آموزش برنامه‌نویسی پایتون و مبانی علوم داده برای هوش مصنوعی - آخرین آپدیت

دانلود Python Programming and Data Science Foundations for AI

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره دارای قابلیت Coursera Coach است! یک روش هوشمندانه برای یادگیری با مکالمات تعاملی و آنی که به شما کمک می‌کند دانش خود را بسنجید، فرضیات را به چالش بکشید و در حین پیشرفت در دوره، درک خود را عمیق‌تر کنید. این دوره یک پایه جامع در برنامه‌نویسی پایتون و علوم داده فراهم می‌کند که برای ساخت برنامه‌های هوش مصنوعی ضروری است. شما تجربه عملی در مبانی پایتون کسب خواهید کرد، ابزارهای ضروری علوم داده مانند NumPy و Pandas را بررسی خواهید کرد و درک خود را از مفاهیم اصلی یادگیری ماشین توسعه خواهید داد. در طول دوره، شما گام‌به‌گام پیشرفت خواهید کرد؛ از اصول اولیه پایتون مانند کنترل جریان، توابع و ساختارهای داده شروع کرده و سپس به مباحث پیشرفته‌تر مانند برنامه‌نویسی شیءگرا (OOP)، کتابخانه‌های علوم داده و ابزارهای بصری‌سازی می‌پردازید. این دوره شامل تمرین‌های تعاملی برای تعمیق یادگیری و پروژه‌های واقعی برای اجرای آموخته‌ها است. طراحی این دوره برای مبتدیان است و به هیچ تجربه قبلی نیاز ندارد. با پیشرفت، مهارت‌های عملی و مجموعه‌ای از پروژه‌ها شامل برنامه‌های پایتون، اپلیکیشن‌های وب، تحلیل داده و موارد دیگر خواهید ساخت. این رویکرد عملی تضمین می‌کند که شما نه تنها مفاهیم را یاد می‌گیرید، بلکه آن‌ها را در چالش‌های واقعی هوش مصنوعی به کار می‌برید.

سرفصل ها و درس ها

مبانی برنامه‌نویسی پایتون برای هوش مصنوعی Python Programming Basics for Artificial Intelligence

  • مقدمه‌ای بر دوره تخصصی Introduction to the Specialization

  • روز ۱: مقدمه‌ای بر پایتون و آماده‌سازی محیط توسعه Day 1: Introduction to Python and Development Setup

  • روز ۲: کنترل جریان در پایتون Day 2: Control Flow in Python

  • روز ۳: توابع و ماژول‌ها Day 3: Functions and Modules

  • روز ۴: ساختارهای داده (لیست، تاپل، دیکشنری، مجموعه) Day 4: Data Structures (Lists, Tuples, Dictionaries, Sets)

  • روز ۵: کار با رشته‌ها Day 5: Working with Strings

  • روز ۶: مدیریت فایل‌ها Day 6: File Handling

  • روز ۷: کدنویسی استاندارد پایتونی و کار پروژه‌ای Day 7: Pythonic Code and Project Work

ضروریات علوم داده برای هوش مصنوعی Data Science Essentials for Artificial Intelligence

  • مقدمه هفته دوم: ضروریات علوم داده Introduction to Week 2 Data Science Essentials

  • روز ۱: معرفی NumPy برای محاسبات عددی Day 1: Introduction to NumPy for Numerical Computing

  • روز ۲: عملیات پیشرفته در NumPy Day 2: Advanced NumPy Operations

  • روز ۳: معرفی Pandas برای مدیریت داده‌ها Day 3: Introduction to Pandas for Data Manipulation

  • روز ۴: پاکسازی و آماده‌سازی داده‌ها با Pandas Day 4: Data Cleaning and Preparation with Pandas

  • روز ۵: تجمیع و گروه‌بندی داده‌ها در Pandas Day 5: Data Aggregation and Grouping in Pandas

  • روز ۶: بصری‌سازی داده‌ها با Matplotlib و Seaborn Day 6: Data Visualization with Matplotlib and Seaborn

  • روز ۷: پروژه تحلیل اکتشافی داده‌ها (EDA) Day 7: Exploratory Data Analysis (EDA) Project

ریاضیات برای یادگیری ماشین و هوش مصنوعی Mathematics for Machine Learning and Artificial Intelligence

  • مقدمه هفته سوم: ریاضیات برای یادگیری ماشین Introduction to Week 3 Mathematics for Machine Learning

  • روز ۱: مبانی جبر خطی Day 1: Linear Algebra Fundamentals

  • روز ۲: مفاهیم پیشرفته جبر خطی Day 2: Advanced Linear Algebra Concepts

  • روز ۳: حساب دیفرانسیل برای یادگیری ماشین (مشتقات) Day 3: Calculus for Machine Learning (Derivatives)

