تسلط به Python 3 با برنامه‌نویسی عملی

آنچه یاد خواهید گرفت:

• برنامه‌نویسی پایتون را از مبانی یاد بگیرید.
• یادگیری خود را با نوشتن برنامه تثبیت کنید.
• با انجام تکالیف، تسلط پیدا کنید.
• پایتون 3 اصلی و مقدمه‌ای بر ساختمان داده‌ها را بیاموزید.
• در کار با فایل‌ها - فایل‌های CSV و JSON و Pickling، فایل‌های متنی و باینری - کاملاً مسلط شوید.
• ویژگی‌های برجسته پایتون - توابع لامبدا، ماژول‌ها، دکوراتورها، برنامه‌نویسی تابعی، فضاهای نام و پکیج‌ها را بیاموزید.
• شما قادر خواهید بود با موفقیت در مصاحبه‌های شغلی شرکت کنید.

توضیحات دوره

این دوره پایتون 3 (اصلی) شامل صدها برنامه تست‌شده، 5 تکلیف و تعدادی مطالعه موردی است. فراگیران با استفاده از محیط توسعه یکپارچه (IDLE) و ژوپیتر نوت‌بوکدر آناکوندا برای اجرای مستقیم برنامه‌ها، بهره‌وری بسیار بالایی خواهند داشت.

این دوره پوشش جامع و عمیقی از توابع و بازگشتی‌ها، و به طور خاص، بازگشت دُمی ارائه می‌دهد. ویژگی‌های قدرتمند کانتینرهای پایتون مانند لیست‌ها، تاپل‌ها، ست‌ها و دیکشنری‌ها به روشی جالب توضیح داده شده است. مفاهیم یونیکد UTF-8، رشته‌ها، دستورات انتخابی و تکرار با سادگی و از طریق اجرای برنامه‌ها توضیح داده می‌شوند. ماشین حساب پایتون و استفاده از کتابخانه‌های ریاضی و دیگر کتابخانه‌ها نیز نمایش داده شده است.

پایتون همچنین یک زبان برنامه‌نویسی شیءگرا (OOP) است. مفاهیم شیءگرایی مانند وراثت و پلی‌مورفیسم، که استفاده مجدد و یکپارچه از کدهای موجود را در پایتون تسهیل می‌کنند، به شیوه‌ای روان مورد بحث قرار گرفته‌اند.

هنگام اجرای برنامه‌ها، ممکن است استثنائاتی مانند تقسیم بر صفر رخ دهد. تکنیک‌های پایتون برای مدیریت این استثناها با مطالعات موردی جالب شرح داده شده است.

پایتون دارای ویژگی‌های برجسته بسیاری در مفاهیم برنامه‌نویسی مانند توابع دکوراتور، توابع لامبدا، آبجکت های تابعی و توابع درجه یک است که بسیار منحصربه‌فرد و هیجان‌انگیز هستند و به گونه‌ای مورد بحث قرار می‌گیرند که دانشجو بدون وقفه به یادگیری ادامه دهد.

مقدمه‌ای بر ساختمان داده‌ها با استفاده از پایتون نیز ارائه شده است. این بخش به پشته و صف و همچنین چهار روش مرتب‌سازی محبوب می‌پردازد.

مصورسازی داده‌ها باید پیش از تحلیل داده‌ها - چه پیش‌بینی‌کننده و چه توصیفی - انجام شود. پایتون کتابخانه‌های عالی برای مصورسازی داده‌ها دارد. در این دوره، مقدمه‌ای بر مصورسازی داده‌ها با استفاده از pandas و matplotlib و seaborn ارائه شده و نحوه ایجاد انواع مختلف نمودارها شرح داده می‌شود.

استراتژی اتخاذ شده در این دوره، «یادگیری از طریق برنامه‌نویسی» و «یادگیری تنها یک مفهوم جدید در هر برنامه» است تا بار یادگیری یک زبان برنامه‌نویسی جدید و مدرن را کاهش دهد.

این دوره برای چه کسانی مناسب است؟

• دانشجویانی که مایل به یادگیری پایتون هستند.
• توسعه‌دهندگان نرم‌افزاری که می‌خواهند دانش خود را در پایتون بروز کنند.
• توسعه‌دهندگان مبتدی پایتون که در مورد یادگیری ماشین و علم داده کنجکاو هستند.
• دانشجویان تمام رشته‌ها مانند مهندسی، علوم پایه و کاربردهای کامپیوتر که پایتون را به عنوان یک درس انتخاب کرده‌اند.
• افرادی که به مشاغل جدید در زمینه یادگیری ماشین و علم داده علاقه‌مند هستند.
• افرادی که برنامه‌نویسی را به عنوان یک سرگرمی دنبال می‌کنند.