-Dimensional Array):

• مثال NumPy 7 (آرایه سه‌بعدی) NumPy Example 7 (Three-Dimensional Array):

• خلاصه NumPy NumPy Summary

Pandas - کار با DataFrameها و Series‌ها Pandas – Working with DataFrames and Series

• مقدمه‌ای بر Pandas و نصب آن Introduction to Pandas and Installation

• ایجاد DataFrame از یک دیکشنری Creating a DataFrame from a Dictionary

• عملیات پایه با DataFrame Basic Operations with DataFrame

• توصیف DataFrame Describing the DataFrame

• یافتن مقادیر Null در DataFrame Finding Null Values in the DataFrame

• یافتن ستون‌ها با نوع داده خاص Finding Columns with Specific Data Type

• ساختار داده Series در Pandas Series Data Structure in Pandas

• انتخاب بخشی از DataFrame با استفاده از ویژگی‌های loc و iloc Selecting Part of the DataFrame Using loc and iloc Properties

• فیلتر کردن داده‌ها در DataFrame Filtering Data in the DataFrame

• نوع داده Datetime در Pandas Datetime Type in Pandas

• مرتب‌سازی داده‌ها در DataFrame Sorting Data in the DataFrame

• افزودن و حذف ستون‌ها و اتصال DataFrameها Adding and Removing Columns and Concatenating DataFrames

• خلاصه DataFrameها و Series‌ها در Pandas Summary of Pandas DataFrames and Series

Pandas - کار با داده‌های تصادفی و فایل‌های CSV Pandas – Random Data Working with CSV

• تولید داده‌های تصادفی برای DataFrameها Generating Random Data for DataFrames

• ایجاد DataFrame با استفاده از داده‌های تصادفی Creating a DataFrame Using Random Data

• ذخیره DataFrameها در فایل‌های CSV Saving DataFrames to CSV Files

• ایجاد DataFrame از فایل‌های CSV Creating DataFrames from CSV Files

• نوشتن DataFrameها در فایل‌های Excel و JSON Writing DataFrames to Excel and JSON Files

Pandas - تحلیل داده‌های بارگذاری شده در DataFrame Pandas – Analysing CSV- Loaded DataFrames

• تحلیل DataFrameهای بارگذاری شده از CSV Analyzing CSV-Loaded DataFrames

• گروه‌بندی داده‌ها در DataFrameها Grouping Data in DataFrames

• نمایش داده‌های Series در نمودار با Matplotlib Displaying Series Data on Plots Using Matplotlib

• خلاصه مثال با داده‌های تصادفی CSV Summary of Example with Random CSV Data

Matplotlib - رسم نمودارها Matplotlib – Creating Charts

• مثال‌هایی از نمودارهای خطی و پراکندگی با Matplotlib Examples of Plot and Scatter Diagrams Using Matplotlib

• مثال‌هایی از زیرنمودارها (Subplots) در Matplotlib Examples of Matplotlib Subplots

• استفاده از DataFrameها برای رسم نمودار Using DataFrames for Creating Diagrams

• نمودارهای جعبه‌ای (Boxplots)، نمودارهای ناحیه‌ای و نمودارهای دایره‌ای Boxplots, Area Plots, and Pie Charts

• مثالی از نقشه حرارتی (Heatmap) در Matplotlib Example of a Heatmap in Matplotlib

• نمایش داده‌های واقعی در نمودارهای مختلف Displaying Real-World Data on Various Charts

Scikit-learn - یادگیری ماشین Scikit – Learn - Machine Learning

• مقدمه‌ای بر Scikit-learn و نصب آن Introduction to Scikit-Learn and Installation

• بارگذاری و تحلیل داده‌های نمونه برای ساخت مدل Loading and Analyzing Sample Data for Model Creation

• مدیریت مقادیر Null در DataFrame Handling Null Values in DataFrame

• تلاش برای ساخت مدلی جهت پیش‌بینی مقادیر هدف Attempting to Create a Model for Predicting Target Values

• کدگذاری (Encoding) مقادیر غیرعددی در داده‌های ورودی Encoding Non-Numeric Values in Input Data

• ساخت و پیش‌بینی با داده‌های پاکسازی و کدگذاری شده Building and Predicting with Cleaned and Encoded Data

• خلاصه مدل برای پیش‌بینی وسیله نقلیه محبوب Summary of Model for Predicting Favorite Transport

• تجسم‌سازی مدل DecisionTreeClassifier Visualizing DecisionTreeClassifier Model

• رسم نمودار برای داده‌های حاصل از مدل ساخته شده Creating Charts for Data from the Built Model

• ارزیابی دقت مدل Evaluating Model Accuracy

مدل یادگیری ماشین برای داده‌های واقعی Machine Learning Model for Real Data

• بارگذاری فایل CSV حاوی داده‌های رضایت مسافران هواپیما Loading CSV File with Airline Passenger Satisfaction Data

• تحلیل DataFrame با داده‌های رضایت مسافران Analyzing DataFrame with Passenger Satisfaction Data

• پر کردن مقادیر Null با مقدار میانگین Filling Null Values with Mean Value

• ایجاد نمودار برای تحلیل داده‌های مسافران Creating Diagrams for Passenger Data Analysis

• کدگذاری دستی مقادیر غیرعددی در DataFrame Manually Encoding Non-Numeric Values in DataFrame

• کدگذاری مقادیر غیرعددی با استفاده از LabelEncoder Encoding Non-Numeric Values Using LabelEncoder

• ایجاد نمودارهای اضافی پس از پاکسازی و کدگذاری داده‌ها Creating Additional Diagrams After Data Cleaning and Encoding

• فیلتر کردن DataFrame با داده‌های مسافران Filtering DataFrame with Passenger Data

• استفاده از DecisionTreeClassifier برای ساخت مدل Using DecisionTreeClassifier for Model Creation

• اندازه‌گیری دقت مدل با DecisionTreeClassifier Measuring Model Accuracy with DecisionTreeClassifier

• استفاده از سایر طبقه‌بندی‌کننده‌ها برای ساخت مدل Using Other Classifiers for Model Creation

• خلاصه پروژه رضایت مسافران هواپیما Summary of Airline Passenger Satisfaction Project

واقعی‌تر کردن مدل یادگیری ماشین Making Machine Learning Model More Real

• حذف آرای نظرات مسافران از DataFrame Removing Passenger Votes from DataFrame

• ذخیره مدل آموزش دیده برای استفاده‌های آینده Saving Trained Model for Future Use

• خلاصه مدل واقعی برای پیش‌بینی رضایت مسافران Summary of Realistic Model for Passenger Satisfaction Prediction