  • روز ۴: حساب دیفرانسیل برای یادگیری ماشین (انتگرال و بهینه‌سازی) Day 4: Calculus for Machine Learning (Integrals and Optimization)

  • روز ۵: تئوری احتمال و توزیع‌ها Day 5: Probability Theory and Distributions

  • روز ۶: مبانی آمار Day 6: Statistics Fundamentals

  • روز ۷: پروژه کوچک ریاضی‌محور – رگرسیون خطی از صفر Day 7: Math-Driven Mini Project – Linear Regression from Scratch

احتمال و آمار برای یادگیری ماشین و هوش مصنوعی Probability and Statistics for Machine Learning and AI

  • مقدمه هفته چهارم: احتمال و آمار برای یادگیری ماشین Introduction to Week 4 Probability and Statistics for Machine Learning

  • روز ۱: تئوری احتمال و متغیرهای تصادفی Day 1: Probability Theory and Random Variables

  • روز ۲: توزیع‌های احتمالی در یادگیری ماشین Day 2: Probability Distributions in Machine Learning

  • روز ۳: استنباط آماری – تخمین و فواصل اطمینان Day 3: Statistical Inference – Estimation and Confidence Intervals

  • روز ۴: آزمون فرضیه و مقادیر P-value Day 4: Hypothesis Testing and P-Values

  • روز ۵: انواع آزمون‌های فرضیه Day 5: Types of Hypothesis Tests

  • روز ۶: تحلیل همبستگی و رگرسیون Day 6: Correlation and Regression Analysis

  • روز ۷: پروژه تحلیل آماری – تحلیل داده‌های دنیای واقعی Day 7: Statistical Analysis Project – Analyzing Real-World Data

پایه‌های پایتون Python Basics

  • آموزش پایتون از صفر – آموزش سریع Learn Python from Scratch – Quick Tutorial

  • روز ۱: تولید پیام خوش‌آمدگویی – دستورات Print و Hello World Day 1: Welcome Message Generator – Print Statements & "Hello World"

  • روز ۲: برنامه سلام و احوالپرسی شخصی – متغیرها و انواع داده‌ها Day 2: Personalized Greeting Program – Variables & Data Types

  • روز ۳: ماشین حساب ساده – ورودی کاربر و قالب‌بندی رشته‌ها Day 3: Simple Calculator – User Input & String Formatting

  • روز ۴: ابزار مقایسه اعداد – دستورات If Else Day 4: Number Comparison Tool – If-Else Statements

  • روز ۵: تایمر معکوس – حلقه‌ها (for و while) Day 5: Countdown Timer – Loops (for & while)

  • روز ۶: بازی کوییز ریاضی ساده – توابع Day 6: Basic Math Quiz Game – Functions

  • روز ۷: اپلیکیشن لیست خرید – لیست‌ها Day 7: Shopping List App – Lists

پایتون متوسط Intermediate Python

  • روز ۸: دفترچه مخاطبین – دیکشنری‌ها Day 8: Contact Book – Dictionaries

  • روز ۹: بررسی مواد اولیه – تاپل‌ها و مجموعه‌ها Day 9: Ingredient Checker – Tuples & Sets

  • روز ۱۰: اپلیکیشن یادداشت‌برداری – مدیریت فایل‌ها Day 10: Note-Taking App – File Handling

  • روز ۱۱: ماشین حساب ایمن – مدیریت استثناها (Exception Handling) Day 11: Safe Calculator – Exception Handling

  • روز ۱۲: مبدل دما – توابع با مقادیر بازگشتی Day 12: Temperature Converter – Functions with Return Values

  • روز ۱۳: مدیریت نمرات دانش‌آموز – List Comprehensions Day 13: Student Grade Manager – List Comprehensions

  • روز ۱۴: تولیدکننده رمز عبور تصادفی – ماژول‌ها و کتابخانه‌ها Day 14: Random Password Generator – Modules & Libraries

کار با داده‌ها Working with Data

  • روز ۱۵: اپلیکیشن مشاهده دستور پخت – خواندن فایل‌ها Day 15: Recipe Viewer App – Reading Files

  • روز ۱۶: ثبت وقایع روزانه – نوشتن در فایل‌ها Day 16: Daily Journal Logger – Writing Files

  • روز ۱۷: تولید گزارش دانش‌آموز – فایل‌های CSV Day 17: Student Report Generator – CSV Files

  • روز ۱۸: اپلیکیشن کوچک لیست انجام کار – فایل‌های JSON Day 18: Mini To-Do App – JSON Files

  • روز ۱۹: اپلیکیشن هواشناسی با استفاده از API – مبانی API Day 19: Weather App Using API – APIs (Basics)

