دوره آموزشی یادگیری اصولی پایتون: مبانی مهندسی نرمافزار
8 ساعت 29 دقیقهمبتدی2026-08-25
مدرسین
Ryan Mitchell
Senior Software Engineer at GLG
جزئیات دوره
اگر میخواهید برنامهنویسی را با Python شروع کنید و در مدت کوتاهی به مهارتی برسید که بتوانید از آن در کارهای واقعی استفاده کنید، این دوره یک مسیر عملی و مناسب برای شروع است. محتوای دوره بر یادگیری مفاهیم اصلی Python و توانایی حل مسئله تمرکز دارد و شما را از نوشتن اولین برنامهها تا اجرای کد و رفع خطاهای رایج همراهی میکند.
در این دوره با ساختارهای اصلی زبان Python مانند متغیرها، انواع داده، شرطها، حلقهها و توابع آشنا میشوید و نحوه کار با ساختارهای داده مهمی مانند List و Dictionary را یاد میگیرید. علاوه بر نوشتن کد از ابتدا، یاد میگیرید کدهای موجود را بخوانید، درک کنید و متناسب با نیاز خود تغییر دهید.
یکی از بخشهای کاربردی دوره به Debugging اختصاص دارد. در این بخش با خطاهای رایج برنامههای Python آشنا میشوید و یاد میگیرید چگونه علت خطا را پیدا کرده و آن را برطرف کنید. همچنین با استفاده از مثالها و تمرینهای عملی، کاربرد Python در اسکریپتنویسی و خودکارسازی کارهای ساده را تجربه خواهید کرد.
این دوره برای افراد مبتدی، کسانی که قصد تغییر مسیر شغلی دارند و متخصصانی مانند تحلیلگران داده، متخصصان DevOps و مهندسان QA که به دانش کاربردی Python نیاز دارند، مناسب است. پس از پایان دوره، پایه لازم برای ورود به مباحث متوسط Python و استفاده از این زبان در پروژههای واقعی را خواهید داشت.
اهداف یادگیری
نوشتن و اجرای برنامههای Python با استفاده از ساختارهای اصلی زبان.
خواندن، درک و ایجاد تغییرات در کدهای موجود Python.
استفاده مؤثر از متغیرها و انواع داده در برنامههای Python.
استفاده از ساختارهای شرطی، حلقهها و توابع برای حل مسائل برنامهنویسی.
کار با ساختارهای داده اصلی Python مانند List و Dictionary.
شناسایی و درک خطاهای رایج هنگام اجرای برنامههای Python.
استفاده از روشهای Debugging برای پیدا کردن و رفع خطاهای برنامه.
بهکارگیری Python برای انجام وظایف ساده و کاربردی در دنیای واقعی.
استفاده از Python برای اسکریپتنویسی و خودکارسازی کارهای تکراری ساده.
ایجاد پایهای قدرتمند برای ادامه یادگیری Python در سطح متوسط و استفاده از آن در حوزههایی مانند Data، DevOps و QA.
در این دوره با ساختارهای اصلی زبان Python مانند متغیرها، انواع داده، شرطها، حلقهها و توابع آشنا میشوید و نحوه کار با ساختارهای داده مهمی مانند List و Dictionary را یاد میگیرید. علاوه بر نوشتن کد از ابتدا، یاد میگیرید کدهای موجود را بخوانید، درک کنید و متناسب با نیاز خود تغییر دهید.
یکی از بخشهای کاربردی دوره به Debugging اختصاص دارد. در این بخش با خطاهای رایج برنامههای Python آشنا میشوید و یاد میگیرید چگونه علت خطا را پیدا کرده و آن را برطرف کنید. همچنین با استفاده از مثالها و تمرینهای عملی، کاربرد Python در اسکریپتنویسی و خودکارسازی کارهای ساده را تجربه خواهید کرد.
این دوره برای افراد مبتدی، کسانی که قصد تغییر مسیر شغلی دارند و متخصصانی مانند تحلیلگران داده، متخصصان DevOps و مهندسان QA که به دانش کاربردی Python نیاز دارند، مناسب است. پس از پایان دوره، پایه لازم برای ورود به مباحث متوسط Python و استفاده از این زبان در پروژههای واقعی را خواهید داشت.
اهداف یادگیری
نوشتن و اجرای برنامههای Python با استفاده از ساختارهای اصلی زبان.
خواندن، درک و ایجاد تغییرات در کدهای موجود Python.
