وضعیت فعلی
ثبت‌نام نشده
قیمت
4/500/000 تومان
شروع کنید

برنامه نویسی پایتون

اکنون ثبت نام کنید.

  • توجه: لطفا برای اطلاع از زمان و تاریخ شروع دوره فرم ثبت نام را پر نمائید تا کارشناسان آموزشی در اسرع وقت با شما تماس بگیرند.

علاقمندان به آموزش زبان برنامه نویسی پایتون از طرف دانشگاه آزاد تهران مرکز، تهران شمال و تهران جنوب برای اولین در حال برگزاری میباشد که بدون نیاز به شرایط خاصی میتوانید در این دوره شرکت کنید.
آموزش دوره برنامه نویسی پایتون از مقدماتی تا پیشرفته توسط استاد مهندس مجاور انجام میشود .
آموزش بصورت ساده و قابل فهم ،پروژه محور و مبتنی بر مثال انجام میشود ،پس از تدریس هر فصل آموزشی تمرینات مربوط به هر فصل به صورت عملی انجام میشود.
بعد از گذراندن دوره مدرک معتبر و بین المللی و قابل ترجمه از طرف دانشگاه آزاد تهران شمال ، تهران جنوب و تهران مرکزی و مدرک آکسفورد داده میشود.

سرفصل دوره

برنامه نویسی Programming

  • زبان برنامه‌نویسی(Programming language)
  • دسته بندی زبان های برنامه نویسی
  • انواع زبان های برنامه نویسی از نظر سطح اجرا
  • کد در برنامه نویسی
  • چرا بایدبرنامه نویسی را یاد بگیرم؟

مقدمات و اطلاعات پایه

  • زبان ماشین (Machine Language)
  • زبان تفسیری (Interpreted Language)
  • تفاوت زبان تفسیری و کامپایلری

چرا پایتون ؟

  • تاریخچه زبان برنامه نویسی پایتون
  • مقدمه پایتون
  • مقایسه زبان ها
  • کاربرد ها

نصب پایتون و آماده سازی

  • نصب پایتون
  • مفسر پایتون
  • آشنایی با محیط زبان برنامه نویسی پایتون
  • نمایش متغیر ورودی و خروجی
  • اولین برنامه پایتون.
  • تفاوت ورژن ها
  • پکیج منیجر pip
  • نصبIDE
  • Python – IDE  تبدیل به VSCode
  • نصب افزونه ها
  • تفاوت زبان با پیاده سازی
  • ماشین مجازی پایتون

آغاز کار با پایتون     

متغیر ها (variables)

  • انواع Data type 
  • متغیر و دستور انتساب
  • حساب
  • تابع print و رشته های تک-نقل و دو-نقل
  • رشته های سه-نقل
  • گرفتن ورودی از کاربر
  • مفهوم Null
  • تعریف و قوانین نام گذاری متغیر های مختلف
  • تغییر و جابجایی متغیر ها
  • ( RAM )فضای ذخیره متغیر

رشته (String) در پایتون

  • رشته چیست؟
  • ساخت یک رشته در پایتون
  • دسترسی به کاراکترهای درون یک رشته در پایتون
  • دست‌کاری یا بروزرسانی رشته
  • ‌ عملیات مجاز بر روی رشته‌ها
  • کاراکترهای ویژه
  • پیکربندی رشته‌ها برای چاپ با استفاده از متد  Format

توابع ریاضی و قیاسی

  • توابع () max4  و () min
  • تابع ()pow
  • =! , == , =< , >
  • توابع چهارگانه
  • توان و پیمانه

دستورات کنترل

  • دستورات کنترل
  • دستور if
  • دستوراتif , else , elif   و if ,else
  • دستورات while
  • دستور for
  • تکرار پذیر ، لیست و تکرارگر
  • انتساب افزوده
  • تکرار با دنباله، رشته فرمت
  • تابع داخلی  range: نگاهی عمیق تر
  • استفاده از Decimal  برای مقادیر پولی
  • دستورات break و continue در پایتون
  • مفاهیم AND , OR
  • ساخت switch  در پایتون
  • مفهوم Not

