تکنیکهای پیشرفته توسعه با پایتون
✅ سرفصل و جزئیات آموزش
توضیحات دوره
این دوره مهارتهای شما در پایتون را با بررسی مفاهیم پیشرفته برنامهنویسی و استانداردهای صنعتی ارتقا میدهد. در این دوره با ساختارهای داده پیشرفته، تکنیکهای بهینهسازی کد، برنامهنویسی شیءگرا، GenAI، رایانش ابری و استراتژیهای تستنویسی قدرتمند آشنا میشوید.
مزایا: با تسلط به تکنیکهای پیشرفته برنامهنویسی پایتون میتوانید چالشهای پیچیده را حل کنید و کدهای بهینه، قابل نگهداری و حرفهای بنویسید.
در پایان این دوره قادر خواهید بود:
- از ساختارهای داده پیشرفته مانند استک، صف و گراف استفاده کنید.
- با کمک دکوراتورها، ژنراتورها و context managerها کدهای خواناتر و بهینهتر بنویسید.
- مفاهیم پیشرفته برنامهنویسی شیءگرا را به کار ببرید.
- از ابزارهای GenAI برای تولید و بهینهسازی کد استفاده کنید.
- اپلیکیشنها را روی پلتفرمهای ابری مانند Azure استقرار دهید.
- مستندات جامع بنویسید و از TDD برای توسعه استفاده کنید.
ابزارها/نرمافزارها: Python ،Azure ،Sphinx ،asyncio
این دوره برای افراد مبتدی یا تازهکار طراحی شده که قصد دارند دانش پایه و تجربه عملی در Python کسب کنند و در مسیر شغلی توسعهدهنده Python قرار بگیرند. هیچ تجربه کاری یا مدرک دانشگاهی لازم نیست.
تکنیکهای پیشرفته توسعه با پایتون
-
مرور ساختارهای داده رایج: لیست ها، دیکشنری ها و setها 5:30
-
بررسی ساختارهای داده پیشرفته 2:23
-
استک ها و صف ها: مثالهای دنیای واقعی 2:09
-
Python powerhouses: ست ها، deques و هیپ ها 5:24
-
دمو: پردازش کارآمد داده با ست ها و deques 5:26
-
آشنایی با دکوراتورها: افزودن قابلیتها بهصورت زیبا و مؤثر 5:37
-
چرخه generator: یک نگاه بصری 2:35
-
دمو: پاکسازی با context managers - مدیریت امن منابع 5:15
-
دگرگونی کد 2:25
-
متاکلاس ها: معمار کلاسها 5:45
-
تغییر کلاسها بهصورت پویا 6:11
-
Introspection در عمل: کشف ویژگیهای پنهان اشیا 2:19
-
دمو: استفاده از metaclass در یک ORM سفارشی 5:50
-
سیلابس تکنیکهای پیشرفته توسعه با پایتون None
-
ساختارهای داده پیشرفته پایتون بخش 1: استک ها و صف ها None
-
ساختارهای داده پیشرفته پایتون بخش 2: گراف ها، درخت ها، لیست های پیوندی None
-
نوشتن کدهای خواناتر، تمیزتر و کارآمدتر None
-
ساخت یک timer decorator: ردیابی سرعت تابع شما None
-
ژنراتورهای پایتون: Lazy evaluation برای کارایی None
-
دکوراتورهای دنیای واقعی: کشینگ، لاگ کردن و موارد بیشتر None
-
کاربردهای metaprogramming: فراتر از مفاهیم پایه None
-
از پرامپت ها تا پایتون: خودکارسازی تولید کد 6:22
-
آشنایی با GenAI 2:27
-
دمو: سادهسازی تسکهای تکراری با GenAI Autocomplete 5:36
-
بی نقصی کد: GenAI بهعنوان بازبین و بهینهساز کد 2:32
-
یافتن باگها و آسیبپذیریها با GenAI 6:11
-
دمو: Refactor کردن کد با GenAI 6:02
-
ایجاد تست های واحد بر اساس مشخصات و کد با GenAI 5:52
-
دمو: مهندسی پرامپت برای Python – مدیریت هوش مصنوعی 5:25
-
تضمین کیفیت با GenAI: اطمینان از اثربخشی تستها 5:39
-
مستندسازی مانند یک حرفهای: استفاده از GenAI برای تولید مستندات شفاف و مختصر 5:43
-
خودکارسازی docstrings و کامنتهای توابع با GenAI 5:54
-
اهمیت بازبینی انسانی: تضمین دقت و کامل بودن مستندات 2:08
-
دمو: تولید مستندات ارجاع API با استفاده از GenAI 6:05
-
بهترین شیوهها برای ساخت پرامپتهای مؤثر در GenAI None
-
درک محدودیتهای GenAI در تولید کد None
-
تفسیر بازخورد GenAI: بینشهای کاربردی برای بهبود کد None