  • روز ۲۰: تایمر معکوس رویداد – تاریخ و زمان Day 20: Event Countdown Timer – Dates & Time

  • روز ۲۱: استخراج داده از ویکی‌پدیا – وب اسکرپینگ Day 21: Wikipedia Article Scraper – Web Scraping

برنامه‌نویسی شیءگرا Object-Oriented Programming

  • روز ۲۲: شبیه‌ساز حساب بانکی – کلاس‌ها و اشیا Day 22: Bank Account Simulator – Classes & Objects

  • روز ۲۳: سیستم مدیریت کتابخانه – سازنده‌ها و متدها Day 23: Library Management System – Constructors & Methods

  • روز ۲۴: سیستم مدیریت کارکنان – ارث‌بری Day 24: Employee Management System – Inheritance

  • روز ۲۵: شبیه‌ساز صدای حیوانات – چندریختی (Polymorphism) Day 25: Animal Sound Simulator – Polymorphism

  • روز ۲۶: اپلیکیشن پروفایل کاربری امن – کپسوله‌سازی Day 26: Secure User Profile App – Encapsulation

  • روز ۲۷: سیستم مدیریت موجودی – متدهای کلاس و استاتیک Day 27: Inventory Management System – Static & Class Methods

  • روز ۲۸: ماشین خودپرداز کوچک – پروژه نهایی OOP Day 28: Mini ATM Machine – Final OOP Project

برنامه‌نویسی GUI GUI Programming

  • روز ۲۹: اپلیکیشن GUI ساده – مبانی Tkinter Day 29: Simple GUI App – Tkinter Basics

  • روز ۳۰: اپلیکیشن شمارنده کلیک – دکمه‌ها و رویدادها Day 30: Click Counter App – Buttons & Events

  • روز ۳۱: محاسبه‌گر BMI – فیلدهای ورودی Day 31: BMI Calculator – Input Fields

  • روز ۳۲: اپلیکیشن صفحه طراحی – ویجت‌های Canvas Day 32: Drawing Pad App – Canvas Widgets

  • روز ۳۳: سیستم ورود ساده – جعبه‌های پیام Day 33: Simple Login System – Message Boxes

  • روز ۳۴: رابط گرافیکی لیست انجام کار – ویجت‌های پیشرفته Day 34: To-Do List GUI – Advanced Widgets

  • روز ۳۵: اپلیکیشن پیگیری هزینه‌ها – پروژه نهایی GUI Day 35: Expense Tracker App – GUI Capstone

توسعه وب با پایتون Web Development with Python

  • روز ۳۶: اولین اپلیکیشن Flask – مبانی Flask Day 36: Hello Flask App – Flask Basics

  • روز ۳۷: وب‌سایت وبلاگ شخصی – مسیرها (Routes) و قالب‌ها Day 37: Personal Blog Website – Routes & Templates

  • روز ۳۸: اپلیکیشن فرم تماس – فرم‌ها و ورودی کاربر Day 38: Contact Form App – Forms & User Input

  • روز ۳۹: اپلیکیشن ثبت‌نام کاربر – اتصال به پایگاه داده Day 39: User Registration App – Database Integration

  • روز ۴۰: API کوچک هواشناسی – REST APIs Day 40: Mini Weather API – REST APIs

  • روز ۴۱: استقرار اپلیکیشن Flask – Deployment Day 41: Deploy Flask App – Deployment

  • روز ۴۲: وب‌سایت رزومه – پروژه نهایی Flask Day 42: Portfolio Website – Flask Capstone

مبانی علوم داده Data Science Basics

  • روز ۴۳: ماشین حساب ماتریس – NumPy Day 43: Matrix Calculator – NumPy

  • روز ۴۴: پاکسازی داده‌ها – Pandas Day 44: Data Cleaner – Pandas

  • روز ۴۵: ترسیم نمودار – Matplotlib Day 45: Graph Plotter – Matplotlib

  • روز ۴۶: تحلیل‌گر گزارش فروش – تحلیل داده Day 46: Sales Report Analyzer – Data Analysis

  • روز ۴۷: ترسیم نمودار دما – ترسیم روندها Day 47: Temperature Plotter – Plotting Trends

  • روز ۴۸: پیگیر قیمت سهام – استخراج داده (Scraping) Day 48: Stock Price Tracker – Data Scraping

  • روز ۴۹: داشبورد کووید ۱۹ – پروژه نهایی (Capstone) Day 49: COVID-19 Dashboard – Capstone Project

نمایش نظرات

آموزش برنامه‌نویسی پایتون و مبانی علوم داده برای هوش مصنوعی
جزییات دوره
29h 50m
82
(آخرین آپدیت)
410
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده