خودو فان روسوم در سال ۱۹۹۱، وقتی که تنها ۳۵ سال داشت، زبان برنامه نویسی پایتون رو طراحی کرد که امروزه به عنوان یکی از برترین زبان های برنامه نویسی جهان شناخته می شود.به گزارش ایندکس TIOBE ، زبان برنامه نویسی پایتون به عنوان زبان سال های ۲۰۰۸، ۲۰۱۰، ۲۰۱۸ انتخاب شده است و بیشترین رشد و بازدید را نسبت به سایر زبان ها در سال گذشته طبق آمار Stackoverflow داشته است.

آموزش python

یکی از دلایل فراگیر شدن این زبان راحتی یادگیری آن برای افراد مبتدی است. البته در عین حال فوق العاده برای حرفه ای ها کارآمد است. در گام های این بسته آموزشی سعی شده است به تمامی جنبه های پایتون در زمانی بسیار منطقی و مفید توجه شود، البته با توجه بیش تر به حوزه های هوش مصنوعی و یادگیری ماشین و یادگیری ژرف بعنوان گام آخر.

نقشه راه بسته جامع زبان برنامه نویسی پایتون

برای یادگیری زبان پایتون و حرفه شدن در آن نقشه ی راه این دوره در ۷ قدم طراحی شده است تا از پایه شروع کنید و بطورخلاصه به مباحث مهمی در دنیای برنامه نویسی مانندتفکر رویه ای و تفکر شی گرایی ، کار با دیتابیس، کار با ابزارهای گرافیکی و ماژول های مختلف پایتون و در نهایت مهمترین دلیل محبوبیت پایتون یعنی حوزه ی هوش مصنوعی و یادگیری ماشین مسلط شوید و از برنامه نویسی در قالب پروژه های این دوره لذت ببرید.

قدم اول: مقدمات برنامه نویسی پایتون ( تفکر برنامه نویسی رویه ای؟)

در گام اول برنامه نویسی نیاز است با مفاهیم پایه و Concept های برنامه نویسی آشنا شوید. این مفاهیم پایه می توانند ساختمان های داده ، ساختار های تصمیم و انتخاب ، ساختارهای تکرار ، کار با توابع ، سازنده ها ، کار با فایلها ، کتابخانه های استاندارد و… باشند. البته مهمترین هدف در این قدم ، تفکر برنامه نویسی است (که درواقع منحصر به یک زبان برنامه نویسی خاص هم نیست)، تلاش اینست که این تفکر در قالب پروژه های الگوریتمی در طول جلسات یا پس از اتمام آموزش یک مبحث، در قالب جلسات پروژه محور به دانشجو منتقل شود.

برای رسیدن به این هدف مهم ، پروژه هایی چالش برانگیز مشابه پروژه ی بخش رمزنگاری، پروژه کار با فایلها و… در طول دوره برای تمرین قرار داده شده است زیراکه بهترین روش یادگیری برنامه نویسی ، یادگیری در قالب پروژه های آموزشی و درواقع حل مسئله بصورت لایو است.انتظاری که از شما در انتهای این قدم می رود اینست که بهمراه مدرس کدنویسی و تمرین و تکرار کنید.در انتهای کار با کلیات زبان پایتون و از همه مهمتر بردن مسئله به دنیای کد آشنا خواهید شد.

تعداد جلسات آموزشی : ۳۰ جلسه

قدم دوم: ابزارهای کاربردی پایتون

در قدم اول با مفاهیم اولیه برنامه نویسی آشنا شدید، در این بخش یاد خواهید گرفت که با برخی از ابزارهای دم دستی و بسیارکاربردی زبان پایتون مشابه کتابخانه Requests و چندین مفهوم بسیار مهم در دنیای برنامه نویسی یعنی کار با عبارات با قاعده یا Regex ها ، API های برنامه نویسی (برای ارتباط برنامه ها باهم) و… چگونه کار کنید. برای تمرین ، پروژه هایی جالب نیز برای تلفیق این مفاهیم با هم در طول جلسات قرار داده شده است ، نظیر:

  • ساخت یک استخراج کننده ی ایمیلهای یک وبسایت با Regex ها و Requests زدن به URL وبسایت
  • سرویس ارائه دهنده ی آب و هوای یک منطقه جغرافیایی با Requests و API ها

