دوره آموزشی
The Great Courses
دوبله زبان فارسی

ساخت 3 اپلیکیشن شبکه با پایتون و یادگیری ماشین

ساخت 3 اپلیکیشن شبکه با پایتون و یادگیری ماشین

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

  • پایتون را از پایه، به صورت منظم، قابل فهم و عملی آموزش می‌بینید.
  • یاد می‌گیرید چگونه با استفاده از کتابخانه Pandas داده‌ و فایل‌ها را بخوانید، بنویسید و مدیریت کنید.
  • نحوه اسکن دستگاه‌ها و سرویس‌های شبکه با Nmap و Nmap Scripting Engine (NSE) را می‌آموزید.
  • یک اپلیکیشن تشخیص آسیب‌پذیری شبکه با پایتون می‌سازید، تست و دانلود می‌کنید.
  • یک اپلیکیشن یادگیری ماشین برای تحلیل آسیب‌پذیری‌های شبکه می‌سازید، تست و دانلود می‌کنید.
  • یک اپلیکیشن یادگیری ماشین برای تحلیل ترافیک شبکه می‌سازید، تست و دانلود می‌کنید.

پیش‌نیازهای دوره

  • نیازی به داشتن دانش قبلی از پایتون نیست. این دوره همه موارد را از ابتدا آموزش می‌دهد.
  • آشنایی اولیه با مفاهیم شبکه مثل TCP ،UDP ،SSH ،LAN و غیره لازم است.
  • در طول دوره فقط از نرم‌افزارهای رایگان استفاده خواهید کرد: پایتون، VirtualBox، لینوکس
  • تنها چیزی که نیاز دارید یک کامپیوتر یا لپ‌تاپ مناسب با حداقل 16GB RAM و اتصال به اینترنت است.

توضیحات دوره

  • دوره پایتون و یادگیری ماشین طراحی شده برای مهندسان شبکه
  • بیش از 10 ساعت محتوای ویدئویی و بیش از 20 منبع قابل دانلود
  • یادگیری پایتون از پایه و دریافت منابع PDF اضافی
  • یاد می‌گیرید چگونه از کتابخانه Pandas برای مدیریت داده‌ و فایل‌ها استفاده کنید.
  • کار با Nmap و Nmap Scripting Engine برای اسکن شبکه
  • ساخت و دانلود یک اپلیکیشن تشخیص آسیب‌پذیری شبکه با پایتون
  • ساخت و دانلود یک اپلیکیشن یادگیری ماشین برای تحلیل آسیب‌پذیری‌ها
  • ساخت و دانلود یک اپلیکیشن یادگیری ماشین برای تحلیل داده‌ ترافیک شبکه
  • مدرس پرفروش یودمی با هزاران بازخورد عالی 5 ستاره

موضوع دوره چیست؟

دوره برنامه‌نویسی پایتون و یادگیری ماشین مناسب برای متخصصان شبکه است. این متخصصان ممکن است تجربه کمی داشته باشند یا هیچ تجربه‌ای در برنامه‌نویسی پایتون، اتوماسیون شبکه و یادگیری ماشین نداشته باشند، ولی علاقه‌مند به یادگیری پایتون از پایه و اعمال فناوری‌های جدید در محیط شبکه خود هستند.

این آموزش کاملاً عملی، شما را از Hello World تا ساخت 3 اپلیکیشن شبکه با پایتون، Pandas و Matplotlib و Nmap و یادگیری ماشین در زمان کوتاه همراهی می‌کند.

شما مفاهیم پایتون، Pandas و یادگیری ماشین مرتبط با صنعت شبکه‌سازی را می‌آموزید. ما سپس سه اپلیکیشن شبکه خواهیم ساخت.

