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
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