دوره آموزشی
دوبله زبان فارسی
یادگیری و تسلط به پایتون - از مبتدی تا حرفهای
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- کدنویسی با زبان برنامهنویسی پایتون
- ایجاد نمودارهای خطی و پراکندگی ساده با Matplotlib
- شخصیسازی نمودارها با ویژوالها، عنوان، برچسبها، متن و یک لجند
- بهینهسازی برای اپلیکیشنهای هوشمند: آشنایی با چارچوب موبایلی TensorFlow و ساخت اپلیکیشنهای تحلیل علمی
- یادگیری ماشین روی موبایل: یاد بگیرید چگونه مدلهای یادگیری ماشین را در اپلیکیشنهای Android به کار بگیرید.
- و موارد بیشتر
پیشنیازهای دوره
- Anaconda 4.2.0، پلتفرم رایگان علم داده از Continuum را دانلود کنید که شامل پایتون 3.5.2 و Matplotlib است.
- در غیر این صورت، میتوانید پایتون 3.5.2 و Matplotlib را به صورت رایگان از اینترنت دانلود و نصب کنید.
- موضوعات دوره شامل ریاضیات در سطح متوسط است، بنابراین آشنایی با ریاضیات دانشگاهی مفید خواهد بود.
- این دوره روی Mac ضبط شده است، اما میتوانید از PC هم استفاده کنید.
توضیحات دوره
هوش مصنوعی، یادگیری ماشین و توسعه موبایل را با Java و Android و TensorFlow Estimator و PyCharm و MNIST یاد بگیرید. این حجم از محتوا برای یک دوره واقعاً زیاد است.
از فریمورک یادگیری عمیق Google یعنی TensorFlow با پایتون استفاده کنید و از یادگیری ماشین برای بهبود اپلیکیشنهای خود بهره ببرید.
مسترکلاس مدلهای پیشبینی
در پایان دوره، 3 مدل کامل یادگیری ماشین موبایلی و اپلیکیشن خواهید داشت. ما یک پروژه ساده پیشبینی آبوهوا، یک پروژه پیشبینی بازار سهام و یک پروژه پاسخ متنی میسازیم.
برای هرکدام، یک نسخه پایه در PyCharm میسازیم، مدل آموزش دیده را ذخیره میکنیم، سپس مدل آموزش دیده را به Android Studio اکسپورت میکنیم و یک اپلیکیشن بر پایه آن مدل میسازیم.
تجربه ندارید؟ مشکلی نیست!
آیا میخواهید یاد بگیرید چگونه داده را مصورسازی کنید؟ در این دوره شرکت کنید تا یاد بگیرید چگونه این کار را مستقیماً در کد انجام دهید.
ساخت نمودارهای 2D و 3D در پایتون با Matplotlib برای مبتدیان، برای افراد تازهکار در کدنویسی مناسب است، چون با یک معرفی کامل به کدنویسی شروع میکنیم. سپس به صورت عمیق وارد استفاده از Matplotlib، کتابخانه ترسیم نمودار 2D در پایتون میشویم.
در بخش 1، یاد میگیرید چگونه از پایتون، زبان برنامهنویسی محبوب که در وبسایتهایی مانند YouTube و Instagram استفاده میشود، بهره ببرید. شما مبانی برنامهنویسی، از جمله موضوعاتی مانند متغیرها، توابع و دستورهای if را یاد میگیرید و با ساختارهای داده مانند لیستها، دیکشنریها و مجموعهها آشنا میشوید. همچنین نحوه استفاده از حلقههای for و while، مدیریت ورودی و خروجی کاربر و ورودی و خروجی فایل را پوشش میدهیم.
ما دانش خود را برای ساخت یک بازی دوز کاملاً تابعی به کار میگیریم. شما کلاسها، متدها، ویژگیها، نمونهسازی و وراثت کلاس را یاد میگیرید. یک بازی Blackjack دیگر هم میسازیم. شما یاد میگیرید چگونه خطاهایی را که هنگام کار به عنوان برنامهنویس ممکن است رخ دهند، برطرف کنید.
در بخش 2، دانش پایتون خود را به Matplotlib منتقل میکنید و به کار میگیرید. بسیاری از قابلیتهای جذاب Matplotlib را که میتوانیم برای مصورسازی داده استفاده کنیم، بررسی میکنیم. ما به شما نشان میدهیم چگونه نمودار خطی، نمودار پراکندگی و نمودار کندلاستیک بسازید. شما یاد میگیرید چگونه ظاهر نمودار را شخصیسازی کنید و به آن متن و توضیح اضافه کنید. و نیز خیلی موارد دیگر را درک میکنید.
