کارگاه پایتون (Python)
۱٬۹۸۹٬۰۰۰ تومان
پشتیبانی:
۳ ساله
تعداد فصل:
۱۶
گواهی:
دارد
بروز رسانی:
دائم
درباره ی کارگاه پایتون (Python) :
اگر میخواهید...
- یادگیری پایتون را شروع کنید و هیچ ایده ای برای شروع ندارید!
- پایتون را به صورت اصولی، از پایه و تنها یک بار بیاموزید!
- آشنایی خود با پایتون را تقویت کنید!
این دوره برای شما مناسب است.
تعداد اپلیکیشن هایی که با پایتون توسعه داده شده اند بسیار بیشتر از تصور ماست. زبان پایتون نسبت به زبان های مرسوم دیگه روند یادگیری ساده تری دارد و خواندن و نوشتن کد ها به زبان پایتون نسبتا ساده است. حالا شما میتوانید یادگیری را به سرعت و موثر با کمک این آموزش تعاملی آغاز کنید.
کارگاه یادگیری پایتون در ۱۳ فصل با ۱۷۰ مثال و ۲۷ تمرین به شما نشان میدهد که چگونه به درستی از زبان پایتون استفاده کنید و برنامه های ساده بنویسید، از ساختارهای موجود در پایتون استفاده کنید تا داده ها را ایجاد، ذخیره و بازیابی کنید، فایل ها را مدیریت کنید، خطاها را بررسی و رفع کنید و از کلاس ها و متد ها استفاده کنید تا کدهای دقیق، قابل استفاده مجدد و کارا بنویسید.
با پیشرفت در دوره، شما میتوانید از کتابخانه های استاندارد استفاده کنید، کد خود را خطایابی کنید و مشکلات را به صورت اصولی رفع کنید و تست هایی بنویسید که رفتار برنامه را ارزیابی کنند.
در کنار موارد گفته شده، شما کارکردن با کتابخانه های pandas و Numpy را به منظور تحلیل داده، کتابخانه های Matplotlib و Seaborn را به منظور بصری سازی داده ها، کار تیمی، مدیریت کد در پایتون، هسته های مختلف پایتون، کنترل نسخه و مباحث ابتدایی یادگیری ماشین را می آموزید.
در انتهای دوره با مباحث ساختار داده آشنا خواهید شد و بخش آخر هم به حل تمرین های دوره اختصاص دارد.
پس از گذراندن این دوره قادر خواهید بود تا برنامه هایی که به زبان پایتون نوشته شده اند را بخوانید و درک کنید و از دانش پایه ای خود برای ورود به دنیای توسعه ی Back-end، هوش مصنوعی(تحلیل داده و یادگیری ماشین) و توسعه ی نرم افزار استفاده کنید. با دانشی که در این دوره کسب می کنید دیگر نیازی به هیچ دوره ی پایتون دیگری نخواهد داشت و دوره به طور کامل با تغییرات مهم پایتون بروز می شود.
در این دوره به ترتیب با پایتون های 3.11 (conda)، 3.12(نسخه ی فعلی استیبل پایتون CPython) و 3.10(pypy) کار خواهید کرد؛ ضمنا کدهای پایتون را به زبان C (یعنی Cython)نیز کامپایل می کنیم.
زمان تقریبی مطالعه و یادگیری دوره:
محتوای ویدیویی: ۱۵ ساعت
زمان پیشنهادی برای یادگیری : ۱ ماه
سطح بندی و سرفصل ها
پایتون مقدماتی(صفر تا متوسط)
فصل های 1 تا 5
بعد از گذراندن این 5 فصل می توانید وارد حوزه های مختلف برنامه نویسی با استفاده از زبان پایتون شوید و برای شروع و یادگیری خود در این زمینه ها نیازی به فصل های 6 تا 9 ندارید.
زمینه های
پایتون حرفه ای(تکنیک های پیشرفته و ابزار تخصصی)
فصل های 6 تا 9 و 11
این فصل ها شامل موارد بسیار کاربردی و متفاوت پایتون هستند و با آشنایی و درک آنها به برنامه نویس Python بهتری تبدیل می شوید. به نظر ما در کدینگ کاگز این بخش از دوره به اندازه ی بخش اول (فصل های 1 تا 5) ضروری است و بهتر است کنار شروع حوزه ی تخصصی خود، از بررسی فصل های 6 تا 9 و 11 غافل نشوید!
همچنین دانش ضروری برای کار تیمی نیز در این فصل ها مطرح شده اند و به آینده ی بهتر شغلی شما کمک می کنند.
پایتون برای مصاحبه
فصل 10
سوالات مصاحبه معمولا به 3 دسته تقسیم می شوند:
- سوالات فنی: برای پاسخ دادن به این سوالات نیاز به دانش زبانی (فصل های قبلی) دارید.