تعدادجلسات آموزشی :  ۶ جلسه

قدم سوم: تفکر برنامه نویسی شی گرا؟

در دو قدم اول با برنامه نویسی کلاسیک آشنا شدید ، در این بخش با فلسفه ی شی گرایی آشنا خواید شد ( اکثر برنامه نویسان بزرگ فلاسفه ی خوبی هم هستند). به سوالاتی نظیر سوالات زیر در این قدم پاسخ خواهیم داد :‌

  • چرا شی گرایی؟
  • چه موقع باید و چه موقع نباید از شی استفاده کنیم؟
  • اصول شی گرایی چه هستند؟ (پیاده سازی این اصول را در پایتون در قالب مثالهای آموزشی جالب خواهیم دید.)
    • Encapsulation (کپسوله سازی)
    • Abstraction (تجرید یا انتزاع)
    • Inheritance (ارث بری)
    • Polymorphism (چند ریختی)

تعدادجلسات آموزشی : ۴ جلسه

قدم چهارم: پایگاه داده MySQL

یکی از مهم ترین مواردی که در دنیای نرم افزار وجود دارد ، بحث داده است و ذخیره سازی این داده ، اکثر نرم افزار ها ، وب سرویس ها و اپلیکیشنهای موبایل و … با داده هایی سروکار دارند، در حداقل ترین حالت اینکه اطلاعات پایه ای کاربرانش را باید ذخیره کند و یکسری  Authentication هایی انجام دهند تا نرم افزارهای حسابداری و مدیریت مالی که بصورت کلی با داده و اطلاعات سروکار دارند. بنابراین این قدم یکی از گام های کلیدی در حرفه ای شدن یک برنامه نویس می تواند داشته باشد.

در گذشته، قبل از پایگاه داده های ارتباطی (Relational Databases) از سیستم های فایلی (که در قدم اول یاد گرفته اید) استفاده میشد، بعد ها پایگاه های داده ی ارتباطی و NoSQL و … مطرح شدند. در این قدم هدف این است که با عملیات اساسی و اصلی روی دیتابیس یعنی CRUD روی دیتابیس آشنا خواهید شد:

  • Create
  • Read
  • Update
  • Delete

در ابتدا یاد خواهید گرفت که چگونه می توانید یک سرور محلی در سیستم خود با Xampp Server ایجاد کنید و از طریق درایور MySQL با پایتون به آن Connect شوید و در ادامه با عملیات اصلی پایگاه داده و زبان SQL و پیاده سازی آن در پایتون آشنا شوید.

تعدادجلسات آموزشی : ۱۰ جلسه

قدم پنجم: برنامه نویسی گرافیکی (PyQt5)

پوسته ی ظاهری هر نرم افزار (فرانت اند) یکی از مهمترین بخش های توسعه ی هر نرم افزاری است، زیرا که در نهایت کار ، کاربر نهایی از طریق این لایه است که با نرم افزار شما در ارتباط است و طراحی یک ظاهر خوب و جذاب میتواند سبب راحتی مخاطب در کار با نرم افزار و در نتیجه برقراری ارتباط بهتر با نرم افزار شما شود. در این قدم یکی از فریمورک های طراحی گرافیکی پایتون یعنی PyQT5 را بررسی میکنیم. QT برای C++ توسعه داده شده است و یکی از مهمترین مزیت های آن مالتی پلتفرم بودن آن است.

برای طراحی گرافیکی بصورت کلی دو رویکرد وجود دارد ، رویکرد اول : کد نویسی برای تک تک Widget ها و اجزای گرافیکی پروژه است و رویکرد دوم : استفاده از یک GUI Builder (نظیر QT Designer) که در این بخش به هردو ی این دو روش خواهیم پرداخت (با تمرکز بر رویکرد دوم).

  • هدف نهایی این قدم : آشنایی با برنامه نویسی رویدادگرا یا Event Based Programming خواهد بود.
  • برای تمرین یک ماشین حساب گرافیکی را از صفر تا صد طراحی و برنامه نویسی خواهیم کرد.

تعداد جلسات آموزشی : ۵ جلسه

قدم ششم: فریمورک ها و پکیج های کاربردی در پایتون

در این قدم با تعدادی از فریمورک ها و پکیج های پایتون آشنا خواهید شد. در پایتون تقریبا برای هرکاری پکیجی توسعه داده اند و تا اینجای کار شما با یادگیری بخش عظیمی از زبان پایتون ، توانایی یادگیری هر پکیجی را خواهید داشت . در این بخش با چندین مورد مهم زیر آشنا خواهید شد.

