دوره Python Powerhouse Gen AI - برنامه نویسی از مبانی تا پیشرفته

آنچه یاد خواهید گرفت:

• ساخت وب اپلیکیشن های قوی با استفاده از پایتون و Flask
• تسلط به مبانی Flask: مسیرها، قالب ها، فرم‌ها و سشن ها
• طراحی و پیاده‌سازی RESTful APIs با Flask
• تسلط به مبانی و مفاهیم پیشرفته Flask
• پیاده‌سازی اپلیکیشن های Flask در محیط‌های تولید
• پیاده‌سازی اپلیکیشن های Flask در محیط‌های تولید

پیش نیازهای دوره

• دانش پایه‌ای از برنامه‌نویسی پایتون توصیه می‌شود. نیازی به تجربه‌ی قبلی در Flask نیست.
• دانش پایه‌ای از برنامه‌نویسی پایتون
• درک HTML ،CSS و JavaScript (توصیه می‌شود)

توضیحات دوره

این دوره جامع به گونه‌ای طراحی شده است که دنیای هنر و فناوری را از طریق قدرت برنامه‌نویسی پایتون ترکیب کند. این دوره به‌طور دقیق برای افرادی که می‌خواهند توانایی‌های پایتون و generative AI را برای ایجاد هنر بصری خیره‌کننده و راه‌حل‌های طراحی نوآورانه به کار ببرند، ساخته شده است.

در این دوره، شما سفری را آغاز می‌کنید که از مبانی پایتون شروع شده و به تکنیک‌های پیشرفته در هنر و طراحی تولیدی می‌انجامد. این دوره هم برای مبتدیان و هم برای برنامه‌نویسان با تجربه ساختاری مناسب برای تسلط به ویژگی‌های کلیدی پایتون و کاربرد آن‌ها در زمینه خلاق هنر تولیدی فراهم می‌آورد.

بخش 1: لیست‌ها و تاپل‌ها در پایتون

سفر خود را با درک ساختارهای داده بنیادین در پایتون - لیست‌ها و تاپل‌ها - آغاز کنید. شما یاد خواهید گرفت که چگونه این ساختارها را ایجاد، دستکاری و به‌خوبی از آن‌ها استفاده کنید. با انجام تمرین‌های عملی و مطالعات موردی، خواهید آموخت که عملیات‌هایی مانند مرتب‌سازی، ایندکسینگ و اسلایس لیست‌ها را انجام دهید و همچنین طبیعت غیرقابل تغییر تاپل‌ها را درک کنید. این بخش پایه‌ای قوی در انواع داده‌های اصلی پایتون فراهم می‌کند که برای هر گونه وظیفه پیشرفته برنامه‌نویسی ضروری است.

بخش 2: مجموعه‌ها و دیکشنری‌ها در پایتون

به ساختارهای داده پیشرفته‌تر، یعنی مجموعه‌ها و دیکشنری‌ها بپردازید. یاد بگیرید که چگونه مجموعه‌ها را تعریف و دستکاری کنید، عملیات مختلفی مانند union ،intersection و تفاوت را انجام دهید و دیکشنری‌ها را با کلید-مقدارها مدیریت کنید. این بخش شما را با مهارت‌های لازم برای مدیریت سناریوهای داده پیچیده‌تر و بهینه‌سازی استراتژی‌های مدیریت داده آشنا می‌کند.

بخش 3: دستکاری تاریخ و زمان

هنر مدیریت داده‌های تاریخ و زمان با پایتون را یاد بگیرید. شما یاد خواهید گرفت که چگونه اشیاء تاریخ-زمان را فرمت و دستکاری کرده، کامپوننت های معنی‌دار را استخراج کنید و این مهارت‌ها را در سناریوهای واقعی به کار ببرید. این بخش شامل یک مطالعه موردی در پیش‌بینی ریزش مشتری است، جایی که شما با تکنیک‌های پیش‌پردازش داده و مهندسی ویژگی که برای تحلیل دقیق داده‌ها ضروری است، تمرین خواهید کرد.