- سوالات الگوریتمی و ساختار داده: برای پاسخ دادن به این سوالات نیاز به آشنایی با ساختارهای داده ی پایتون(فصل 2)، ساختار های داده ی پیشرفته (بخش اول فصل 10)، الگوریتم های مقدماتی (فصل 3)و الگوریتم های پیشرفته(بخش دوم فصل 10) دارید.
- حل مسئله: تمرین ها و مثال های این دوره با هدف ایجاد توانایی حل مسئله در شما تدوین شده اند. اگر در حل مسئله ضعف دارید به هیچ عنوان این بخش ها را از دست ندهید!
مقدمات هوش مصنوعی
فصل های 12 تا 14
در این بخش از دوره به دنیای تحلیل داده(data analytics)، علم داده(data science)، یادگیری ماشین(machine learning)، یادگیری عمیق (deep learning)و هوش مصنوعی(artificial intelligence) وارد می شویم. اگر به این حوزه ها علاقه ندارید هیچ لزومی ندارد که به یادگیری این فصل ها بپردازید.
فصل ها:
1 - درباره ی سر فصل ها (رایگان)
2 - قراردادها و کلمات تخصصی (رایگان)
3 - دسترسی به پشتیبانی (رایگان)
4 - قبل از شروع (رایگان)
مشاهده
1 - معرفی (رایگان)
مشاهده
2 - پایتون ضروری (رایگان)
مشاهده
3 - اعداد: عملیات، نوع پارامتر ها و متغیر ها (رایگان)
مشاهده
4 - شروع کار با نوت بوک ژوپیتر (رایگان)
مشاهده
5 - پایتون به جای ماشین حساب (رایگان)
مشاهده
6 - عملیات ریاضی استاندارد (رایگان)
مشاهده
7 - عملیات ریاضی پایه ای (رایگان)
مشاهده
8 - ترتیب انجام عملیات ریاضی (رایگان)
مشاهده
9 - مثال 1: ریاضیات خود را بشناسیم (رایگان)
مشاهده
10 - اسپیس در پایتون (رایگان)
مشاهده
11 - انواع عدد: Integers & Floats (رایگان)
مشاهده
12 - مثال 2: انواع intو float (رایگان)
مشاهده
13 - اعداد مختلط (رایگان)
مشاهده
14 - خطاها در پایتون (رایگان)
مشاهده
15 - متغیر ها (رایگان)
مشاهده
16 - مقدار دهی به متغیر (رایگان)
مشاهده
17 - مثال 3: مقدار دهی به متغیر ها (رایگان)
مشاهده
18 - تغییر نوع متغیر (رایگان)
مشاهده
19 - مقداردهی مجدد متغیر ها با استفاده از خود متغیر (رایگان)
مشاهده
20 - تمرین 1: مقدار دهی به متغیر ها (رایگان)
مشاهده
21 - نامگذاری متغیر ها (رایگان)
مشاهده
22 - مثال 4: نامگذاری متغیر ها (رایگان)
مشاهده
23 - چند متغیر داشتن (رایگان)
مشاهده
24 - مثال 5: چند متغیر در پایتون (رایگان)
مشاهده
25 - کامنت ها (رایگان)
مشاهده
26 - مثال 6: کامنت ها در پایتون (رایگان)
مشاهده
27 - داک استرینگ ها (رایگان)
مشاهده
28 - تمرین 2: پیدا کردن فاصله ی فیثاغورثی بین 3 نقطه (رایگان)
مشاهده
29 - رشته ها: Concatenation, Methods, and input() (رایگان)
مشاهده
30 - ساختار رشته (رایگان)
مشاهده
31 - مثال 7: خطا در رشته ها (رایگان)
مشاهده
32 - فرار از مشکلات قرار دادن <'> در رشته (رایگان)
مشاهده
33 - رشته های چند خطی (رایگان)
مشاهده
34 - تابع print() (رایگان)
مشاهده
35 - مثال 8: نمایش رشته ها (رایگان)
مشاهده
36 - عملیات بر روی رشته ها (رایگان)
مشاهده
37 - مثال 9: Concatenation در رشته ها (رایگان)
مشاهده
38 - درونیابی رشته ها (رایگان)
مشاهده
39 - جدا کردن با کاما <,> (رایگان)
مشاهده
40 - فرمت (رایگان)
مشاهده
41 - تابع len() (رایگان)
مشاهده
42 - متد های رشته (رایگان)
مشاهده
43 - مثال 10:متد های رشته (رایگان)
مشاهده
44 - Casting (رایگان)
مشاهده
45 - مثال 11: Types and Casting (رایگان)
مشاهده
46 - تابع input() (رایگان)
مشاهده
47 - مثال 12: تابع input() (رایگان)
مشاهده
48 - تمرین 3: از تابع input استفاده کنید تا به روز خود امتیاز دهید (رایگان)
مشاهده
49 - String Indexing and Slicing (رایگان)
مشاهده
50 - Indexing (رایگان)
مشاهده
51 - Slicing (رایگان)
مشاهده
52 - رشته ها و متد هایشان (رایگان)
مشاهده
53 - Booleans and Coditionals (رایگان)
مشاهده