  • برخی از بسته های پرکاربرد پایتون مانند Numpy و Matplotlib (زیرا که در اکثر پروژه ها بخصوص برای کار با تصاویر نیاز به ماتریس های استاندارد Numpy خواهید داشت).
  • مقدماتی از کار با تصاویر و آشنایی با OpenCV
  • مقدمات خواندن و ارسال ساختارمند اطلاعات به سمت وب و آشنایی با Scrapy و Selenium

تعدادجلسات آموزشی : ۴ جلسه

قدم هفتم: هوش مصنوعی، یادگیری ماشین، یادگیری عمیق

در گام آخر بسته ی جامع پایتون،لازم است با یکی از حوزه های دنیای پیش روی پایتون آشنا شوید. مهم ترین دلیل محبوبیت پایتون پکیج های مهم و بسیار کاربردی و در عین حال راحت پایتون برای کار هوش مصنوعی و یادگیری ماشین است بطوریکه اولین انتخاب اکثر تحلیل گران داده و افرادی که در زمینه یادگیری ماشین کار میکنند پایتون و کتابخانه های فوق العاده ی آن است. در این قدم چندین مورد مهم را یاد خواهید گرفت.

  • هوش مصنوعی؟ یادگیری ماشین؟
  • کتابخانه Scikit Learn برای کار با مسائل هوش مصنوعی (مسائلی نظیر Classification و Prediction و …) ، در این بخش علاوه بر بررسی این کتابخانه سه پروژه جذاب هم خواهیم نوشت و استفاده عملی از هوش مصنوعی را خواهیم دید
    1. پروژه تشخیص پاس شدن یا نشدن دانشجویان با استفاده از iq بوسیله ی Bayes Classifier
    2. پروژه تشخیص جنسیت بر اساس قد و وزن KNN Classifier
    3. پروژه پیش بینی جمعیت با Regression
  • شروع کار یادگیری عمیق یا ژرف (Deep Learning)
  • شبکه های عصبی مصنوعی (Artificial Neural Networks)
  • مدل Perceptron
  • مدل MLP(Multilayer Perceptron)
  • شبکه های عصبی کانوولوشنال (CNN)
  • معماری های معروف CNN
    • LeNet
    • AlexNet
    • VGG16
    • VGG19
    • GoogleNet
    • ResNet
  • آشنایی با کتابخانه Keras برای پیاده سازی شبکه های عصبی مصنوعی
  • آشنایی با Google Colab
  • پروژه نهایی در زمینه پردازش تصاویر و دسته بندی (تشخیص محدوده سنی تصاویر و چهره های مختلف و دسته بندی سه کلاس خردسال، جوان و پیر)

تعدادجلسات آموزشی : ۱۲ جلسه

مطالب مهمی که در این دوره به آن می پردازیم؟

  • مقدمات برنامه نویسی با زبان پایتون ، ساختار های تصمیم و شرطی و…
  • تفکر برنامه نویسی رویه ای (کار با تابع ها) و کار با فایل ها و…
  • رمزنگاری در پایتون
  • حل پروژه های مختلف و چندین برنامه از مسابقات برنامه نویسی
  • کار با ابزار های پایتون از قبیل Regex و Requests و API
  • تفکر برنامه نویسی شی گرا در پایتون ، کپسوله سازی، ارث بری ، انتزاع، چند ریختی و…
  • کار با دیتا بیس MySQL در پایتون
  • برنامه نویسی گرافیکی و رویدادگرا با استفاده از PyQT5
  • کتابخانه ها وپکیج های کاربردی پایتون از قبیل Numpy و Matplotlib و OpenCV
  • ارسال و دریافت اطلاعات از وب به کمک Scrapy , Selenium
  • مقدمات یادگیری ماشین و هوش مصنوعی Machine Learning
  • کتابخانه Scikit Learn برای پیاده سازی کلاسیفایر های مختلف
  • Bayes Classifier
  • KNN Classifier
  • Regression
  • مقدمات یادگیری ژرف (Deep Learning)
  • شبکه های عصبی مصنوعی و MLP
  • شبکه های عصبی کانوولوشنال CNN
  • معماری های شبکه های کانوولوشنال

چرا پایتون؟

امروزه پایتون در زمینه توسعه برنامه‌های کاربردی تحت وب و مدیریت سیستم‌ها و تجزیه و تحلیل بزرگ داده‌ها که رشد انفجاری به خود گرفته‌اند و همچنین هوش مصنوعی به یکی از بازیگران اصلی دنیای فناوری تبدیل شده است. البته پایتون در زمینه های طراحی اپلیکیشن های موبایل با فریمورک kivy طراحی صفحات وب با فریمورکهایی مثل Django, Flask نیز بسیار محبوب است. پایتون این موفقیت چشم‌گیر و کاربرد گسترده را مدیون یکسری ویژگی‌های ارزشمندی است که هم در اختیار توسعه‌دهندگان حرفه‌ای و هم در اختیار توسعه‌دهندگان تازه‌کار قرار داده است.