چرا Mammoth Interactive را انتخاب کنید؟
ما یادگیری از طریق انجام دادن را در اولویت قرار میدهیم. تئوری را با پروژههای عملی ترکیب میکنیم تا مطمئن شویم در کنار مدرس خود، تجربه عملی به دست میآورید. مدرسان باتجربه ما میدانند چگونه موضوعات را با زبانی روشن و با سرعتی منطقی توضیح دهند. برای محتوای بیشتر، فهرست بزرگ دورههای ما را بررسی کنید..
این دوره برای چه کسانی مناسب است؟
- افرادی که میخواهند مفاهیم یادگیری ماشین را از طریق پروژههای عملی با PyCharm، پایتون، Android Studio و Java و TensorFlow یاد بگیرند.
- مبتدیان مطلق که میخواهند کدنویسی برای وب را با زبان محبوب پایتون یاد بگیرند.
- کسی که میخواهد فناوری را یاد بگیرد که شیوه تعامل ما با دنیای اطرافمان را شکل میدهد.
- مبتدیانی که میخواهند یاد بگیرند چگونه با علم داده نمودار بسازند.
- برنامهنویسان باتجربه که میخواهند یک کتابخانه ترسیم نمودار 2D برای پایتون یاد بگیرند.
- کسی که به مدلسازی پیشبینانه برای کار با بازار سهام، آبوهوا و متن علاقهمند است.
یادگیری و تسلط به پایتون - از مبتدی تا حرفهای
-
مقدمه و فهرست موضوعات 02:25
-
دانلود و نصب Android Studio 06:44
-
آشنایی با رابط کاربری 12:12
-
راهاندازی شبیهساز و اجرای پروژه 06:43
-
مقدمهای بر مبانی زبان 02:46
-
تایپهای متغیر 14:00
-
عملیاتها روی متغیرها 10:49
-
آرایهها و لیستها 09:26
-
عملیاتهای روی آرایه و لیست 08:00
-
دستورهای if و switch 11:34
-
حلقههای while 10:09
-
حلقههای for 08:51
-
مقدمهای بر توابع 08:39
-
پارامترها و مقادیر بازگشتی 07:05
-
مقدمهای بر کلاسها و آبجکتها 12:14
-
سوپرکلاس و زیرکلاسها 11:42
-
متغیرهای ایستا و مودیفایرهای محور 07:27
-
مقدمهای بر توسعه اپلیکیشن Android 01:57
-
ساخت رابط کاربری پایه 12:15
-
اتصال رابط کاربری به بکاند 06:12
-
پیادهسازی بکاند و مرتبسازی رابط کاربری 09:09
-
مقدمه و لیست موضوعات 02:40
-
دانلود و نصب PyCharm و پایتون 06:55
-
آشنایی با PyCharm 07:48
-
مقدمهای بر متغیرها 13:17
-
عملیاتها و تبدیلهای متغیرها 12:35
-
تایپهای کالکشن 12:47
-
عملیاتها روی کالکشنها 08:42
-
جریان کنترل و دستورهای if 12:50
-
حلقههای while و for 10:44
-
توابع 11:23
-
کلاسها و آبجکتها 15:40
-
مقدمه 02:53
-
لیست موضوعات 06:09
-
ایمپورت TensorFlow به PyCharm 04:25
-
گرههای ثابت و سشنها 09:01
-
گرههای متغیر 10:46
-
گرههای جایبان 07:35
-
گرههای عملیات 12:47
-
زیان، Optimizers و آموزش 11:56
-
ساخت مدل رگرسیون خطی 20:30
-
مقدمهای بر سطح 2 05:15
-
مقدمه 03:08
-
لیست موضوعات 04:12
-
راهاندازی مدل Estimator از پیش ساخته 15:15
-
ارزیابی و پیشبینی با مدل از پیش ساخته 07:42
-
ساخت تابع Estimator سفارشی 10:12
-
تست تابع Estimator سفارشی 07:00
-
جمعبندی و مقایسه مدل 09:46
-
مقدمه و دمو 04:09
-
لیست موضوعات 04:22
-
فرمتبندی و ذخیره مدل 08:25
-
ذخیره فایل گراف بهینهسازی شده 14:48
-
شروع پروژه Android 09:01
-
ساخت رابط کاربری 14:56
-
پیادهسازی قابلیت استنتاج 09:14
-
تست و فیکسک ردن خطا 11:01
-