54 - Booleans (رایگان)
مشاهده
55 - مثال 13: متغیر های بولین (رایگان)
مشاهده
56 - عملگرهای منطقی (رایگان)
مشاهده
57 - عملگرهای مقایسه ای (رایگان)
مشاهده
58 - مثال 14: عملگرهای مقایسه ای (رایگان)
مشاهده
59 - مقایسه ی رشته ها (رایگان)
مشاهده
60 - مثال 15: مقایسه رشته ها (رایگان)
مشاهده
61 - Conditionals (رایگان)
مشاهده
62 - ساختار if (رایگان)
مشاهده
63 - Indentation (رایگان)
مشاهده
64 - مثال 16: استفاده از if (رایگان)
مشاهده
65 - if else (رایگان)
مشاهده
66 - مثال 17: استفاده از if-else (رایگان)
مشاهده
67 - elif (رایگان)
مشاهده
68 - حلقه ها (رایگان)
مشاهده
69 - حلقه های while (رایگان)
مشاهده
70 - حلقه ی بی نهایت (رایگان)
مشاهده
71 - break (رایگان)
مشاهده
72 - تمرین 4: پیدا کردن کوچکترین مضرب مشترک (ک.م.م) (رایگان)
مشاهده
73 - برنامه ها (رایگان)
مشاهده
74 - مثال 18: محاسبه مربع کامل (رایگان)
مشاهده
75 - مثال 19: پیشنهاد خرید ملک (رایگان)
مشاهده
76 - حلقه for (رایگان)
مشاهده
77 - مثال 20: استفاده از حلقه for (رایگان)
مشاهده
78 - کلمه کلیدی continue (رایگان)
مشاهده
79 - تمرین 5: ساخت بات گفتگو با آموخته های این فصل (رایگان)
مشاهده
80 - خلاصه ی این فصل (رایگان)
مشاهده
1 - معرفی (رایگان)
مشاهده
2 - لیست های قدرتمند (رایگان)
مشاهده
3 - مثال 21: کار با لیست های پایتون (رایگان)
مشاهده
4 - ماتریس ها به عنوان Nested List (رایگان)
مشاهده
5 - مثال 22: استفاده از Nested List برای ذخیره ی داده از یک ماتریس (رایگان)
مشاهده
6 - تمرین 6: استفاده از Nested List برای ذخیره ی داده های کارمندان (رایگان)
مشاهده
7 - عملیات ماتریسی (رایگان)
مشاهده
8 - مثال 23: عملیات ماتریسی (جمع و منها) (رایگان)
مشاهده
9 - عملیات ضرب ماتریسی (رایگان)
مشاهده
10 - مثال 24: پیاده سازی عملیات ماتریسی (ضرب) (رایگان)
مشاهده
11 - متدهای لیست (رایگان)
12 - مثال 25: عملیات ساده لیست ها (رایگان)
13 - دسترسی به المان های یک لیست (رایگان)
14 - مثال 26: دسترسی به داده های یک لیست خرید (رایگان)
15 - اضافه کردن المان به لیست (رایگان)
16 - مثال 27: اضافه کردن المان ها به لیست خرید (رایگان)
17 - دیکشنری: کلید ها و مقادیر (رایگان)
مشاهده
18 - مثال 28: استفاده از دیکشنری برای ذخیره ی داده های فیلم پدر خوانده (رایگان)
مشاهده
19 - تمرین 7: ترکیب آموخته های لیست و دیکشنری (رایگان)
مشاهده
20 - استفاده از zip() (رایگان)
مشاهده
21 - مثال 29: استفاده از zip() برای دستکاری دیکشنری ها (رایگان)
22 - متدهای دیکشنری (رایگان)
23 - مثال 30: دسترسی به داده های دیکشنری با استفاده از متدهای دیکشنری (رایگان)
24 - تاپل ها (Tuples) (رایگان)
مشاهده
25 - مثال 31: بیاید با تاپل ها کار کنیم! (رایگان)
26 - آشنایی با Set ها (رایگان)
مشاهده
27 - مثال 32: استفاده از Set ها در پایتون (رایگان)
28 - عملیات بر روی Set ها (رایگان)
مشاهده
29 - مثال 33: استفاده از عملیات Set ها (رایگان)
30 - انتخاب ساختار مناسب (رایگان)
مشاهده
31 - خلاصه ی این فصل (رایگان)
مشاهده
1 - معرفی (رایگان)
مشاهده
2 - اسکریپت ها و ماژول های پایتون (رایگان)
مشاهده
3 - مثال 34: نوشتن و اجرای اولین اسکریپت (رایگان)
4 - مثال 35: نوشتن و import کردن اولین ماژول (رایگان)
5 - اجرای ساده ی کد در Ubuntu (رایگان)
6 - بازهم داک استرینگ! (رایگان)
7 - مثال 36: اضافه کردن داک استرینگ به ماژول (رایگان)
8 - import (رایگان)
مشاهده
9 - مثال 37: دریافت تاریخ سیستم (رایگان)
10 - if __name__ == "__main__" (رایگان)
مشاهده
11 - تمرین 8: ساعت چنده؟ (رایگان)
12 - الگوریتم های پایتون (رایگان)
13 - مثال 38: بزرگترین عدد (رایگان)