از جمله این ویژگی‌ها به موارد زیر می‌توان اشاره کرد:

  • یادگیری پایتون بسیار ساده است
  • Community بزرگ از برنامه نویسان
  • مناسب برای هوش مصنوعی و Data Analysis و یادگیری ماشین
  • پایتون کراس پلتفرم است
  • تقریبا برای هر کاری در پایتون پکیج و یا کتابخانه ای توسعه داده شده است
  • و …

دوره جامع آموزش زبان برنامه نویسی پایتون مناسب چه افرادی است ؟

  • افرادی که تا کنون با برنامه نویسی آشنایی چندانی نداشته اند میتوانند با پیمودن گام های این دوره در انتهای کار به یک برنامه نویس تبدیل شوند که میتوانند به حل مسئله بپردازند و با پیاده سازی هوش مصنوعی آشنا شده است.
  • افرادی هم که با برنامه نویسی آشنایی دارند اما میخواهند به زبان قدرتمند پایتون مهاجرت کنند میتوانند از این دوره بهره ببرند و با برنامه نویسی شی گرا، برنامه نویسی گرافیکی و کار با دیتا بیس و … از همه مهمتر هوش مصنوعی آشنا شوند.مهم ترین مخاطب این دوره علاقه مندان به برنامه نویسی و افرادی هستند که پایتون را برای قدرتی که در زمینه ی یادگیری ماشین به سبب پکیج های کاربردی اش دارد انتخاب کرده اند.

تکنولوژی و نرم افزار های مورد نیاز:

  • پایتون ورژن ۳ (ورژن های پیشنهادی مدرس : ۳٫۸٫۵ و ۳٫۷٫۵ و ۳٫۶٫۲ و ۳٫۵٫۲ و ۳٫۷٫۴)
  • محیط توسعه : Visual Studio Code (آخرین نسخه)
  • دیتابیس MySQL
  • Xampp server
  • QT Designer
  • برخی از لایبراری های پایتونی که به آنها خواهیم پرداخت:
    • Request
    • Regex
    • Hashlib
    • PyQt5
    • Json lib
    • Numpy و Matplotlib و OpenCV
    • Scrapy و Selenium
    • Scikit-Learn
    • Keras
    • و …

سرفصل های بسته جامع پایتون:

بخش اول : آموزش پایتون مقدماتی

  • نقشه ی راه برنامه نویسی پایتون
  • چرا پایتون؟
  • نصب پایتون و ide مورد نیاز (VS Code)
  • انواع داده ای در پایتون
  • رشته ها
  • Lists
  • Tuples
  • Sets
  • Dictionary
  • ساختار های شرطی
  • ساختار های تکرار for , while
  • Iterators
  • توابع
  • Lambda
  • Generators
  • پروژه انواع مرتب سازی لیست
  • کار با فایلها
  • پروژه کار با فایل (دفترچه تلفن)
  • فایلهای باینری و کتابخانه ی pickle
  • پروژه مدیریت سیستم کتابخانه
  • کتابخانه های استاندارد پایتون os time sys random urllib
  • رمزنگاری چیست؟
  • پروژه رمزنگاری
  • پروژه اول از مسابقات برنامه نویسی
  • پروژه دوم از مسابقات برنامه نویسی
  • پروژه سوم از مسابقات برنامه نویسی
  • پروژه چهارم از مسابقات برنامه نویسی
  • اضافه کردن یک ماژول
  • Try Except و مدیریت خطا
  • Pip (پکیج منیجر پایتون) چیست؟

بخش دوم :‌ ابزار های کاربردی در پایتون

  • کار با Regex ( عبارات با قاعده )
  • کتابخانه Requests
  • پروژه استخراج ایمیلهای یک سایت
  • کتابخانه JSON
  • API های برنامه نویسی (Application Programming Interface)
  • پروژه طراحی سرویس آب و هوا برای یک منطقه جغرافیایی ( کار با API ها )

