دوره آموزشی پایتون جامع با گرایش طراحی الگوریتم

توضیحات تدریس

دوره آموزش پایتون با تمرکز بر طراحی الگوریتم: در این دوره جامع، شما با زبان برنامه‌ نویسی پایتون آشنا شده و به تدریج از سطح مبتدی تا پیشرفته مهارت‌ های لازم را کسب خواهید کرد. همچنین، تمرکز ویژه‌ ای بر تحلیل و بهینه‌ سازی الگوریتم‌ ها داریم تا شما بتوانید در دنیای واقعی مشکلات پیچیده را به شکلی کارآمد حل کنید. پایتون مقدماتی ۱ (Python Fundamentals 1) آشنایی با مفاهیم پایه‌ ای پایتون از جمله تعریف متغیر ها، حلقه‌ ها، و دستورات شرطی و عملگر های ترنری. پایتون مقدماتی ۲ (Python Fundamentals 2) کار با ساختارهای داده‌ای (لیست‌ها، دیکشنری‌ها، و ...) و تعریف و استفاده از توابع پایتون، به همراه راهنمای تخصصی در خصوص انواع پارامترها و آرگومان‌ها. پایتون تکمیلی ۱ (Intermediate Python 1) مفاهیم شیء‌گرایی (OOP) در پایتون، ایجاد کلاس‌ها و اشیاء و کار با وراثت و چندریختی (Polymorphism). پایتون تکمیلی ۲ (Intermediate Python 2) ماژول‌ ها، کتابخانه‌ ها، و مدیریت خطاها و استثنا ها در پایتون. پایتون پیشرفته ۱ (Advanced Python 1) کار با کتابخانه‌ های پیشرفته پایتون مانند: - requests برای ارسال درخواست‌های HTTP و کار با JSON. - dotenv برای کار با متغیر های محیطی (Environment Variables) - BeautifulSoup برای وب اسکریپینگ - threading برای تسک های موازی الگوریتم مقدماتی (Basic Algorithm Training) معرفی الگوریتم‌ ها، تحلیل پیچیدگی زمانی و مکانی. الگوریتم تکمیلی (Intermediate Algorithm Training) بهینه‌ سازی الگوریتم‌ ها با استفاده از تکنیک‌ های پیشرفته مانند برنامه‌ نویسی پویا و بهینه‌ سازی زمانی. الگوریتم پیشرفته (Advanced Algorithm Training) بررسی الگوریتم‌ های جستجو و مرتب‌ سازی. ساختمان داده ۱ (Data Structures 1) آشنایی با مفاهیم ساختمان داده، از جمله انواع داده‌ های انتزاعی (ADT)، پشته‌ ها، صف‌ ها و لیست‌ های پیوندی. (تئوری) ساختمان داده ۲ (Data Structures 2) ادامه مفاهیم ساختمان داده و پیاده‌ سازی آن‌ ها در پایتون. (عملی - پیش‌ نیاز: ساختمان داده ۱) ساختمان داده ۳ (Data Structures 3) ادامه آموزش ساختمان داده‌ ها و تمرکز بر هیپ‌ ها، صف‌ های اولویت‌ دار (Priority Queue) و گراف‌ ها. (تئوری - پیش‌ نیاز: ساختمان داده ۲) ساختمان داده ۴ (Data Structures 4) ادامه مباحث گراف‌ ها، آشنایی اولیه با ساختمان داده Union Find و الگوریتم‌ های BFS، DFS، Kruskal و Dijkstra. (تئوری فشرده - پیش‌ نیاز: ساختمان داده ۳)

سطح آموزش

مبتدی: برای کسانی که می خواهند تازه شروع به یادگیری کنند

متوسط: برای کسانی که آشنایی دارند و تا حدی بلدند

حرفه ای: برای کسانی که بلدند ولی می خواهند بیشتر یاد بگیرند