دوره آموزشی «آموزش صفر تا صد پایتون برای همه»

آنچه در دوره آموزشی «صفر تا صد پایتون برای همه» خواهید آموخت

بخش اول: «برنامه‌نویسی برای همه؛ شروع کار با پایتون» 

ماژول اول

• • ویدئو «خوش آمد گویی»
  • به این دوره آموزشی خوش آمدید
  • به پایتون خوش آمدید با Guido van Rossum
  • معرفی کتاب پایتون برای همه Python for Everybody: Exploring Data in Python 3
  • دستورالعمل ارسال تکالیف
  • چرا برنامه‌نویسی
  • نگاهی به سخت افزار
  • پایتون؛ به عنوان یک زبان برنامه نویسی
  • نسخه صوتی این دوره آموزشی
  • ملاقات
  • ملاقات حضوری در بنگلور، هند

بخش دوم: «صفر تا صد پایتون برای همه؛ بخش دوم: ساختارهای داده در پایتون» 

ماژول اول

در این دوره آموزشی، مباحث دوره آموزشی قبلی یعنی صفر تا صد پایتون برای همه؛ بخش اول: شروع کار با پایتون» را ادامه می‌دهیم؛ و از فصل ۶کتاب درسی «پایتون برای همه»، شروع می کنیم و به بررسی رشته‌ها و سپس ساختارهای داده می‌پردازیم.

• • به این دوره آموزشی خوش آمدید!  
  • به دوره آموزشی «ساختارهای داده در پایتون» خوش آمدید
  • به ما کمک کنید تا شما را بیشتر بشناسیم!
  • فهرست
  • Textbook  
  • دستورالعمل ثبت تکالیف 
  • رشته ها 
  • کار با رشته ها 
  • آزمون
  • تکلیف
  • حل مثال برای تکلیف 
  • ملاقات حضوری و جلسه پرسش و پاسخ در نیویورک 
  •  تاریخ محاسبات 
  • ملاقات
  • نسخه صوتی دوره آموزشی

ماژول دوم

در این بخش، شما مقدمات لازم را برای نوشتن برنامه‌های پایتون را خواهید آموخت.

• • مهم: استفاده از پایتون در این دوره آموزشی 
  • چند نکته درباره انتخاب ویرایشگر متن 
  •  استفاده از محیط تمرینی Python 
  • Python Code Playground 
  • نصب پایتون و برنامه‌نویسی در ویندوز  
  • روش گرفتن اسکرین‌شات در ویندوز 
  • نصب پایتون و برنامه‌نویسی در مکینتاش 
  • روش گرفتن اسکرین‌شات در مکینتاش 
  • اختیاری: اسکرین شات 
  • تکلیف

ماژول سوم

تا اینجا، ما با داده‌هایی کار کرده‌ایم که از کاربر خوانده شده یا در قالب ثابت‌ها استفاده شده‌اند.

اما برنامه‌های واقعی مقادیر بسیار بزرگ‌تری از داده‌ها را پردازش می‌کنند و این کار را با خواندن و نوشتن فایل‌ها در حافظه ثانویه رایانه انجام می‌دهند. در این فصل، نوشتن اولین برنامه‌هایی را آغاز می‌کنیم که داده‌های واقعی را می‌خوانند و بررسی و پردازش می‌کنند.

• • فایل ها 
  • پردازش فایل‌ها
  • کوییز
  • تکلیف
  • مثال حل شده از برای تکلیف 
  • تکلیف
  • مثال حل شده از تکلیف کجا است؟ 
  • جلسه ملاقات حضوری و پرسش و پاسخ در بارسلونا
  • مصاحبه با Gordon Bell  

ماژول چهارم

برای حل مسائل پیچیده‌تر در پایتون، به متغیرهای قدرتمندتری نیاز داریم.