حلقه و تکرار

  • تابع For
  • تابع while 
  • ترکیبات حلقه
  • دستور continue

ساختمان داده

  • مفهومlist
  • توابع list
  • مفهومdictionary
  • توابعdictionary
  • مفهومtuple
  • توابعtuple
  • کار با String
  • ترکیب ساختمان داده و حلقه

تابع (Function)

  • تعریف تابع
  • تابع چند پارامتری
  • تولید اعداد تصادفی
  • مورد پژوهشی:بازی شانس
  • تابعی که متعلق به یک شی است
  • متغیر local  و global
  • فراخوانی تابع

کار با کتابخانه های استاندارد

  • کتابخانه ی استاندارد پایتون
  • فراخوانی کامل یک کتابخانه
  • فراخوانی یک تابع از یک کتابخانه
  • کتابخانه math
  • توابع ماژول math
  • pip نصب کتابخانه جدید با استفاده از

لیست و تاپل

  • لیست
  • تاپل
  • بازکردن دنباله
  • برش زدن دنباله
  • دستور del
  • پاس کردن لیست به تابع
  • مرتب سازی لیست
  • جستجوی دنباله
  • دیگر متدهای لیست
  • دیگر متدهای لیست
  • شبیه سازی پشت با لیست
  • لیست ساز
  • عبارت مولد
  • فیلتر،نگاشت،وکاهش
  • دیگر توابع پردازش دنباله
  • لیست دو بعدی
  • مدخلی بر داده پردازی:شبیه سازی و مجسم سازی
  • نمودار شبیه سازی های مختلف پرتاپ تاس
  • مجسم سازی فراوانی و درصد پرتاب تاس

فایل و استثنا

  • مقدمه
  • فایل
  • پردازش فایل متنی
  • نوشتن در فایل متنی،آشنایی با دستور with
  • خواندن داده از فایل متنی
  • سریال سازی با JSON
  • تمرکز بر امنیت: سریال سازی و نا سریال سازی با ماژول pickle
  • نکات دیگری درباره‌ فایل
  • مدیریت استثنا
  • تقسیم بر صفر و ورودی نامعتبر
  • دستور try
  • به دام انداختن چند استثنا در یک بلوک except
  • یک تابع یا متد چه استثناهایی صادر می کند؟
  • کدام کدها باید در یک بلوک try نوشته شوند؟
  • بلوک finally
  • صدور استثنا به صورت صریح
  • (اختیاری) واگشایی پشته و منشایابی
  • مدخلی بر داده پردازی:کار با فایل CSV
  • ماژول csv کتابخانه ی استاندار پایتون
  • بارگذاری محتویات فایل CSV در دیتافریم pandas
  • خواندن دیتاست تایتانیک
  • اجرای چند تحلیل ساده روی دیتاست
  • تایتانیک
  • هیستوگرام سن مسافران

برنامه نویسی شیءگرا

  • مقدمه
  • کلاس سفارشی
  • اجرای آزمایشی کلاس Account
  • تعریف کلاس Account
  • ترکیب:ارجاع به اشیا دیگر به عنوان اعضای کلاس
  • کنترل دسترسی به صفات کلاس
  • خواص دسترسی داده
  • اجرای آزمایشس کلاس Time
  • تعریف کلاس Time
  • نکات طراحی در تعریف کلاس Time
  • شبیه سازی صفات ((خصوصی))
  • مورد پژوهی: شبیه سازی بُر زدن و کشیدن ورق
  • اجرای آزمایشی کلاس های Card و DeckOfCard
  • کلاس Card: آشنایی با صفت کلاس
  • کلاس DeckOfCard
  • نمایش تصویر ورق با Matplotlib
  • وراثت:کلاس پایه و زیر کلاس
  • ایجاد سلسله مراتب وراثت؛ آشنایی با چند ریختی
  • کلاس پایه CommissinEmployee
  • زیرکلاس SalariedCommissinEmployee
  • SalariedCommissionEmployee
  • پردازش CommissionEmployee
  • یک نکته درباره برنامه نویسی شی محور و شی گرا
  • نوع سنجی مرغابی و چندریختی
  • بیش بارگذاری عملگر
  • اجرای آزمایشی کلاس Complex
  • تعریف کلاس Complex
  • سلسله مراتب کلاس استثنا و استثنای سفارشی
  • تاپل نام دار
  • آشنایی اجمالی با کلاس های جدید داده در پایتون3.7
  • ایجاد کلاس داده Card
  • استفاده از کلاس داده Card