مقدمه و دمو 03:51
-
لیست موضوعات و مقدمهای بر داده MNIST 10:24
-
ساخت گراف محاسباتی 14:20
-
آموزش و تست مدل 14:24
-
ذخیره و فریز کردن گراف برای ایمپورت به Android 12:33
-
راهاندازی پروژه Android Studio 13:07
-
ساخت رابط کاربری 15:58
-
بارگذاری تصاویر ارقام 10:02
-
فرمتبندی داده تصویر 10:59
-
انجام پیشبینی با استفاده از مدل 07:32
-
نمایش نتایج و جمعبندی 13:13
-
مقدمه 03:08
-
لیست موضوعات 02:38
-
ساخت تابع Estimator سفارشی 15:34
-
ساخت توابع ورودی، آموزش و تست 13:38
-
پیشبینی با استفاده از مدل ما و مقایسه مدلها 09:37
-
مقدمهای بر سطح 3 06:34
-
دموی پروژه 03:47
-
بررسی پروژه 05:17
-
بازیابی داده از طریق فراخوانی RESTful API 16:30
-
تجزیه داده JSON به سبک PyCharm 06:37
-
فرمتبندی داده 15:45
-
ساخت مدل 13:26
-
آموزش و تست مدل 09:54
-
فریز کردن گراف 10:06
-
راهاندازی پروژه Android 06:07
-
ساخت رابط کاربری 08:25
-
درخواست داده از طریق AsyncTask 08:25
-
تجزیه داده JSON به سبک Android 12:04
-
اجرای استنتاج و نمایش نتایج 17:42
-
مقدمه و دمو 04:13
-
تسک لیست 03:18
-
پردازش داده متنی 13:18
-
ساخت مجموعه دادهها و تابع Model Builder 16:16
-
ساخت گراف محاسباتی 08:37
-
نوشتن کد آموزش و تست 15:11
-
آموزش، تست و فریز کردن گراف 12:28
-
راهاندازی پروژه Android 07:41
-
راهاندازی رابط کاربری 05:19
-
راهاندازی دیکشنری واژگان 08:34
-
فرمتبندی ورودی و اجرای آن از طریق مدل 07:55
-
مقدمه و دمو 03:49
-
تسک لیست 04:36
-
بازیابی داده 14:00
-
فرمتبندی مجموعه دادهها 14:02
-
ساخت گراف محاسباتی 11:47
-
نوشتن توابع آموزش، تست و ارزیابی 12:24
-
آموزش، تست و فریز کردن مدل 09:48
-
راهاندازی پروژه Android 08:05
-
ساخت رابط کاربری 15:29
-
ساخت بکاند اپلیکیشن و جمعبندی پروژه 13:46
-
مقدمهای بر پایتون 02:07
-
متغیرها 23:46
-
توابع 28:29
-
دستورهای if 32:19
-
مقدمهای بر لیستها 31:03
-
مقدمه و نمونههایی از استفاده از حلقهها 39:03
-
آشنایی با حلقههای while 30:19
-
break و continue در حلقهها 30:55
-
ساخت شکلها با حلقهها 16:28
-
حلقههای تودرتو و چاپ صفحه دوز 37:49
-
درک مجموعهها و دیکشنریها 25:58
-
نمونهای برای لیست موجودی 27:16
-
مقدمه و پیادهسازی ورودی و خروجی 38:46
-
مقدمه و یکپارچهسازی ورودی و خروجی فایل 43:17
-
نمونهای از بازی دوز 38:09
-
نمونهای از بازی دوز (ادامه) 30:49
-
نمونهای از نوشتن داده Participant در فایل 34:01
-
نمونهای از خواندن داده Participant از فایل 27:38
-
انجام چند آمار ساده با داده Participant از فایل 27:22
-
نگاهی اولیه به کلاسها 42:44
-
وراثت و کلاسها 42:44
-
نمونهای از کلاسها با استفاده از Pets 24:07
-
نمونهای از کلاسها با استفاده از Pets - سگها 17:19
-
نمونهای از کلاسها با استفاده از Pets - گربهها 23:03
-
گسترش مثال Pets و افزودن انسانها 16:33
-
مقدمهای بر ایمپورت و کتابخانه تصادفی 16:15
-
روش دیگری برای ایمپورت و استفاده از لیستها با تصادفی 16:51
-
استفاده از کتابخانه زمان 12:44
-
مقدمهای بر کتابخانه ریاضی 12:44