14 - پیچیدگی زمانی (رایگان)
مشاهده
15 - پیچیدگی زمانی برای الگوریتم بزرگترین عدد (رایگان)
16 - الگوریتم های مرتب سازی (رایگان)
مشاهده
17 - مثال 39: مرتب سازی حبابی (رایگان)
18 - الگوریتم های جستجو (رایگان)
19 - مثال 40: جستجوی خطی (رایگان)
20 - مثال 41: جستجوی باینری (رایگان)
21 - توابع ابتدایی (رایگان)
مشاهده
22 - مثال 42: تعریف و فراخوانی تابع در Shell (رایگان)
23 - مثال 43: تعریف و فراخوانی تابع در اسکریپت پایتون (رایگان)
24 - مثال 44: وارد کردن و فراخوانی تابع از طریق Shell (رایگان)
25 - آرگومان های موقعیتی (رایگان)
مشاهده
26 - Keyword Arguments (رایگان)
مشاهده
27 - مثال 45: تعریف تابع با Keyword Arguments (رایگان)
28 - مثال 46: تعریف تابع با Positional and Keyword Arguments (رایگان)
29 - مثال 47: استفاده از **kwargs (رایگان)
مشاهده
30 - تمرین 9: فرمت توابع (رایگان)
31 - توابع تکرار شونده (رایگان)
32 - تمرین 48: یک تابع ساده با حلقه for (رایگان)
33 - خروج زودهنگام از توابع (رایگان)
34 - مثال 49: خروج از تابع در زمان عملکرد حلقه ی for (رایگان)
35 - تمرین 10: تابع فیبوناچی با تکرار (رایگان)
36 - توابع بازگشتی (رایگان)
37 - پایان توابع بازگشتی (رایگان)
38 - مثال 50: شمارش معکوس بازگشتی (رایگان)
39 - مثال 51: فاکتوریل <!> با استفاده از تکرار و بازگشت (رایگان)
40 - تمرین 11: تابع فیبوناچی با بازگشت (رایگان)
41 - برنامه نویسی دینامیک (رایگان)
42 - مثال 52: جمع اعداد صحیح (رایگان)
43 - زمان بندی کد (رایگان)
مشاهده
44 - مثال 53: زمان بندی کد (رایگان)
45 - تمرین 12: تابع فیبوناچی با برنامه نویسی دینامیک (رایگان)
مشاهده
46 - توابع کمک کننده (رایگان)
47 - خودتان را تکرار نکنید(DRY) (رایگان)
48 - مثال 54: تابع کمک کننده ی تبدیل واحد پولی (رایگان)
49 - Variable Scope (رایگان)
50 - متغیرها (Variables) (رایگان)
مشاهده
51 - تعریف درون تابع در مقابل بیرون تابع (رایگان)
52 - Global Keyword (رایگان)
53 - Nonlocal Keyword (رایگان)
54 - توابع Lambda (رایگان)
مشاهده
55 - مثال 55: اولین آیتم لیست (رایگان)
56 - Mapping با Lambda (رایگان)
57 - مثال 56: Mapping با Logistic Transform (رایگان)
مشاهده
58 - فیلتر کردن با توابع Lambda (رایگان)
59 - مثال 57: استفاده از فیلتر Lambda (رایگان)
60 - مرتب سازی با توابع Lambda (رایگان)
61 - خلاصه ی این فصل (رایگان)
مشاهده
1 - معرفی (رایگان)
مشاهده
2 - خواندن فایل ها (رایگان)
3 - مثال 58: خواندن یک فایل متنی با استفاده از پایتون (رایگان)
4 - مثال 59: خواندن بخشی از یک فایل متنی (رایگان)
5 - نوشتن فایل ها (رایگان)
6 - مثال 60: ایجاد و نوشتن محتوا روی فایل ها برای ذخیره ی تاریخ و زمان در یک فایل متنی (رایگان)
7 - آماده شدن برای دیباگ (کد دفاعی) (رایگان)
8 - نوشتن Assertion ها (رایگان)
9 - مثال 61: کار با پارامترهای نادرست برای بررسی عملکرد Assert (رایگان)
10 - تکنیک های رسم نمودار (رایگان)
11 - مثال 62: رسم نمودار پرکندگی برای بررسی داده ها (رایگان)
12 - مثال 63: رسم نمودار خطی برای بررسی رشد قیمت سهام (رایگان)
13 - مثال 64: رسم نمودار میله ای برای نمایش نمره ی دانش آموزان (رایگان)
14 - مثال 65: رسم نمودار دایره ای برای بصری سازی تعداد رای ها (رایگان)
15 - مثال 66: رسم نقشه حرارتی (heatmap) برای بصری سازی نمره ی دانش آموزان (رایگان)
16 - مثال 67: رسم نمودار چگالی برای بصری سازی نمره دانش آموزان (رایگان)
17 - مثال 68: نمودار کانتور (contour) (رایگان)
18 - گسترش گراف ها (رایگان)
19 - مثال 69: رسم نمودار سه بعدی موج سینوسی (رایگان)
مشاهده