تا اینجا از متغیرهای ساده برای ذخیره اعداد یا رشته‌ها استفاده کرده‌ایم، و تنها یک مقدار در هر متغیر ذخیره می‌شد. اما با شروع کار با لیست‌ها، می‌توانیم مقادیر متعددی را در یک متغیر ذخیره کنیم و از یک طرح شاخص‌بندی برای ذخیره، سازماندهی و بازیابی مقادیر مختلف از داخل یک متغیر استفاده کنیم. به این متغیرهای چندمقداری “کالکشن‌ها” (Collections) یا “ساختارهای داده” (Data Structures) می‌گوییم.

• • لیست‌ها 
  • دستکاری لیست‌ها 
  • لیست‌ها و رشته‌ها 
  • لیست‌های پایتون در پاریس 
  • آزمون
  • تکلیف
  • تکلیف
  • مثال حل شده برای تکلیف رشته ها
  • ملاقات حضوری و جلسات پرسش و پاسخ در شیکاگو
  • مصاحبه با Rasmus Lendorf درباره PHP

ماژول پنجم

دیکشنری پایتون یکی از قدرتمندترین ساختارهای داده در پایتون هستند.

به جای نمایش مقادیر در یک لیست خطی، دیکشنری‌ها داده‌ها را به صورت جفت‌های کلید/مقدار ذخیره می‌کنند. استفاده از جفت‌های کلید/مقدار به ما این امکان را می‌دهد که یک “پایگاه داده” ساده در حافظه را در قالب یک متغیر پایتون ایجاد کنیم.

• • دیکشنری‌ها 
  • شمارش با دیکشنری‌ها 
  • دیکشنری‌ها و فایل‌ها 
  • آزمون
  • تکلیف
  • مثال حل شده برای تکلیف
  • ملاقات حضوری و جلسات پرسش و پاسخ در آمستردام 
  • مصاحبه با Brendan Eich درباره Javascript
  • دکتر چاک در مسابقات موتورسواری 

ماژول ششم

تاپل‌ها سومین و آخرین ساختار داده پایه در پایتون هستند.

تاپل‌ها نسخه ساده‌تری از لیست‌ها هستند. ما معمولاً از تاپل‌ها در ترکیب با دیکشنری‌ها برای انجام کارهای چندمرحله‌ای مانند مرتب‌سازی یا حلقه زدن بر روی تمامی داده‌ها در یک دیکشنری استفاده می‌کنیم.

• • تاپل‌ها
  • آزمون
  • تکلیف
  • مثال حل شده برای تکلیف تاپل‌ها و رشته‌ها 
  • ملاقات حضوری و جلسات پرسش و پاسخ در مکزیکو 
  • گفتگو با John Resing درباره JQuery  
  • گفتگو با Douglas Crockford درباره نشانه‌گذاری شیء جاوااسکریپت (JSON) 
  • بزرگترین تاکو در جهان 

ماژول هفتم

برای جشن گرفتن رسیدن شما به نیمه‌راه دوره آموزشی تخصصی پایتون برای همه، از شما دعوت می‌کنیم که در مراسم فارغ‌التحصیلی آنلاین ما شرکت کنید. این مراسم خیلی طولانی نیست و شامل یک سخنران آغازین و یک سخنرانی کوتاه است.

• • جشن فارغ‌التحصیلی 
  • جمع‌بندی با دکتر چاک 
  • لطفا به این دوره آموزشی امتیاز دهید 
  • پرسشنامه پایانی

بخش سوم: «صفر تا صد پایتون برای همه؛ بخش سوم: دسترسی به داده‌های وب از طریق پایتون»

ماژول اول

در این بخش، ابتدا پایتون و یک ویرایشگر متن نصب خواهید کرد. 

• • به این دوره آموزشی خوش آمدید
  • Python textbook  
  • به ما کمک کنید شما را بیشتر بشناسیم 
  • سرفصل‌های دوره
  • به پایتون خوش آمدید! 
  • چند نکته درباره انتخاب ویرایشگر متنی مناسب
  • گرفتن اسکرین شات
  • استفاده از پایتون و برنامه نویسی در ویندوز 
  • گرفتن اسکرین‌شات در ویندوز 
  • استفاده از پایتون و برنامه نویسی در مکینتاش
  • گرفتن اسکرین‌شات در مکینتاش 

ماژول دوم

عبارت‌های منظم (Regular Expressions) زبان بسیار خاصی هستند که به ما امکان  می‌دهند تا به طور مختصر رشته‌ها را جستجو کرده و داده‌ها را از آن‌ها استخراج کنیم. عبارت‌های منظم یک زبان مستقل  هستند و شاید دانستن نحوه استفاده از عبارت‌های منظم ضروری نباشد، اما زبانی بسیار قدرتمند است و می‌توانند بسیار مفید باشد.

• عبارات با قاعده یا منظم 
• استخراج داده‌ها 
• راهنمای سریع عبارت‌های منظم پایتون 
• آزمون
• تکلیف
• ملاقات حضوری در دن‌هاگ 
• گفتگو با Bjarne Stroustrup درباره 

ماژول سوم

در این بخش، درباره پروتکل‌هایی که مرورگرهای وب برای بازیابی اسناد استفاده می‌کنند و پروتکل‌هایی که برنامه‌های وب برای تعامل با رابط‌های برنامه‌نویسی کاربردی (APIs) استفاده می‌کنند، یاد خواهیم گرفت.

• • فناوری شبکه‌ای 
  • پروتکل انتقال ابرمتن (HTTP) 
  • یک مثال برای سوکت ها 
  • استفاده از کنسول توسعه‌دهنده برای کاوش در HTTP  
  • مطالعه تکمیلی 
  • آزمون
  • تکلیف
  • گفتگو با Leonard Kleinrock  
  • گفتگو با Robert Cailliau  
  •  ملاقات حضوری در آتلانتا 
  • دکتر چاک در اخبار CNN  

ماژول چهارم

در این بخش، یاد می‌گیریم که چگونه از پایتون برای بازیابی داده‌ها از وب‌سایت‌ها و رابط‌های برنامه‌نویسی کاربردی (APIs) از طریق اینترنت استفاده کنیم.

• • کاراکترها و رشته‌های یونیکد 
  • بازیابی صفحات وب 
  • حل مثال استفاده از Urllib  
  • تجزیه صفحات وب 
  • حل مثال عملی BeautifulSoup  
  • چند نکته درباره BeautifulSoup  
  • آزمون
  • تکلیف
  • تکلیف
  • ساعات ملاقات حضوری و پرسش و پاسخ در مونترال 
  • گفتگو با Tim Berners-Lee درباره اختراع وب 
  • موژو من در ژنو!

ماژول پنجم

در این بخش، یاد می‌گیریم که چگونه داده‌های XML (زبان نشانه‌گذاری گسترش‌پذیر) را بازیابی و تجزیه کنیم.

• • داده‌ها در وب 
  • زبان نشانه‌گذاری گسترش‌پذیر (XML) 
  • طرح‌واره XML Schema 
  • تجزیه XML  
  • حل مثال XML  
  • آزمون
  • تکلیف
  • گفتگو با Roy Fielding درباره درک معماری REST
  • ملاقات حضوری در بوستون 
  • گفتگو با Ian Horrocks  درباره RDF/ OWL 

ماژول ششم

در این بخش، ما با رابط‌های برنامه‌نویسی کاربردی (APIs) و سرویس‌های وب با استفاده از فرمت داده‌ای نشانه‌گذاری شیء جاوااسکریپت (JSON) کار می‌کنیم.