-
نقش انسان: ترکیب GenAI با بازبینی دستی کد None
-
هنر پرامپتنویسی تست: هدایت GenAI برای تولید تستهای مؤثر None
-
قالبها و راهنماهای نگارشی مستندسازی برای GenAI None
-
رایانش ابری 101 6:18
-
دنیای کلود: Azure 2:24
-
دمو: پورتال Azure 5:43
-
از لوکال تا کلود: استراتژیهای استقرار 6:25
-
دمو: استقرار یک اپلیکیشن فلسک روی Microsoft Azure 5:10
-
استفاده از Microsoft Azure با Python 2:40
-
فراتر از استقرار: بهرهگیری از قدرت کلود 6:25
-
دمو: ذخیرهسازی و بازیابی داده با Azure SDK برای Python 5:01
-
اکوسیستم Azure None
-
انتخاب پلتفرم کلود مناسب: عوامل مهم برای تصمیمگیری None
-
الزامات امنیت ابری: حفاظت از داده و اپلیکیشن های شما None
-
Serverless computing با پایتون: توابع آژور در عمل None
-
ارکستراسیون کانتینرها در کلود: Kubernetes برای مقیاسپذیری None
-
ساخت یک REST API سرورلس با Azure SQL None
-
راهنمای عملی: استقرار یک اپلیکیشن پردازش تصویر سرورلس None
-
هدف مستندسازی 2:40
-
فراتر از کدنویسی: هنر مستندسازی 6:31
-
دمو: نوشتن docstrings مؤثر – نکات و مثالها 5:54
-
Sphinx: تولید مستندات زیبا از کد شما 6:30
-
مهندسی پرامپت: کلید برای آزادسازی پتانسیل GenAI' 2:27
-
GenAI به کمک شما: خودکارسازی وظایف مستندسازی 6:38
-
دمو: تولید خودکار docstring با GenAI 5:56
-
دمو: مهندسی پرامپت در عمل – مستندسازی با GenAI 5:38
-
ایجاد مستندات API با GenAI: رویکرد صرفه جویی در زمان 7:31
-
کدنویسی تمیز: اصولی برای توسعه دهندگان پایتون 6:47
-
جمعبندی نهایی و گامهای بعدی 6:24
-
ریفکتورینگ برای وضوح بیشتر: بهبود ساختار و خوانایی کد 6:43
-
بازبینی کد: همکاری برای تولید کد بهتر 6:10
-
برنامه نویسی غیرهمزمان چیست؟ 2:19
-
مقایسه کد همزمان و غیرهمزمان: یک تحلیل تطبیقی 6:09
-
رفتن به سمت غیرهمزمانی: همزمانی برای اپلیکیشنهای سریعتر و واکنشگرا 6:15
-
دمو: ساخت یک web scraper ساده و غیرهمزمان 5:24
-
دمو: مدیریت خطا در کدهای غیرهمزمان – بهترین شیوهها 5:24
-
سبکهای مستندسازی پایتون: PEP 8 و فراتر از آن None
-
مستندسازی API: از طراحی تا استقرار None
-
اصلاح مستندات تولیدشده توسط GenAI: تضمین دقت و کامل بودن None
-
اصول SOLID: ساخت کدهای انعطافپذیر و قدرتمند None
-
نوشتن کد Pythonic: الگوها و بهترین شیوهها None
-
Asyncio: ستون اصلی برنامهنویسی غیرهمزمان در Python None
-
راهنمای عملی: مستندسازی یک کتابخانه Python None
-
فراتر از تست واحد: اطمینان از همکاری درست کامپوننت ها 2:25
-
دمو: ماک کردن وابستگیها برای تست یکپارچهسازی مؤثر 6:28
-
تشریح ماک کردن در pytest 6:09
-
دمو: تست یکپارچهسازی یک اپلیکیشن Flask با pytest 5:58
-
آشنایی با TDD 5:37
-
TDD: ابتدا تست بنویسید، سپس کد بنویسید 2:07
-
TDD در عمل: ساخت یک تابع ساده در Python 5:59
-
دمو: TDD با pytest، فیکسچرها و پارامتریسازی تست 4:53
-
استراتژیهای تست یکپارچهسازی: بالابهپایین، پایینبهبالا و ساندویچی None
-
دابل های تست: Mock ،Stub و Fake None
-
ذهنیت TDD: تغییر رویکرد توسعه None
-
سطح بعدی: تست خودکار با پایپ لاینهای CI None
-
تاکتیکهایی برای اعمال تکنیکهای پیشرفته پایتون None
-
تکنیکهای پیشرفته توسعه پایتون: جمعبندی و کاربرد عملی None
مشخصات آموزش
تکنیکهای پیشرفته توسعه با پایتون
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:مقدماتی
- تعداد درس:94
- مدت زمان :05:03:47
- حجم :4.1GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy