دوره آموزشی مقدمه عملی: پایتون
1 ساعت 11 دقیقهمتوسط2025-01-08
مدرسین

Ronnie Sheer
Software Developer and Instructor
جزئیات دوره
اگر شما یک کاربر مبتدی Python هستید که میخواهید مهارتهای حرفهای خود را تقویت کنید، باید زمانی را برای مطالعه و پیشرفت مهارتهای خود اختصاص دهید. میگویند که تمرین باعث کمال میشود، پس چرا از همین حالا شروع نکنید؟ در این دوره، مربی Ronnie Sheer ابزارها، تکنیکها و دانش عملی کاربران حرفهای Python را به شما آموزش میدهد، همراه با بیست چالش کدنویسی تعاملی و عملی برای آزمایش مهارتهای شما در حین پیشرفت. مهارتهای موجود خود در Python را با نکاتی در مورد محدوده (scope)، رشتهها (strings)، حلقهها (loops)، دادههای CSV، محاسبات، مجموعههای داده JSON، سرورهای وب و بیشتر ارتقا دهید. در پایان این دوره، شما با مهارتهای تازهای که به طور عملی آموختهاید، آماده خواهید بود تا در پروژههای آینده خود به یادگیری ادامه دهید.
اهداف یادگیری:
تقویت مهارتهای Python برای کاربران مبتدی
یادگیری نحوه استفاده از محدودهها (scope) و رشتهها (strings) در Python
درک استفاده از حلقهها (loops) در Python
مدیریت دادههای CSV و محاسبات در Python
کار با مجموعههای داده JSON در Python
ایجاد و مدیریت سرورهای وب با Python
چالشهای کدنویسی تعاملی برای تقویت مهارتهای Python
اهداف یادگیری:
تقویت مهارتهای Python برای کاربران مبتدی
یادگیری نحوه استفاده از محدودهها (scope) و رشتهها (strings) در Python
درک استفاده از حلقهها (loops) در Python
مدیریت دادههای CSV و محاسبات در Python
کار با مجموعههای داده JSON در Python
ایجاد و مدیریت سرورهای وب با Python
چالشهای کدنویسی تعاملی برای تقویت مهارتهای Python
مهارت ها
PythonProgramming LanguagesOpen SourceSoftware DevelopmentOne-Off
سرفصل ها
0. مقدمه
- 01 - با انجام دادن پایتون را یاد بگیرید
- 02 - آنچه باید بدانید
- 03 - استفاده از GitHub Codespaces با این دوره
1. اجرای پایتون
- 04 - سلام پایتون
2. غواصی در پروژه پایتون
- 05 - دامنه و تورفتگی
- 06 - کار زهی فانتزی
- 07 - دریافت آنچه نیاز دارید از لیستهای با برش
- 08 - حلقه زدن و تکرار
- 09 - منطق اگر elif other
3. بیایید چیزی بسازیم
- 10 - خواندن یک فایل CSV
- 11 - انجام محاسبات
- 12 - خروجی JSON
- 13 - چالش - خروجی فیلتر
- 14 - راه حل - خروجی فیلتر
4. گسترش یک سرویس
- 15 - بارگذاری مجموعه داده JSON
- 16 - گسترش وب سرور کوچک
- 17 - جستجو در داده ها
- 18 - چالش - فیلتر کردن نتایج
- 19 - راه حل - نتایج فیلتر
5. پایتون عملی برای هوش مصنوعی
- 20 - پایتون و هوش مصنوعی
- 21 - استفاده از مدلهای GitHub
- 22 - OpenAI API
6. برگههای تقلب پایتون
نتیجه گیری
- 23 - مهارتهای پایتون جدید خود را گسترش دهید
دوره های مرتبط
- دوره آموزشی یادگیری جامع پایتون برای علم داده و یادگیری ماشین بخش اول
- دوره آموزشی مبانی هوش مصنوعی: شبکه های عصبی
- دوره آموزشی داشبوردهای مجهز به هوش مصنوعی با Streamlit
- دوره آموزشی اپ تحلیل داده با قدرت LLM با پایتون و Streamlit
- دوره آموزشی راهنمای کامل مهندسی تحلیل دادهها
- دوره آموزشی اپلیکیشنهای مبتنی بر LLM با Streamlit
- دوره آموزشی هوش مصنوعی عملی: ساخت اولین اپلیکیشن خود با قدرت LLM
- دوره آموزشی تحلیل پیشرفته دادههای مکانی در پایتون