• • نشانه‌گذاری شیء جاوااسکریپت (JSON) 
  • حل مثال برای (JSON)
  • گفتگو با Douglas Crockford درباره JSON 
  • رویکرد مبتنی بر سرویس
  • معماری مبتنی بر سرویس 
  • استفاده از رابط‌های برنامه‌نویسی کاربردی (APIs) 
  • حل مثال API OpenStreetMap 
  • آزمون
  • تکلیف
  • تکلیف
  • ملاقات حضوری در ملبورن 
  •  ملاقات حضوری در سانتامونیکا 
  • دیدار با همکلاسی‌ها در پارک برکلی 
  • لطفا به این دوره آموزشی امتیاز دهید 
  • پرسشنامه پایانی 

بخش چهارم: «صفر تا صد پایتون برای همه؛ بخش چهارم: استفاده از پایگاه داده در پایتون» 

ماژول اول

در نخستین بخش از این دوره آموزشی، اصول برنامه‌نویسی شیءگرا در پایتون (Object Oriented Python) را مطالعه خواهیم کرد. قرار نیست خودمان اشیاء را بنویسیم، اما چون بسیاری از چیزهایی که استفاده می‌کنیم مانند BeautifulSoup، رشته‌ها، دیکشنری‌ها و اتصالات پایگاه داده (Database Conections) از الگوهای شیءگرا یا Object Oriented (OO) استفاده می‌کنند، باید حداقل برخی از الگوها و اصطلاحات آن را درک کنیم.

• • به این دوره آموزشی خوش آمدید 
  • اجازه دهید بیشتر شما را بشناسیم 
  • Python Texbook  
  • کاراکترها و رشته‌های یونیکد 
  • آزمون
  • نصب پایتون و برنامه‌نویسی در ویندوز 
  • گرفتن اسکرین شات در ویندوز 
  • نصب پایتون و برنامه‌نویسی در مکینتاش 
  • گرفتن اسکرین شات در مکینتاش 
  • تعاریف و اصطلاحات شیءگرا 
  • اولین کلاس و شیء ما 
  • چرخه عمر شیء 
  • وراثت در شیء 
  • آزمون
  • گفتگو با Bertrand Meyer درباره مهندسی نرم افزار 
  • ملاقات حضوری  

ماژول دوم

در این ماژول چهار عملیات اصلی CRUD (ایجاد create، خواندنread ، بروزرسانی  updateو حذف delete ) برای مدیریت داده‌های ذخیره‌شده در پایگاه داده را  خواهیم آموخت.

• • پایگاه‌های داده رابطه‌ای Relational Databases
  • استفاده از پایگاه داده 
  • CRUD در یک جدول واحد 
  • حل مثال برای شمارش ایمیل‌ها در یک پایگاه داده 
  • آزمون
  • تکلیف
  • تکلیف
  • ملاقات حضوری در زاگرب، کرواسی 
  • مصاحبه با Elizabet Fong   درباره سالهای ابتدایی SQL

ماژول سوم

در این ماژول، خواهیم آموخت که چگونه داده‌ها در جداول مختلف یک پایگاه داده ذخیره می‌شوند و چگونه ردیف‌ها به یکدیگر مرتبط می‌شوند و سعی خواهیم کرد روابطی در پایگاه داده ایجاد کنیم.

• • طراحی مدل داده Data Model 
  • نمایش مدل داده در جداول
  • وارد کردن داده‌های رابطه‌ای Relational Data
  • بازسازی داده‌ها با استفاده از JOIN  
  • حل مثال برای مبحث Tracks.py  
  • آزمون
  • تکلیف
  • ملاقات حضوری در پرت ، استرالیا 
  • گفتگو با Niklaus Wirth  
  • ملاقات حضوری در بارسلونا

ماژول چهارم

در این ماژول، می‌آموزیم که چگونه می‌توان موقعیت‌هایی مانند ثبت‌نام دانشجویان در دوره‌ها را مدل‌سازی کنیم، در الگوی این ماژول، به عنوان مثال هر دوره تعداد زیادی دانشجو دارد و هر دانشجو در دوره‌های متعددی ثبت‌نام کرده است.

• • روابط چند به چندMany-to-Many Relationship  
  • حل مثال برای roster.py 
  • آزمون
  • تکلیف
  • ملاقات حضوری در مکزیکوسیتی 
  • گفتگو با Andrew Tannenbaum 

ماژول پنجم

در این ماژول، همه آنچه که تا کنون آموختیم را جمع‌بندی می‌کنیم، داده‌ها را بازیابی و پردازش می‌کنیم و سپس از API نقشه‌های OpenStreetMapبرای بصری‌سازی داده‌هایمان استفاده می‌کنیم.