20 - نباید های رسم نمودار (رایگان)
21 - دستکاری محور های مختصات (رایگان)
22 - گلچین کردن داده ها (رایگان)
23 - گراف اشتباه و بستر اشتباه (رایگان)
24 - تمرین 13: بصری سازی دیتاست تایتانیک با نمودار دایره ای و ستونی (رایگان)
25 - خلاصه ی این فصل (رایگان)
1 - معرفی (رایگان)
مشاهده
2 - کلاس ها و آبجکت ها (رایگان)
مشاهده
3 - مثال 70: بررسی استرینگ ها به عنوان String Object (رایگان)
مشاهده
4 - تعریف کردن کلاس ها (رایگان)
مشاهده
5 - مثال 71: ایجاد یک کلاس (رایگان)
مشاهده
6 - متد __init__ (رایگان)
مشاهده
7 - مثال 72: ایجاد یک کلاس دارای ویژگی (رایگان)
8 - Keyword Arguments (آرگیومنت های کلیدواژه ای) (رایگان)
9 - مثال 73: ایجاد یک کلاس با Keyword Arguments (رایگان)
10 - متدها (رایگان)
مشاهده
11 - متد های نمونه (Instance Methods) (رایگان)
12 - مثال 74: اضافه کردن متد های instance به کلاس (رایگان)
13 - اضافه کردن آرگیومنت به متد های instance (رایگان)
14 - مثال 76: محاسبه اندازه یک کشور (رایگان)
15 - متد __str__ (رایگان)
16 - مثال 76: اضافه کردن متد __str__ به کلاس (رایگان)
17 - متد های استاتیک (رایگان)
18 - مثال 77: ریفکتور (اصلاح) کردن متد های instance با یک متد استاتیک (رایگان)
19 - Class Method ها (رایگان)
20 - مثال 78: گسترش کلاس با استفاده از Class Method ها (رایگان)
21 - ویژگی (property) های کلاس ها (رایگان)
مشاهده
22 - دکوراتور property (رایگان)
مشاهده
23 - مثال 79: استفاده از دکوراتور property (رایگان)
24 - Setter Method (رایگان)
25 - مثال 80: نوشتن یک متد setter (رایگان)
26 - ارزیابی با Setter Method (رایگان)
27 - وراثت (Inheritance) (رایگان)
28 - برگردیم سراغ DRY (رایگان)
29 - وراثت منفرد (Single Inheritance) (رایگان)
30 - مثال 81: ایجاد ساب کلاس از کلاس Person (رایگان)
31 - ایجاد ساب کلاس از کلاس های پکیج های پایتون (رایگان)
32 - مثال 82: ایجاد ساب کلاس از کلاس datetime.date (رایگان)
33 - جایگزین کردن متد های کلاس های اصلی (رایگان)
34 - فراخوانی متد کلاس اصلی با ()super (رایگان)
35 - مثال 83: بازنویسی / جایگزینی متد ها با ()super (رایگان)
36 - وراثت چندگانه (Multiple Inheritance) (رایگان)
37 - مثال 84: ساخت سیستم قرار ملاقات با وراثت چندگانه (رایگان)
38 - ترتیب قرارگیری و تشخیص متد ها (رایگان)
39 - تمرین 14: ایجاد چندین کلاس و وراثت از کلاس اصلی (رایگان)
40 - خلاصه ی این فصل (رایگان)
مشاهده
1 - معرفی (رایگان)
مشاهده
2 - اهمیت کتابخانه ای استاندارد (رایگان)
مشاهده
3 - ماژول های سطح بالا (رایگان)
مشاهده
4 - ماژول های سطح پایین (رایگان)
مشاهده
5 - استفاده ی درست از کتابخانه های استاندارد (رایگان)
مشاهده
6 - مثال 85: استفاده از ماژول dataclasses (رایگان)
7 - مثال 86: گسترش echo.py که در بخشهای قبل ایجاد کردیم (رایگان)
8 - تاریخ و زمان (رایگان)
9 - مثال 87: مقایسه datetime در تایم زون های مختلف (رایگان)
10 - مثال 88: محاسبه اختلاف زمانی بین 2 آبجکت datetime (رایگان)
11 - مثال 89: محاسبه Unix Epoch Time (رایگان)
12 - تمرین 15: محاسبه زمان اجرای یک حلقه (رایگان)
13 - تعامل با سیستم عامل (رایگان)
14 - اطلاعات سیستم عامل (رایگان)
15 - مثال 90: بررسی اطلاعات پردازش فعلی (رایگان)
16 - pathlib (رایگان)
17 - مثال 91: استفاده از glob Pattern (رایگان)
18 - پیدا کردن فایل های نهان دایرکتوری (رایگان)
19 - ماژول subprocess (رایگان)
20 - مثال 92: شخصی سازی پروسس با متغیر های محیطی (رایگان)
21 - تمرین 16: ارزیابی کد پایتون (رایگان)
22 - Logging (رایگان)
مشاهده
23 - لاگ گرفتن (رایگان)
مشاهده
24 - آبجکت Logger (رایگان)
25 - مثال 93: استفاده از آبجکت Logger (رایگان)
26 - باید و نباید های لاگ گرفتن (رایگان)
27 - تنظیم Logging Stack (رایگان)
28 - مثال 94: تنظیم Logging Stack (رایگان)
29 - Collections (رایگان)
30 - Counters (رایگان)
31 - مثال 95: شمارش کلمات در یک Text document (رایگان)
32 - defaultdict (رایگان)
33 - مثال 96: اصلاح و ریفکتور کد با defaultdict (رایگان)
34 - ChainMap (رایگان)
35 - Functools (رایگان)
36 - Caching with functools.lru_cache (رایگان)
37 - مثال 97: استفاده از Iru_cache برای افزایش سرعت کد (رایگان)
38 - Partial (رایگان)
39 - مثال 98: ایجاد یک تابع پرینت که روی stderr مینویسد (رایگان)
40 - تمرین 17: استفاده از partial روی متدهای کلاس (رایگان)
41 - خلاصه ی این فصل (رایگان)
مشاهده
1 - معرفی (رایگان)
مشاهده
2 - استفاده از List Comprehension ها (رایگان)
3 - مثال 99: معرفی List Comprehension (رایگان)
4 - مثال 100: استفاده از چندین لیست برای ورودی list comprehension (رایگان)
5 - تمرین 18: ساخت یک تورنومنت شطرنج (رایگان)
6 - Comprehension های دیکشنری ها و ست ها (رایگان)
7 - مثال 101: استفاده از Set Comprehension ها (رایگان)
8 - مثال 102: استفاده از Dictionary Comprehension ها (رایگان)
9 - تمرین 19: ساخت سیستم امتیاز دهی با Dictionary Comprehension و چند لیست (رایگان)
10 - دیتاتایپ collections.defaultdic (رایگان)
11 - مثال 103: بکارگیری Default Dict (رایگان)
12 - Iterator ها (رایگان)
13 - مثال 104: ساده ترین Iterator ممکن (رایگان)
14 - مثال 105: Iterator سفارشی (رایگان)
15 - مثال 106: کنترل Iteration (رایگان)
16 - Itertools (رایگان)
17 - مثال 107: استفاده از sequence های بینهایت با فانکشن takewhile (رایگان)
18 - مثال 108: تبدیل sequence محدود به بینهایت و برعکس (رایگان)
19 - Generator ها (رایگان)
مشاهده
20 - مثال 109: تولید یک غربالگر (رایگان)
21 - تمرین 20: استفاده از اعداد تصادفی برای پیدا کردن مقدار عدد π (رایگان)
22 - Regular Expressions (رایگان)
مشاهده
23 - مثال 110: تشخیص الگوی متن با Regular Expressions (رایگان)
24 - مثال 111: استفاده از Regular Expressions برای جایگزینی متن (رایگان)
25 - تمرین 21: Regular Expressions (رایگان)
26 - خلاصه ی این فصل (رایگان)
مشاهده
1 - مقدمه (رایگان)
مشاهده
2 - دیباگ کردن (رایگان)
مشاهده
3 - مثال 112: دیباگ کردن ماشین حساب حقوق با pdb (رایگان)
4 - تمرین 22: دیباگ کردن کد پایتون (رایگان)
5 - Automated Testing (رایگان)
مشاهده
6 - دسته بندی تست ها (رایگان)
مشاهده
7 - پوشش دهی تست ها(Test Coverage) (رایگان)
مشاهده
8 - نوشتن تست ها در پایتون با Unit Testing (رایگان)
9 - مثال 113: بررسی کد با Unit Testing (رایگان)
10 - تست با pytest (رایگان)
11 - ایجاد یک پکیج PIP (رایگان)
12 - مثال 114: ساخت و توزیع یک Package که دارای چند فایل است (رایگان)
13 - اضافه کردن اطلاعات بیشتر به پکیج توسعه یافته (رایگان)
14 - داکیومنتیشن از راه ساده (رایگان)
15 - Docstrings (رایگان)
16 - استفاده از Sphinx (رایگان)
مشاهده
17 - مثال 115: Sphinx (رایگان)
مشاهده
18 - Documentation پیچیده (رایگان)
مشاهده
19 - Source Management (رایگان)
مشاهده
20 - Repository (رایگان)
مشاهده
21 - Commit (رایگان)
مشاهده
22 - Staging (رایگان)
مشاهده
23 - Undoing Local Changes (رایگان)
مشاهده
24 - History (رایگان)
مشاهده
25 - Ignoring Files (رایگان)
مشاهده
26 - مثال 116: ایجاد تغییر در CPython با استفاده از git (رایگان)
مشاهده
27 - خلاصه ی این فصل (رایگان)
مشاهده