بخش 4: برنامه‌نویسی تابعی

به بررسی پارادایم‌های برنامه‌نویسی تابعی با پایتون بپردازید، با تمرکز بر روی توابع لامبدا، عملیات نقشه، کاهش و فیلتر. یاد بگیرید که چگونه این مفاهیم را برای ساده‌سازی کد و انجام تبدیل‌های داده مؤثر به کار ببرید. این بخش به بررسی عمیق تکنیک‌های برنامه‌نویسی تابعی می‌پردازد و مثال‌های کاربردی و موارد استفاده ارائه می‌دهد.

بخش 5: برنامه‌نویسی پیشرفته پایتون

مهارت‌های پایتون خود را با مفاهیم پیشرفته برنامه‌نویسی مانند بازگشت، مهندسی ویژگی و تحلیل داده‌ها گسترش دهید. شما به حل مسائلی مانند محاسبات دست دادن با استفاده از روش‌های تکراری و بازگشتی پرداخته و یاد خواهید گرفت که چگونه ویژگی‌های تاریخ-زمان را برای مدل‌های یادگیری ماشین مهندسی کنید. این بخش همچنین نگاهی عمیق به مجموعه داده‌های IRIS دارد و درک شما از معیارهای ارزیابی مانند دقت، یادآوری و AUC ROC را افزایش می‌دهد.

بخش 6: کتابخانه‌های پایتون و تحلیل داده‌ها

در استفاده از کتابخانه‌های استاندارد پایتون برای عملیات ریاضی، تولید عدد تصادفی و مدیریت فایل مهارت پیدا کنید. تکنیک‌های تحلیل داده اکتشافی را از طریق مثال‌های عملی، مانند تحلیل بازی فوتبال، مورد بررسی قرار دهید و یاد بگیرید که چگونه داده‌ها را به‌خوبی مدیریت و پاک‌سازی کنید.

بخش 7: تکنیک‌های پیشرفته مصورسازی داده

تکنیک‌های مصورسازی پیشرفته‌ای را یاد بگیرید که به تفسیر و ارائه بینش‌های داده‌ای کمک می‌کند. این بخش شامل نمودارهای توزیع، نمودارهای KDE، نمودارهای مشترک و شناسایی outliers است. شما مهارت‌هایی را توسعه خواهید داد که به ایجاد نمایه‌های بصری جذاب و مؤثر از داده‌ها کمک می‌کند و در تحلیل و داستان‌سرایی مفید خواهد بود.

بخش 8: ساخت و ارزیابی مدل

در نهایت، مهارت‌های خود را برای ساخت و ارزیابی مدل‌های یادگیری ماشین به کار ببرید. فرایند پیش‌پردازش داده، آموزش مدل و ارزیابی با تمرکز بر رگرسیون لجستیک را بیاموزید. معیارهای کلیدی ارزیابی را درک کنید و یاد بگیرید چگونه آنها را تفسیر کنید تا عملکرد مدل خود را بهبود ببخشید.

در پایان این دوره، شما درک جامعی از برنامه‌نویسی پایتون و کاربرد آن در هنر و طراحی تولیدی خواهید داشت. شما با مهارت‌هایی برای ایجاد هنر نوآورانه، مدیریت داده‌های پیچیده و به‌کارگیری تکنیک‌های پیشرفته در حل مشکلات دنیای واقعی مجهز خواهید شد. چه بخواهید در زمینه علم داده، هنر یا طراحی مشغول به کار شوید، این دوره مهارت‌های بنیادی و پیشرفته‌ای را که برای برتری در این زمینه‌ها نیاز دارید، فراهم می‌آورد.

این دوره برای چه کسانی مناسب است؟

• توسعه‌دهندگان پایتون که می‌خواهند به توسعه وب بپردازند.
• توسعه‌دهندگان وب آینده‌نگر که به استفاده از پایتون علاقه دارند.
• افرادی که می‌خواهند وب اپلیکیشن های با یک فریم‌ورک سبک بسازند.
• هر کسی که کنجکاو است تجربه‌های آنلاین تعاملی خلق کند.
• توسعه‌دهندگان وب آینده‌نگر که به شیوه‌ای عملی علاقه‌مندند.
• دانشجویان یا حرفه‌ای‌های علاقه‌مند به ساخت وب اپلیکیشن ها