-
ایجاد بازی حدس کاربر با تصادفی 13:13
-
واداشتن رایانه به حدس زدن یک عدد تصادفی 22:47
-
بازی BlackJack بخش 1 - ایجاد و بر زدن یک دسته کارت 14:48
-
بازی Blackjack بخش 2 - ایجاد کلاس Player 38:41
-
بازی Blackjack بخش 3 - گسترش کلاس Player 14:48
-
بازی Blackjack بخش 4 - پیادهسازی شرطبندی و برد 18:23
-
بازی Blackjack بخش 5 - پیادهسازی حرکات بازیکن 24:24
-
بازی Blackjack بخش 6 - اجرای بازی (نهایی) 37:50
-
شروع کار با مدیریت خطا 23:36
-
مقدمهای بر Matplotlib 01:50
-
راهاندازی و نصب 05:33
-
ایجاد اولین نمودار پراکندگی ما 14:58
-
نمودارهای خطی 11:43
-
برچسبها، عنوان و لجند 13:17
-
تغییر تیکهای محور 13:15
-
افزودن متن به نمودارها 11:38
-
حاشیهنویسی نمودار 12:53
-
تغییر اندازه شکل و ذخیره آن 13:49
-
تغییر مقیاسهای محور 23:36
-
ایجاد هیستوگرامها 18:34
-
ساخت هیستوگرامهای بیشتر 19:53
-
تغییر نوع هیستوگرام 08:11
-
نمودارهای میلهای 23:52
-
نمودارهای انباشته 14:34
-
نمودارهای دایرهای 15:13
-
نمودارهای جعبهای و ویسکر 21:07
-
ایجاد شکلها و نمودارهای فرعی 12:31
-
دریافت و تجزیه داده csv برای ترسیم نمودار 20:14
-
ایجاد نمودار کندلاستیک 21:57
-
تنظیم تاریخها برای نمودار کندلاستیک ما 12:58
-
خواندن داده مستقیماً از Yahoo 19:28
-
شخصیسازی نمودار OHLC ما 09:13
-
افزودن گریدها 15:28
-
نگاهی دقیقتر به برچسبهای تیک 13:04
-
شخصیسازی خطوط گرید 12:40
-
نمودارهای لایو 29:31
-
استایلها و rcParameters 22:43
-
اشتراکگذاری محور X بین دو نمودار 18:51
-
تنظیم spines محور 14:49
-
ایجاد چندین محور در شکل ما 16:34
-
ایجاد چندین محور در شکل ما (ادامه) 16:37
-
ترسیم نمودار روی چندین محور 19:43
-
ترسیم نمودار روی چندین محور (ادامه) 15:13
-
شروع کار با ترسیم نمودار 3D 16:34
-
نمودارهای سطح و نقشههای رنگ 16:17
-
وایرفریمها و نمودارهای کانتور 27:35
-
انبوهی از هیستوگرامها و متن برای ترسیم نمودار 3D 24:35
-
مقدمه دوره و ابزارهای Sketch 01:01:53
-
مبانی Sketch و منابع آنلاین 58:26
-
پلاگینها و طراحی اولین اپلیکیشن موبایل شما 01:10:22
-
ادامه اولین اپلیکیشن موبایل شما 57:46
-
میانبرها و نکات اضافی 47:53
-
مقدمهای بر HTML 15:03
-
نوشتن اولین HTML ما 11:57
-
مقدمهای بر لیستها و کامنتها 07:36
-
لیستهای تودرتو 04:41
-
بارگذاری تصاویر 05:39
-
بارگذاری تصاویر در لیستها 03:15
-
لینکها 06:38
-
تصاویر به عنوان لینک 02:29
-
لینک Mailto 02:31
-
عنصر Div 08:36
-
مقدمه 10:45
-
آشنایی با مدل جعبهای 11:57
-
نوشتن اولین CSS ما 08:51
-
نمونههای بیشتر CSS 10:32
-
وراثت 04:58
-
مطالب بیشتر درباره سلکتورهای تایپ 09:04
-
دریافت فرزندان مستقیم 08:01
-
مقدمهای بر کلاس 09:02
-
چندین کلاس 04:03
-
مقدمهای بر id 05:35
-
مشخصات CSS 07:25
-
انتخاب چندین شبه کلاس و تطبیق خواهر و برادرها 10:33
-
استایلدهی صفحه دستور پخت 33:25
-
بارگذاری استایلشیت خارجی 06:37
-
مقدمهای بر دوره و D3 01:02:25
-
مدیریت داده و پروژه اول شما 01:00:02
-
ادامه پروژه اول شما 55:04
-
درک مقیاس 53:03
-
نمودارهای پیچیده، انیمیشنها و تعاملپذیری 01:29:09
-
راهاندازی و Flask اولیه 01:32:08
-
پایگاه داده اولیه Flask 55:15
-
سشن و منابع Flask 01:03:24
-
Flask Digital Ocean 47:18
-
ادامه Flask Digital Ocean 50:20
-
مقدمه و دمو 06:48
-
رابط عمومی 15:06
-
فایلهای سیستم 13:24
-
ViewController 06:53
-
فایل Storyboard 17:28
-
اتصال Outlets و اکشنها 14:12
-
اجرای یک اپلیکیشن 10:06
-
اشکالزدایی یک اپلیکیشن 11:40
-
لیست موضوعات مبانی زبان 05:14
-
اهداف یادگیری 04:24
-
مقدمهای بر متغیرها و ثابتها 16:16
-
تایپهای اولیه 19:07
-
رشتهها 19:11
-
مقادیر Nil 13:16
-
تاپلها 14:39
-
تبدیل تایپها 23:40
-
عملگرهای تخصیص 11:43
-
عملگرهای شرطی 12:51
-
لیست موضوعات و اهداف یادگیری 03:37
-
مقدمهای بر تایپهای کالکشن 10:57
-
ایجاد آرایهها 05:18
-
عملیاتهای رایج روی آرایهها 25:26
-
آرایههای چندبعدی 08:03
-
محدودهها 09:59
-
لیست موضوعات و اهداف یادگیری 04:06
-
مقدمهای بر دستورات if و else 10:07
-
دستورات else if 09:13
-
تستهای همزمان متعدد 12:58
-
مقدمهای بر دستورات switch 09:47
-
تکنیکهای پیشرفته دستور switch 16:25
-
بررسی مقادیر Nil 12:15
-
مقدمهای بر حلقههای while 14:51
-
مقدمهای بر حلقههای for...in 14:39
-
مقدمهای بر حلقههای For...In (ادامه) 11:19
-
حلقههای پیچیده و دستورات کنترل حلقه 20:05
-
مقدمهای بر توابع 20:19
-
پارامترهای تابع 12:01
-
دستورهای return 14:26
-
انواع پارامترها - برچسبهای آرگومان 09:23
-
انواع پارامترها - مقادیر پیشفرض 05:50
-
انواع پارامترها - پارامترهای InOut 09:03
-
انواع پارامترها - پارامترهای variadic 11:12
-
بازگردانی همزمان چند مقدار 07:46
-
لیست موضوعات و اهداف یادگیری 05:25
-
مقدمهای بر کلاسها 16:24
-
ویژگیها به عنوان فیلد - پیادهسازی افزودن به کلاس 13:43
-
Getters و Setters سفارشی 08:44
-
ویژگیهای محاسباتی 20:19
-
اسکوپ متغیر و self 13:15
-
متغیرهای lazy و ایستا 14:35
-
رفتار به عنوان متدهای نمونه و متدهای تایپ کلاس 24:04
-
رفتار و متدهای نمونه 16:38
-
متدهای تایپ کلاس 07:42
-
نمونههای کلاس به عنوان متغیرهای فیلد 08:52
-
وراثت، زیرکلاسسازی و سوپرکلاسسازی 24:06
-
Overriding Initializers 13:41
-
Overriding ویژگیها 16:30
-
Overriding متدها 10:33
-
بررسی Structs 20:24
-
Enumerations 16:30
-
مقایسه بین کلاسها، Structs و Enums 14:40
-
مقدمه و عناصر رابط کاربری 01:00:40
-
راهاندازی ماشینحساب و ماشینحساب مالیات 01:03:10
-
ماشینحساب انعام و View Controller 01:00:31
-
Constraints 33:41
-
کد Constraints 53:21
-
ریفکتور کردن 52:44
-
آمادهسازی داده و بخش 1 01:13:09
-
اصول دادهکاوی 01:16:07
-
توضیح چارچوب، مهار Big Bank با داده 01:00:00
-
استخراج و ذخیره داده 44:16
-
NLP (پردازش زبان طبیعی) 38:27
-
چالش جمعبندی 04:40
-
مقدمهای بر دوره 07:35
-
نصب Camtasia 13:47
-
آشنایی با رابط کاربری 29:23
-
مقدمه و نکات ضبط 15:23
-
ایجاد حساب ضبط 06:27
-
تمامصفحه در برابر حالت پنجرهای 05:00