استفاده مؤثر از متغیرها و انواع داده در برنامههای Python.
استفاده از ساختارهای شرطی، حلقهها و توابع برای حل مسائل برنامهنویسی.
کار با ساختارهای داده اصلی Python مانند List و Dictionary.
شناسایی و درک خطاهای رایج هنگام اجرای برنامههای Python.
استفاده از روشهای Debugging برای پیدا کردن و رفع خطاهای برنامه.
بهکارگیری Python برای انجام وظایف ساده و کاربردی در دنیای واقعی.
استفاده از Python برای اسکریپتنویسی و خودکارسازی کارهای تکراری ساده.
ایجاد پایهای قدرتمند برای ادامه یادگیری Python در سطح متوسط و استفاده از آن در حوزههایی مانند Data، DevOps و QA.
سرفصل ها
0. مقدمه
- 01 - پایتون - مزیت شغلی مدرن شما
1. شیرجه رفتن در پایتون
- 02 - اجرای پایتون در Codespaces
- 03 - آزمایشگاه - متغیرها و f-strings
- 04 - آزمایشگاه - افزودن منطق شرطی با if elif else توجه: CH4 تا CH6 که هستند، در انتهای فایل انگلیسی آمده
- 05 - آزمایشگاه - لیستها، دیکشنریها و حلقههای for
- 06 - آزمایشگاه - استفاده از توابع برای بازاستفاده از کد
- 07 - آزمایشگاه - اشیاء، متدها و واردات (imports)
- 08 - نحوه استفاده از CoderPad
2. انواع داده
- 09 - اعداد صحیح، اعشاری و محاسبات ریاضی
- 10 - آزمایشگاه - پاکسازی و تجزیه نام شهرها از آدرسها
- 11 - آزمایشگاه - تاریخها و بازههای زمانی در رکوردهای آبوهوا
- 12 - مقادیر بولی، درستی (truthiness) و فیلتر کردن
3. ساختارهای داده
- 13 - آزمایشگاه - برش لیستها در دادههای آبوهوا
- 14 - دیکشنریها
- 15 - تاپلها و بازکردن بسته (unpacking)
- 16 - آزمایشگاه - درک لیست (list comprehensions) برای تبدیل داده
- 17 - آزمایشگاه - درک دیکشنری (dictionary comprehensions)
- 18 - آزمایشگاه - سازماندهی دادههای آبوهوا با ساختارهای داده تودرتو
4. جریان کنترل
- 19 - آزمایشگاه - پیمایش همزمان (iterating in parallel)
- 20 - حلقههای while
- 21 - آزمایشگاه - break، continue، for-else
- 22 - تکرارگرها (iterators) و مولدها (generators)
5. توابع
- 23 - تعریف و فراخوانی توابع
- 24 - آزمایشگاه - آرگومانهای پیشفرض و نامدار
- 25 - آرگومانهای *args و kwargs
- 26 - متغیرها و حوزه (scope)
- 27 - آزمایشگاه - ترکیب یک خطلوله داده (data pipeline) با توابع
6. کلاسها و کتابخانهها
- 28 - آزمایشگاه - استفاده از کلاسها
- 29 - آزمایشگاه - وراثت و گسترش کلاسها
- 30 - آزمایشگاه - متدهای داندر (dunder methods)
- 31 - وارد کردن و استفاده از کلاسها از بستهها
- 32 - Anaconda، Python و Pip
- 33 - محیطهای مجازی (virtual environments)
7. استثناها و اشکالزدایی
- 34 - استثناها و try-except
- 35 - آزمایشگاه - خواندن و اشکالزدایی tracebackها
- 36 - ایجاد استثنا (raising exceptions)
- 37 - بندهای finally و else
8. خواندن و نوشتن فایلها
- 38 - خواندن و نوشتن فایلها با دستور with
- 39 - فایلها و دایرکتوریها با pathlib
- 40 - آزمایشگاه - بارگذاری مجموعه داده NOAA از JSON
- 41 - آزمایشگاه - نوشتن گزارش آبوهوای CSV
9. خودکارسازی وب
- 42 - آزمایشگاه - ارسال درخواستهای HTTP
- 43 - آزمایشگاه - مدیریت خطاهای HTTP
- 44 - فراخوانی APIها با GET و POST
- 45 - آزمایشگاه - استفاده از OpenAI API
نتیجهگیری
- 46 - مسیرهایی که Python می