campaign mobile
image

پایتون پیشرفته

پایتون به عنوان محبوب‌ترین زبان برنامه‌نویسی در حوزه هوش مصنوعی، یادگیری ماشین و توسعه سیستم‌های داده‌محور شناخته می‌شود و تسلط بر آن به یک ضرورت حرفه‌ای تبدیل شده است. این دوره با تمرکز بر مباحث پیشرفته پایتون، مانند شی‌گرایی (OOP)، دکوریتورها، تایپ‌گذاری پویا (Type Annotations)، طراحی ماژول‌های استاندارد و ابزارهای حرفه‌ای توسعه، مسیر آموزش را از مهارت‌های پایه به سطح تولیدپذیر ارتقا می‌دهد. شرکت‌کنندگان در این دوره علاوه بر آشنایی با کتابخانه‌های مهم مانند PyTorch، TensorFlow، FastAPI و Pydantic، با اصول معماری تمیز و تست‌پذیری در پروژه‌های پایتونی نیز آشنا خواهند شد.

مشخصات دوره

سطحپیشرفته
مدت9 ساعت
مدرکدارد
تاریخ به روزرسانی۱۴۰۴/۳/۲۰
قالب دورهمهارت محور
۹۰۰٬۰۰۰
تومان

مطالب دوره

1. مقدمه ای بر پایتون و کتابخانه‌های آن در امور مختلف
1.1 فریم‌ورک‌های هوش مصنوعی
18' : 55''
2.1 بصری‌سازی داده‌ها
14' : 20''
3.1 پردازش صوت و گفتار در پایتون
07' : 31''
4.1 پردازش متن و معرفی Parser‌ها در پایتون
11' : 32''
5.1 پردازش تصویر در پایتون
10' : 13''
2. مباحث پیشرفته پایتون
3. روش توسعه اصولی پروژه های پایتونی
4. وب اپلیکشن‌ها در پایتون

اطلاعات تکمیلی دوره

این دوره برای متخصصان و علاقه‌مندانی طراحی شده است که به دنبال درک عمیق و سیستماتیک زبان برنامه‌نویسی Python در زمینه توسعه سامانه‌های مبتنی بر هوش مصنوعی هستند. در طول این دوره، مفاهیم کلیدی مانند Object-Oriented Programming، Decorators، Type Annotations و طراحی ماژول‌های استاندارد (Modular Design) به‌صورت عملی و مرحله‌به‌مرحله آموزش داده می‌شود. همچنین، کتابخانه‌های پرکاربردی مانند PyTorch، TensorFlow، FastAPI، Pydantic و دیگر ابزارهای مدرن Python معرفی و تمرین خواهند شد. در پایان دوره، شرکت‌کنندگان با اجرای یک پروژه عملی، توانایی خود را در طراحی و پیاده‌سازی ساختارهای پیشرفته در Python به اثبات می‌رسانند.

 

مخاطبین دوره : 

  • افرادی که علاقه‌مند به یادگیری پایتون پیشرفته در زمینه توسعه نرم‌افزار هستند.

  • برنامه‌نویسانی که می‌خواهند مهارت‌های خود را در Object-Oriented Programming و مفاهیم پیشرفته پایتون تقویت کنند.

  • توسعه‌دهندگانی که می‌خواهند با کتابخانه‌های مدرن پایتون مانند PyTorch، TensorFlow، FastAPI و Pydantic آشنا شوند.

  • علاقه‌مندان به هوش مصنوعی که می‌خواهند از پایتون برای توسعه سامانه‌های هوش مصنوعی و یادگیری ماشین استفاده کنند.

  • افرادی که تمایل دارند مهارت‌های خود را در طراحی ماژول‌های استاندارد (Modular Design) و استفاده از Decorators و Type Annotations به‌طور عملی تقویت کنند.

 

پیش‌نیاز: 

پایتون مقدماتی

 

نحوه ارزیابی:

  • ۶۰ درصد آزمون چهارگزینهای
  • ۴۰ درصد پروژه پایانی

مدرس دوره

محمد  رضیئی فیجانی
محمد رضیئی فیجانی

دوره‌های پیشنهادی

علوم داده

علوم داده

علوم داده