آموزش برنامه نویسی پایتون Python – تکمیلی

زبان برنامه‌نویسی پایتون چیست؟

Python یک زبان برنامه‌نویسی شی‌گرا، سطح بالا و تفسیری است که در اواخر دهه ۱۹۸۰ میلادی توسط Guido van Rossum ابداع شد. این زبان برنامه‌نویسی به دلیل سادگی، قابلیت فهم، خواندنی بودن و پشتیبانی از بسیاری از کتابخانه‌ها و ابزارهای مفید، یکی از محبوب‌ترین زبان‌های برنامه نویسی در جهان است.

اهمیت یادگیری برنامه‌نویسی پایتون Python – تکمیلی چیست؟

در آموزش مقدماتی پایتون، با مفاهیم پایه برنامه‌نویسی با این زبان آشنا شدید. داده ساختارها را شناختید، یاد گرفتید که بخش‌های قابل استفاده مجدد کد را به صورت تابع و کلاس درآورید و همچنین با فایل‌های txt، اکسل و JSON کار کردید، اما حتما همین آموزش مقدماتی سوال‌های بسیاری را برای شما ایجاد کرده است که برخی از عملیات پایتون را باید به چه طریقی انجام دهید و یا هنگامی که می‌خواستید کار مشخصی را با پایتون انجام دهید، مدام با خود فکر می‌کردید که احتمالا یک راه آسان‌تر برای این کار وجود دارد.

ممکن است زمانی که برای انجام عملیاتی در پایتون در حال جستجو در اینترنت و مشاهده نمونه کدهای دیگران بودید، متوجه سطح بالا بودن کد آن‌ها شده باشید و یا می‌توان گفت که به دنبال یادگیری بیشتر پایتون و حرفه‌ای‌تر شدن در آن هستید.

در این آموزش ببین شما به صورت پیشرفته با برنامه‌نویسی پایتون آشنا می‌شوید، این بدین معنی است که بسیاری از کارهایی که پیش از این نمی‌دانستید چگونه انجام دهید را یاد گرفته و همچنین بسیاری از کارهایی که می‌توانستید انجام دهید را نیز با راه حل‌هایی ساده‌تر و سریع‌تر می‌آموزید.

در این آموزش ببین چه چیزی یاد می‌گیریم؟

در این آموزش ما سعی می‌کنیم که جنبه‌های مختلفی از برنامه‌نویسی پایتون و مخصوصا، داده ساختارها، الگوریتم‌ها و رشته و متن را آموزش دهیم. با رنج وسیعی از عملیات بر روی داده ساختارها و الگوریتم‌های بهینه برای این عملیات آشنا می‌شوید، با رشته‌ها و فایل‌‌های متنی کار کرده و برای عملیات پرتکرار و پر استفاده با رشته‌ها و متن‌ها، روش‌های بهینه‌ای را فرا می‌گیرید. در واقع در این فرادرس سعی بر این است تا المان‌های لازم برای برنامه‌نویسی حرفه‌ای با پایتون آموزش داده شود.

سرفصل‌ها

• درس یکم: داده ساختارها و الگوریتم‌ها – بخش یکم
  • استخراج متغیرها از یک توالی
  • استخراج المان‌ها از Iterableها با طول دلخواه
• درس دوم: داده ساختارها و الگوریتم‌ها – بخش دوم
  • نگه داشتن N آیتم آخر
• درس سوم: داده ساختارها و الگوریتم‌ها – بخش سوم
  • پیدا کردن بزرگ‌ترین یا کوچک‌ترین N آیتم
  • پیاده‌سازی صف دارای اولویت
  • نگاشت Keyها به چندین Value در یک Dictionary
  • نگه داشتن ترتیب در Dictionary
• درس چهارم: داده ساختارها و الگوریتم‌ها – بخش چهارم
  • محاسبات با Dictionary
  • پیدا کردن اشتراک‌های دو Dictionary
  • حذف تکرارها از یک توالی با نگه داشتن ترتیب
  • نام‌گذاری یک Slice
• درس پنجم: داده ساختارها و الگوریتم‌ها – بخش پنجم
  • تعیین آیتم‌های پرتکرار در یک توالی
  • مرتب کردن یک List از Dictionaryها با یک کلید معمول
  • مرتب کردن obj‌های بدن Native Comparison Support
  • گروه‌بندی داده‌ها بر اساس زمینه
• درس ششم: داده ساختارها و الگوریتم‌ها – بخش ششم
  • فیلتر کردن المان‌های توالی
  • استخراج یک زیرمجموعه از یک Dictionary
  • نگاشت اسامی به المان‌های توالی
• درس هفتم: داده ساختارها و الگوریتم‌ها – بخش هفتم
  • انتقال و کاهش همزمان داده
  • ترکیب چندین نگاشت در یک نگاشت واحد
• درس هشتم: داده ساختارها و الگوریتم‌ها – بخش هشتم
  • حل تمرین
• درس نهم: رشته و متن (Strings and Text) – بخش یکم
  • تقسیم کردن رشته‌ها از موقعیت دلخواه و متفاوت
  • تطابق متن در شروع یا پایان یک رشته
• درس دهم: رشته و متن – بخش دوم
  • تطابق رشته‌ها با الگوهای Shell Wildcard
  • تطابق و جستجوی الگوهای متنی
  • جستجو و جا‌به‌جایی متن
  • جستجو و جا‌به‌جایی متن Case-Insensitive
• درس یازدهم: رشته و متن – بخش سوم
  • مشخص کردن یک عبارت با قاعده برای کوتاه‌ترین تطابق
  • نوشتن یک عبارت با قاعده برای الگوهای چندخطی
  • نرمال کردن متن Unicode به یک نمایش استاندارد
• درس دوازدهم: رشته و متن – بخش چهارم
  • کار با کارکترهای Unicode در عبارات با قاعده
  • حذف کاراکترهای ناخواسته از رشته
  • تصفیه کردن متن
• درس سیزدهم: رشته و متن – بخش پنجم
  • تراز کردن رشته‌های متن
  • ترکیب و اتصال رشته‌ها
  • وارد کردن متغیرها در رشته‌ها
  • تغییر فرمت متن به تعداد ستون‌های مشخص
• درس چهاردهم: رشته و متن – بخش ششم
  • کار با HTML و XML در متن
  • Tokenizing Text
  • انجام عملیات متنی روی رشته‌های Byte
• درس پانزدهم: رشته و متن – بخش هفتم
  • حل تمرین

مفید برای

• علاقه‌مندان به برنامه‌نویسی پایتون

محتوای این آموزش

۱۳ ساعت آموزش ویدئویی

فایل برنامه‌ها و پروژه‌ها

مدرس

پژمان اقبالی شمس آبادی

مدرس برنامه‌نویسی و نرم‌افزارهای آماری

مهندس پژمان اقبالی شمس‌آبادی به برنامه‌نویسی علاقه‌مند هستند و سابقه کار با نرم‌افزارهای مهندسی مکانیک همچون CATIA و COMSOL را دارند. ایشان به نرم‌افزار MATLAB مسلط هستند و توانایی برنامه‌نویسی با زبان‌های مختلف همچون C++, Java, Python را دارند.

پیش‌ نیاز

آموزش برنامه نویسی پایتون (Python) – مقدماتی

نرم‌افزارهای مرتبط با آموزش

Python 3.7.6

150000 تومان – خرید نهایی کردن خرید مورد به سبد خرید اضافه شد