برخی نکات برجسته دوره:

  • پایتون - متغیرها، تایپ‌های داده و کلیدواژه‌ها
  • پایتون - رشته‌ها و عملیات‌های رشته‌
  • پایتون - اعداد و عملیات‌های عددی
  • پایتون - بولی ها و عملیات‌های بولی
  • پایتون - لیست‌ها و عملیات‌های لیست‌
  • پایتون - مجموعه‌ها و عملیات‌های مجموعه‌
  • پایتون - تاپل‌ها و عملیات‌های تاپل
  • پایتون - محدوده‌ها و عملیات‌های محدوده
  • پایتون - دیکشنری‌ها و عملیات‌های دیکشنری
  • پایتون - شرطی‌های if-elif-else
  • پایتون - حلقه‌های for-else و while-else
  • پایتون - List Comprehensions و Set Comprehensions و Dictionary Comprehensions
  • پایتون - break و continue و pass
  • پایتون - try و except و else و finally
  • پایتون - توابع، پارامترها و آرگومان‌ها
  • پایتون - فضاهای نام و ماژول‌ها
  • پایتون - عملیات‌های فایل
  • پایتون - عبارات منظم
  • پایتون - توابع ویژه
  • دانلود - نوت‌بوک عبارات منظم
  • دانلود - نوت‌بوک پرایمر پایتون
  • Pandas - مقدمه و عملیات‌های اولیه
  • Pandas - سطح متوسط تا پیشرفته
  • Pandas - مدیریت فایل‌های CSV با Pandas
  • Pandas - مصورسازی داده‌ با Matplotlib
  • دانلود - نوت‌بوک Pandas
  • NMAP - آشنایی با اسکن NMAP
  • NMAP - دنیای اسکریپت‌های NMAP NSE
  • دانلود - نوت‌بوک NMAP
  • یادگیری ماشین نظارت نشده - آشنایی با یادگیری ماشین
  • یادگیری ماشین نظارت نشده - مبانی خوشه‌بندی K-Means
  • اپلیکیشن 1 - نقشه آسیب‌پذیری شبکه با پایتون و Nmap
  • اپلیکیشن 2 - تحلیل داده‌ آسیب‌پذیری با یادگیری ماشین
  • اپلیکیشن 3 - تحلیل ترافیک شبکه با یادگیری ماشین
  • یادگیری ماشین نظارت شده - درختان تصمیم‌گیری و جنگل تصادفی
  • یادگیری ماشین نظارت شده - اپلیکیشن‌ها و مثال‌های اضافی

مدرس به صورت منطقی و روش‌مند با مثال‌ها و توضیحات، تمام مباحث را پوشش می‌دهد. می‌توان نتیجه گرفت مدرس فردی حرفه‌ای است که زمان زیادی برای ساختاردهی و سازماندهی دوره گذاشته است. نتیجه واضح است؛ این دوره بهترین راه یادگیری پایتون است.

پیشنهاد می‌کنیم مهارت‌های مهندسی شبکه خود را با قدرت شگفت‌انگیز پایتون و یادگیری ماشین به سطح بالاتری ببرید و شغل و حرفه خود را یک قدم جلوتر ببرید.

این دوره برای چه کسانی مناسب است؟

  • مدیران شبکه، مهندسان شبکه، مدیران شبکه و مهندسان سیستم
  • مهندسان تضمین کیفیت شبکه، تحلیلگران شبکه و مهندسان امنیت شبکه
  • توسعه‌دهندگان پایتون که می‌خواهند دانش خود را در اتوماسیون شبکه به‌کار ببرند
  • به هر علاقه‌مند دیگر در حوزه IT یا شبکه نیز خوش‌آمد گفته می‌شود.