1 - معرفی (رایگان)
مشاهده
2 - توسعه گروهی (رایگان)
مشاهده
3 - مثال 117: مدیریت کد پایتون روی گیتهاب برای تیم (رایگان)
مشاهده
4 - مدیریت وابستگی (رایگان)
5 - Virtual Environments (رایگان)
6 - مثال 118: ساخت وتنظیم محیط مجازی conda (رایگان)
7 - ذخیره سازی و اشتراک محیط مجازی (رایگان)
8 - مثال 119: به اشتراک گذاری محیط های مجازی conda (رایگان)
9 - Deploying Code into Production and pipenv (رایگان)
10 - مثال 120: داکرایز کردن پروژه ی پایتون (رایگان)
11 - Multiprocessing (رایگان)
مشاهده
12 - execnet (رایگان)
13 - مثال 121: کار کردن با execnet (رایگان)
14 - Multiprocessing with the Multiprocessing Package (رایگان)
15 - مثال 122: استفاده از پکیج Multiprocessing (رایگان)
16 - Multiprocessing with the Threading Package (رایگان)
17 - مثال 123: استفاده از پکیج Threading (رایگان)
18 - استفاده از فرامین Command-Line در اسکریپت (رایگان)
19 - مثال 124: معرفی argparse برای دریافت ورودی از کاربر (رایگان)
20 - Positional Arguments (رایگان)
21 - مثال 125: استفاده از Positional Arguments برای دریافت مبدا و مقصد ورودی ها از کاربر (رایگان)
22 - Performance and Profiling (رایگان)
23 - تغییر هسته ی پایتون (رایگان)
24 - PyPy (رایگان)
25 - مثال 126: استفاده از pypy (رایگان)
26 - Cython (رایگان)
27 - مثال 127: بکارگیری Cython (رایگان)
28 - Profiling (رایگان)
مشاهده
29 - Profiling with cProfile (رایگان)
30 - تمرین 23: استفاده از آموخته های این فصل (رایگان)
31 - خلاصه ی این فصل (رایگان)
1 - معرفی (رایگان)
2 - Big O (رایگان)
3 - Classes & Pointers (رایگان)
4 - Linked Lists (رایگان)
5 - Doubly Linked Lists (رایگان)
6 - Stacks & Queues (رایگان)
7 - Trees (رایگان)
8 - Hash Tables (رایگان)
9 - Graphs (رایگان)
10 - Recursion (رایگان)
11 - Basic Sorts (رایگان)
12 - Merge Sort (رایگان)
13 - Quick Sort (رایگان)
14 - Tree Traversal (رایگان)
15 - سخن پایانی (رایگان)
1 - معرفی فصل (رایگان)
2 - Python Enhancement Proposals(PEP) (رایگان)
3 - Python 3.7 (رایگان)
4 - Python 3.8 (رایگان)
5 - Python 3.9 (رایگان)
6 - Python 3.10 (رایگان)
مشاهده
7 - Python 3.11 (رایگان)
8 - Python 3.12 (رایگان)
9 - Python 3.13 (رایگان)
1 - معرفی فصل (رایگان)
مشاهده
2 - Numpy چیست؟ (رایگان)
مشاهده
3 - مثال 128: تبدیل لیست به آرایه ی Numpy (رایگان)
4 - مثال 129: محاسبه ی Mean (رایگان)
5 - مثال 130: محاسبه ی Median (رایگان)
6 - داده های پخش و پلا (رایگان)
7 - انحراف معیار (رایگان)
8 - مثال 131: محاسبه ی انحراف معیار (رایگان)
9 - ماتریس ها (رایگان)
10 - مثال 132: ماتریس ها (رایگان)
11 - زمان انجام محاسبات ماتریسی بزرگ (رایگان)
12 - مثال 133: آرایه، Numpy و محاسبات (رایگان)
13 - کتابخانه ی pandas (رایگان)
14 - مثال 134: DataFrames (رایگان)
15 - مثال 135: محاسبات DataFrame (رایگان)
16 - مثال 136: DataFrames در DataFrames (رایگان)
17 - مثال 137: ترکیب Numpy و pandas (رایگان)
18 - Cast Column Types (رایگان)
19 - Data (رایگان)
20 - دانلود Data (رایگان)
21 - دانلود DataSet (رایگان)
22 - خواندن Data (رایگان)
مشاهده
23 - مثال 138: خواندن و بررسی داده ها (رایگان)
24 - مثال 139: دریافت اطلاعات از داده ها (رایگان)
25 - Null Values (رایگان)
26 - مثال 140: بررسی Null Value ها در دیتاست (رایگان)
27 - جاگذاری Null Value ها (رایگان)
28 - تحلیل بصری (رایگان)
29 - matplotlib (رایگان)
30 - Histograms (رایگان)
31 - مثال 141: ایجاد Histogram (رایگان)
32 - توابع Histogram (رایگان)