پردازش زبان طبیعی :NLP

  • مقدمه
  • کتابخانه TextBlob
  • ایجاد یک شی TextBlob
  • نشانک گذاری متن به جملهو کلمه
  • برچسب گذاری اجزای کلام
  • استخراج ترکیب های اسمی
  • گرایش کاوی با با تحلیلگر گرایش پیش
  • فرض TextBlob
  • گرایش کاوی با با تحلیلگر گرایش
  • NaiveBayesAnalyzer
  • تشخیص زبان و ترجمه
  • صرف فعل: جمع سازی و مفرد سازی
  • غلط یابی و‌تصحیح غلط های املایی
  • بهنجارسازی: ریشه یابی و اشتقاق
  • فراوانی کلمات
  • استخراج تعریف ، مترادف و متضاد کلمات
  • از WordNet
  • حذف کلمات زائد
  • n-بخشی
  • مجسم سازی فراوانی کلمات با نمودار ستونی و ابر-واژه
  • مجسم سازی فراوانی کلمات با pandas
  • مجسم سازی فراوانی کلمات با ابر-واژه
  • ارزیابی خوانایی با کتابخانه Textatistic
  • شناسایی عناصر معرفه با کتابخانه spaCy
  • دیگر کتابخانه ها و ابزارهایNLPb
  • یادگیری ماشین و یادگیری عمیق در برنامه های کاربردی زبان طبیعی

یادگیری ماشین:طبقه بندی،رگسیون،و خوشه بندی

  • مقدمه ای بر یادگیری ماشین
  • کتابخانه Scikit-Learn
  • انواع یادگیری ماشین
  • دیتا ست های همراه Scikit-Learn
  • مراحل یک پژوهش داده پردازی
  • الگوریتم k- نزدیک ترین همسایه
  • بارگذاری دیتاست
  • مجسم سازی دیتاست
  • تقسیم دیتاست برای آموزش و آزمایش
  • ایجاد مدل
  • آموزش مدل
  • پیش بینی کلاس ارقام
  • سنجه ی ارزیابی دقت مدل
  • اعتبار سنجی _متقابل k- لایه
  • اجرای چند مدل برای یافتن بهترین آنها
  • تنظیم فراپارامتر

آموزش برنامه نویسی پایتون
آموزش برنامه نویسی پایتون به صورت حضوری و آنلاین
دوره آموزشی پایتون
دوره آموزش پایتون دانشگاه آزاد تهران

نمونه مدرک

Visits: 1975

  • آموزش توسط استاد مهندس بابک مجاور

  • در پایان دوره برای شرکت کنندگان مدرکی از طرف دانشگاه آزاد صادر میشود که معتبر بوده و قابل ترجمه است

  • <<شرکت در این دوره برای عموم آزاد است و علاقه مندان بدون پیش نیاز تحصیلی یا محدودیت سنی میتوانند در این دوره شرکت کنند>>

  • <<ارائه دوره بصورت حضوری و مجازی و آنلاین میباشد>>

  •  کل دوره 24 ساعت

  • پنجشنبه ها و جمعه ها ساعت 10 الی 13
  • حضوری و آنلاین

  • شروع دوره 28 اردیبهشت ماه