ساخت 3 اپلیکیشن شبکه با پایتون و یادگیری ماشین

  • موضوع دوره چیست؟ 04:19
  • نصب VirtualBox و کالی لینوکس 02:07
  • عیب‌یابی کالی لینوکس در VirtualBox 00:26
  • نصب پایتون و Jupyter Notebook 02:48
  • بهترین روش برای ادامه 00:52
  • آشنایی با Jupyter Notebook 06:39
  • یادداشت سریع درباره مفاهیم این بخش 01:04
  • متغیرها، تایپ‌های داده‌ و کلیدواژه‌ها 04:33
  • رشته‌ها و عملیات‌های رشته‌ 11:16
  • رشته‌ها و نکته اضافی - بخش 1 01:56
  • رشته‌ها و نکته اضافی - بخش 2 01:52
  • رشته‌ها و نکته اضافی - بخش 3 02:33
  • رشته‌ها و نکته اضافی - بخش 4 03:34
  • اعداد و عملیات‌های عددی 04:52
  • اعداد و نکته اضافی 01:46
  • بولی‌ها و عملیات‌های بولی 05:43
  • لیست‌ها و عملیات‌های لیست‌ 08:57
  • مجموعه‌ها و عملیات‌های مجموعه‌ 06:44
  • تاپل‌ها و عملیات‌های تاپل 05:56
  • محدوده‌ها و عملیات‌های محدوده 05:28
  • دیکشنری‌ها و عملیات‌های دیکشنری 07:24
  • دیکشنری‌ها و نکته اضافی - بخش 1 01:47
  • دیکشنری‌ها و نکته اضافی - بخش 2 03:27
  • شرطی if-elif-else 09:20
  • حلقه‌های for-else 09:38
  • حلقه‌های while-else 09:07
  • List Comprehensions و Set Comprehensions و Dictionary Comprehensions 06:47
  • Break ،Continue و Pass 04:04
  • Try ،Except ،Else و Finally 10:32
  • استثناها و نکته اضافی - بخش 1 04:06
  • استثناها و نکته اضافی - بخش 2 03:46
  • توابع، پارامترها و آرگومان‌ها 08:41
  • توابع و نکته اضافی - بخش 1 01:39
  • توابع و نکته اضافی - بخش 2 03:27
  • فضاهای نام‌ و ماژول‌ها 09:33
  • عملیات های فایل‌ 08:49
  • عبارات منظم 10:28
  • عبارات منظم و نکته اضافی 02:54
  • مفاهیم مفید اضافی پایتون 10:42
  • توابع ویژه - نقشه، فیلتر، کاهش و لامبدا 12:20
  • توابع ویژه - فشرده‌سازی و استخراج لیست‌ها 07:39
  • آشنایی با Pandas و عملیات‌های اولیه 11:17
  • عملیات‌های سطح متوسط تا پیشرفته Pandas 12:06
  • مدیریت فایل‌های CSV با Pandas 09:48
  • Pandas و مصورسازی داده‌ 17:17
  • برنامه توسعه اپلیکیشن 01:55
  • نصب کتابخانه‌های لازم 01:28
  • نصب ماشین‌های مجازی اوبونتو در VirtualBox 04:19
  • آماده‌سازی میزبان‌های شبکه - میزبان 1 06:47
  • آماده‌سازی میزبان‌های شبکه - میزبان 2 02:14
  • آماده‌سازی میزبان‌های شبکه - میزبان 3 01:56
  • افزودن مجدد تمام دستگاه‌ها به LAN 01:53
  • نکته مهم درباره اسکن شبکه 00:46
  • آشنایی با اسکن NMAP 10:06
  • دنیای اسکریپت‌های NMAP NSE 09:55
  • تعریف متغیرها و اکشن‌های اولیه 11:13
  • تجزیه نتایج اسکن برای هر میزبان 10:33
  • استخراج تعداد اکسپلویت‌های موجود 11:06
  • نوشتن کد برای حملات بروت فورس 09:14
  • سازماندهی داده‌ اسکن و حمله 08:41
  • ترسیم میزبان‌ها و داده‌ در نمودار نهایی 13:09
  • ارسال داده‌ آسیب‌پذیری از طریق ایمیل 06:50
  • جمع‌بندی کد کامل اپلیکیشن 03:43
  • تست اپلیکیشن روی شبکه 02:49
  • تست اپلیکیشن روی شبکه توسعه یافته 04:24
  • اتوماسیون اسکن به صورت روزانه 03:28
  • برنامه توسعه اپلیکیشن 02:00
  • آشنایی با یادگیری ماشین 06:31
  • مبانی خوشه‌بندی K-Means 12:16
  • اهداف - آماده‌سازی مجموعه داده‌ 05:22
  • تحلیل کد پایتون یادگیری ماشین 09:14
  • تست مدل یادگیری ماشین روی مجموعه داده‌ 04:48
  • افزودن قابلیت همبستگی 03:52
  • تست قابلیت همبستگی 02:36
  • حملات بروت فورس در نمونه‌های ترافیک 06:08
  • تحلیل کد پایتون یادگیری ماشین 15:02
  • [موارد اضافی] استفاده از الگوریتم یادگیری ماشین DBSCAN 08:31
  • [موارد اضافی] استفاده از الگوریتم خوشه‌بندی سلسله‌مراتبی در یادگیری ماشین 10:52
  • برنامه توسعه اپلیکیشن 02:31
  • درختان تصمیم‌گیری در یادگیری ماشین چه هستند؟ 08:01
  • الگوریتم جنگل تصادفی 08:16
  • تولید داده برای آموزش و پیش‌بینی‌ 16:11
  • تحلیل کد پایتون یادگیری ماشین - تقسیم‌بندی و آموزش 11:12
  • تحلیل کد پایتون یادگیری ماشین - بارگذاری و اجرا 09:22
  • [موارد اضافی] تحلیل اهمیت ویژگی‌ها 02:44
  • تست اپلیکیشن روی داده‌ جدید 07:50
  • تولید ترافیک nmap برای آموزش و پیش‌بینی 04:55
  • تحلیل کد پایتون یادگیری ماشین - استخراج داده‌ 05:53
  • تحلیل کد پایتون یادگیری ماشین - آموزش مدل 05:09
  • تحلیل کد پایتون یادگیری ماشین - انجام پیش‌بینی‌ها 04:13
  • تست اپلیکیشن روی یک نمونه جدید از ترافیک شبکه 02:34
  • مهندسی شبکه - یادگیری ماشین نظارت شده در مقابل نظارت نشده 03:00
  • نکات پایانی درباره اپلیکیشن‌های یادگیری ماشین 02:54
  • سخنان پایانی 00:48