33 - Scatter Plots (رایگان)
34 - مثال 142: رسم Scatter Plot (رایگان)
35 - Correlation (رایگان)
36 - مثال 143: مقادیر Correlation (رایگان)
37 - Regression (رایگان)
38 - رسم نمودار Regression (رایگان)
39 - StatsModel Regression Output (رایگان)
40 - مدل های دیگر (رایگان)
41 - مثال 144: Box Plots (رایگان)
42 - Violin Plots (رایگان)
43 - تمرین 24: هرچیزی که در این فصل یاد گرفتیم در یک تمرین (رایگان)
44 - خلاصه ی این فصل (رایگان)
1 - معرفی فصل (رایگان)
مشاهده
2 - آشنایی با رگرسیون خطی (رایگان)
3 - ساده سازی مسئله (رایگان)
4 - از یک بعد به چند بعد (رایگان)
5 - الگوریتم رگرسیون خطی (رایگان)
6 - مثال 145: پیشبینی با رگرسیون خطی (رایگان)
7 - تابع رگرسیون خطی (رایگان)
8 - Cross-Validation (رایگان)
9 - مثال 146: تابع cross_val_score (رایگان)
10 - Regularization: Ridge و Lasso (رایگان)
11 - K-Nearest Neighbors, Decision Trees, and Random Forests (رایگان)
12 - K-Nearest Neighbors (رایگان)
13 - مثال 147: استفاده از KNN (رایگان)
14 - مثال 148: KNN با GridSearchCV (رایگان)
15 - Decision Trees and Random Forests (رایگان)
16 - مثال 149: Decision Trees and Random Forests (رایگان)
17 - Random Forest Hyperparameters (رایگان)
18 - مثال 150: تنظیم Random Forest برای پیش بینی (رایگان)
19 - Classification Models (رایگان)
20 - مثال 151: آماده سازی دیتاست (رایگان)
21 - Logistic Regression (رایگان)
22 - مثال 152: Logistic Regression برای پیشبینی (رایگان)
23 - دیگر Classifier ها (رایگان)
24 - Naive Bayes (رایگان)
مشاهده
25 - مثال 153: استفاده از GaussianNB, KneighborsClassifier, DecisionTreeClassifier و RandomForestClassifi (رایگان)
26 - Confusion Matrix (رایگان)
27 - مثال 154: محاسبه ی Pulsar Percentage از دیتاست (رایگان)
28 - مثال 155: Confusion Matrix و گزارش Classification (رایگان)
29 - روش های Boosting (رایگان)
30 - مثال 156: استفاده از AdaBoost (رایگان)
31 - تمرین 25: استفاده از یادگیری ماشین برای بررسی نرخ بازگشت مشتری (رایگان)
32 - خلاصه ی این فصل (رایگان)
1 - مقدمه (رایگان)
مشاهده
2 - Colab notebooks (رایگان)
3 - محیط مجازی conda و Jupyter Notebook (رایگان)
4 - آشنایی با deep learning (رایگان)
مشاهده
5 - اولین مدل deep learning (رایگان)
6 - کتابخانه های مقدماتی deep learning (رایگان)
مشاهده
7 - مثال 157: آماده سازی دیتاست (رایگان)
8 - مثال 158: sequential deep learning (رایگان)
9 - تنظیم مدل ها در Keras (رایگان)
10 - Hidden layers (رایگان)
11 - مثال 159: modifying densely connected layers to improve the score (رایگان)
12 - epochs (رایگان)
13 - مثال 160: modifying the number of epochs to improve the score (رایگان)
14 - Early Stopping (رایگان)
15 - مثال 161: optimizing the number of epochs with Early Stopping (رایگان)
16 - Dropout (رایگان)
17 - مثال 162: Dropout in neural networks (رایگان)
18 - classification (رایگان)
19 - مثال 163: classification (رایگان)
20 - تمرین 26: تشخیص بیماری قلبی (رایگان)
21 - Convolutional neural networks(CNN) (رایگان)
22 - MNIST dataset (رایگان)
23 - مثال 164: استفاده از MNIST (رایگان)
24 - CNN kernel (رایگان)
25 - مثال 165: تشخیص دست خط (رایگان)
26 - تمرین 27: classifying MNIST Fashion images (رایگان)
27 - خلاصه ی این فصل (رایگان)
در حال تدوین ...
به این قسمت دسترسی نداری!
این قسمت رایگان نیست
برای مشاهده ی باقی دوره نیازه که دوره رو خریداری کنی دوست من