-
تنظیم رزولوشن ضبط 08:13
-
رزولوشنهای مختلف و کاربردهای آنها 05:10
-
نکاتی برای بهبود کیفیت ضبط و جمعبندی 04:56
-
مقدمه و گردشکار 11:42
-
منوی گزینههای ابزارها 10:03
-
اولین ضبط شما 02:45
-
مشاهده تست خود 02:39
-
آداب استفاده از میکروفون 05:20
-
پروژه - تمرین ضبط 09:57
-
وبکم، تلپرومپتر و جمعبندی 04:33
-
مقدمه و پنل ابزارها 03:01
-
بوم 10:33
-
بزرگنمایی و Paninng 07:35
-
حاشیهنویسیها 15:47
-
خطوط چسبان زرد 05:51
-
مبانی تایملاین، جمعبندی و چالش 11:55
-
مقدمه و ایمپورت رسانه 17:29
-
نشانگرها 08:35
-
تقسیم 07:26
-
کار با صدا 28:58
-
سرعت کلیپ 06:34
-
لاک کردن و غیرفعالسازی ترکها 07:37
-
ترنزیشنها 09:39
-
کار با تصاویر 04:18
-
روایت صوتی 11:38
-
حذف نویز 08:32
-
فوکوس هوشمند 04:13
-
جمعبندی و چالش 01:55
-
مقدمهای بر ویرایش پیشرفته 08:05
-
بزرگنمایی چندین ترک 07:27
-
Easing 05:57
-
انیمیشنها 11:39
-
رفتارها 21:55
-
تنظیم رنگ 03:34
-
سرعت کلیپ 04:13
-
حذف یک رنگ 09:17
-
قاب دستگاه 04:15
-
Theme Manager 04:07
-
کتابخانهها 19:50
-
رسانه و جمعبندی 07:04
-
مقدمهای بر منابع و نکات 07:30
-
ماسک کردن 05:02
-
گسترش فریمها 04:40
-
کار با ویدئو 15:48
-
اکسپورت پروژه برای YouTube 23:06
-
مقدمهای بر دوره و تایپهای داده 50:30
-
عملگرها، کلاسها و تایپهای تکمیلی 01:05:27
-
دستورها و حلقهها 56:50
-
آرایهها، لیستها و رشتهها 58:51
-
فایلها، دایرکتوریها و اشکالزداییها 01:11:57
-
مقدمهای بر R 51:16
-
کنترل جریان و مفاهیم اصلی 01:04:27
-
ماتریسها، دیتافریمها، لیستها و دستکاری داده 01:17:00
-
GGplot و مقدمهای بر یادگیری ماشین 01:08:55
-
جمعبندی 47:25
-
بررسی دوره و راهاندازی داده 57:35
-
توابع در R 54:57
-
مدل رگرسیون 01:03:39
-
ادامه مدلهای رگرسیون و مدلهای طبقهبندی 57:04
-
ادامه مدلهای طبقهبندی، RMark Down و Excel 01:18:30
-
مقدمه و راهاندازی Android Studio 41:26
-
ادامه راهاندازی 01:00:53
-
اصول برنامهنویسی Java 01:06:33
-
اصول تکمیلی Java 01:17:19
-
کلاسها 01:10:45
مشخصات آموزش
یادگیری و تسلط به پایتون - از مبتدی تا حرفهای
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:Alls
- تعداد درس:367
- مدت زمان :115:32:08
- حجم :65.55GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
The Great Courses
1,833,000
366,600 تومان
- زمان: 02:27:39
- تعداد درس: 24
-
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
-
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
The Great Courses
5,201,500
1,040,300 تومان
- زمان: 06:58:57
- تعداد درس: 60
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
6,100,500
1,220,100 تومان
- زمان: 08:11:21
- تعداد درس: 28
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
7,256,500
1,451,300 تومان
- زمان: 09:44:25
- تعداد درس: 67
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
3,634,500
726,900 تومان
- زمان: 04:52:43
- تعداد درس: 38
-
سطح دوره:
-
زبان: دوبله فارسی