بخش سوم : شی گرایی در پایتون

  • مفهایم اولیه شی گرایی ( چرا شی گرایی؟ تفکر شی گرایی؟ )
    • کپسوله سازی (Encapsulation)
    • تجرید و انتزاع (Abstraction)
    • ارث بری (Inheritance)
    • چند ریختی (Polymorphism)
  • بررسی اولین پروژه شی گرایی
    • متد ها و ویژگی ها در کلاس
    • ویژگی های شی ، ویژگی های کلاس
    • ساختن شی و متد سازنده (Constructor)
  • بررسی ارث بری و abstraction در پایتون
  • بررسی چند ریختی در پایتون

بخش چهارم : کار با پایگاه داده My SQL در پایتون

  • معرفی پایگاه داده های رابطه ای (Relational Databases)
  • نصب و معرفی XAMPP Server برای ایجاد سرور محلی
  • نصب MySQL Connector
  • اتصال به سرور
  • ایجاد پایگاه داده
  • ایجاد جدول
  • دستور SELECT و ایجاد شرط
  • پیوند جدولها با کلید خارجی (JOIN)
  • دستور INSERT
  • دستور DELETE, DROP

بخش پنجم : برنامه نویسی گرافیکی GUI

  • آشنایی و نصب کتابخانه ی PyQt5
  • نوشتن اولین برنامه گرافیکی
  • آشنایی با signal , connect برای مدیریت رویداد ها (Event handling)
  • نصب QT Designer
  • پروژه ی ماشین حساب

بخش ششم : کتابخانه ها و فریمورک های پایتون

  • آشنایی با Numpy
  • آشنایی با Matplotlib
  • آشنایی با OpenCV
  • خواندن و ارسال اطلاعات به سمت وب
    • آشنایی با Scrapy
    • آشنایی با Selenium

بخش هفتم :‌ پایتون و هوش مصنوعی (Deep Learning and Machine Learning)

  • مقدمه ای بر مفاهیم هوش مصنوعی و یادگیری ماشین برای شروع کار…
  • کتابخانه Scikit-Learn
  • پروژه تشخیص پاس شدن یا نشدن دانشجویان با استفاده از iq بوسیله ی Bayes Classifier
  • پروژه تشخیص جنسیت بر اساس قد و وزن KNN Classifier
  • پروژه پیش بینی جمعیت با Regression
  • شروع یادگیری عمیق ( Deep Learning )
    • شبکه های عصبی مصنوعی (Artificial Neural Network)
    • مدل Perceptron
  • شبکه های عصبی چند لایه MLP
  • شبکه های عصبی کانوولوشنی CNN
  • کتابخانه Keras
  • یادگیری انتقالی (Transfer Learning)
  • آشنایی با Google Colab برای اجرای برنامه های هوش مصنوعی روی GPU و..
  • پروژه هوش مصنوعی نهایی – پردازش تصاویر برای تشخیص محدوده ی سنی چهره ها

مشاهده گیتهاب مدرس ( محمد تقی زاده )

تمامی پرسش های پایتونی و سوالات دوره از بخش نظرات توسط مدرس پاسخ داده میشود.

مزایای خرید دوره :

  • تمامی آموزش ها ۳ ماه بعد از انتشار دوره دارای پشتیانی تخصصی توسط مدرس هستند.
  • چنانچه سورس و فایل های جانبی برای دوره موجود باشد، همراه با لینک های آموزش در اختیار شما قرار می گیرد.
  • با تهیه این دوره آموزشی، محتوای ارزشمند برای ورود به بازار کار را به قیمت ناچیزی در اختیار دارید.
  • ویدئو های آموزشی توسط واحد کنترل کیفیت ما بررسی و سطح علمی ، صدا و تصویر ، شیوه بیان و سایر موارد آن تایید می شود.
  • ویدئو های آموزشی ما در حد نیاز به مباحث تئوری می پردازد و بیشتر آموزش به صورت عملی و متناسب با بازار کار می باشد.
  • بلافاصله پس از ثبت سفارش لینک دانلود برای شما فعال شده و به ایمیلتان ارسال میگردد. همچنین در صورت انتخاب گزینه پستی مراحل ارسال مرسوله از طریق ایمیل به اطلاع شما میرسد.
  • کیفیت تمامی دوره های سایت تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما یا به صورت رایگان یک یا چند آموزش معادل دیگر دریافت می کنید و یا ۷۰ درصد مبلغ پرداختی به کیف پول شما بازگشت داده می شود.