6,003,200 1,500,800 تومان

مشخصات آموزش

ساخت 3 اپلیکیشن شبکه با پایتون و یادگیری ماشین

  • تاریخ به روز رسانی: 1404/12/10
  • سطح دوره:همه سطوح
  • تعداد درس:94
  • مدت زمان :10:04:23
  • حجم :3.52GB
  • زبان:دوبله زبان فارسی
  • دوره آموزشی:AI Academy

آموزش های مرتبط

  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
1,833,000 366,600 تومان
  • زمان: 02:27:39
  • تعداد درس: 24
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
3,769,000 753,800 تومان
  • زمان: 05:03:33
  • تعداد درس: 37
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
1,033,500 206,700 تومان
  • زمان: 01:23:15
  • تعداد درس: 8
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
9,779,500 1,955,900 تومان
  • زمان: 13:07:38
  • تعداد درس: 87
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
2,260,000 452,000 تومان
  • زمان: 03:02:02
  • تعداد درس: 14
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
795,000 159,000 تومان
  • زمان: 58:00
  • تعداد درس: 12
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
19,403,000 3,880,600 تومان
  • زمان: 26:02:40
  • تعداد درس: 175
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
8,508,000 1,701,600 تومان
  • زمان: 11:25:13
  • تعداد درس: 94
  • سطح دوره:
  • زبان: دوبله فارسی

آیا سوالی دارید؟

ما به شما کمک خواهیم کرد تا شغل و رشد خود را افزایش دهید.
امروز با ما تماس بگیرید