• • ژئوکدینگ Geocoding  
  • حل مثال برای مبحث ژئودیتا Geodata 
  • دستورالعمل ثبت تکلیف ارزیابی شده توسط همتایان – نظر مدرس 
  • تکلیف
  • ملاقات حضوری در آمستردام 
  • گفتگو با Richard Stallman درباره ساختار آزاد نرم افزارها Free Software Fondation
  • گفتگو با Brian Behlendorf درباره Apache 
  • لطفا به این دوره آموزشی امتیاز دهید 
  • پرسشنامه پایانی 

بخش پنجم: «صفر تا صد پایتون برای همه؛ پروژه نهایی: بازیابی، پردازش و نمایش داده‌ها با پایتون»

ماژول اول

به شما برای رسیدن به این مرحله تبریک می‌گویم. قبل از شروع، لطفاً ویدئو «معرفی دوره» را مشاهده کرده و بخش «نمای کلی پروژه پایانی» را مطالعه کنید. در بخش «منابع دوره»، مطالب اضافی وجود دارد که ممکن است در هفته‌های آینده به آن‌ها نیاز پیدا کنید.

• • معرفی دوره 
  • مروری بر پروژه پایانی 
  • به ما کمک کنید بیشتر شما را بشناسیم 
  • Python Textbook  
  • کاراکترها و رشته‌های یونیکد
  • گزینه‌های تکمیل پروژه پایانی 
  • آزمون
  • ملاقات حضوری در دن هاگ، هلند 
  • گفتگو با  John Resig and Pam Fox از Khan Academy 

ماژول دوم

در این ماژول نسخه‌ای ساده از الگوریتم PageRank گوگل را دانلود و اجرا خواهیم کرد و جمع‌آوری محتوای وب  (spidering)  را تمرین خواهیم کرد.

این تکلیف به‌صورت همتراز (peer-graded) ارزیابی می‌شود و اولین تکلیف از سه تکلیف افتخاری اختیاری (Honors assignments) در این دوره است. این فعالیت ادامه مطالبی است که در دوره چهارم این مجموعه آموزشی آموزش داده شد و بر اساس فصل ۱۶ کتاب درسی «پایتون برای همه» طراحی شده است.

• • مقدمه‌ای بر ساخت موتور جستجو Search Engine
  • بررسی کلی Page Rank 
  • حل مثال برای Page Rank – خزنده‌ها (Spidering) 
  • حل مثال برای Page Ra – محاسبات(Computation) 
  • حل مثال برای Page Rank – مصورسازی(Visualization) 
  • ملاقات حضوری در دیترویت، میشیگان 
  • گفتگو با Anil Jain  درباره پردازش عکس (Image Processing)
  • Optional Honors Content
  • دستورالعمل ثبت تکلیف ارزیابی شده توسط همتایان 
  • تکلیف

ماژول سوم

پروژه اختیاری Capstone فرصتی است برای انتخاب، پردازش، و مصورسازی داده‌های دلخواه و دریافت بازخورد از همتایان. این پروژه نمره‌دهی نمی‌شود و می‌تواند به سادگی یا پیچیدگی که تمایل دارید انجام شود. تکلیف این هفته شناسایی یک منبع داده و نوشتن یک پست کوتاه در انجمن گفتگو است که منبع داده را توصیف کرده و برخی از تحلیل‌های ممکن که می‌توان با آن انجام داد را شرح دهد. شما نیازی به استفاده از منبع داده‌ای که در اینجا ارائه شده برای تحلیل واقعی خود ندارید.

• • مقدمه‌ای بر شناسایی منبع داده(Data Source) 
  • فهرست منابع داده (تهیه‌شده توسط کادر آموزشی) 
  • شناسایی یک منبع داده 
  • گربه جدید دکتر چاک! 
  • گفتگو با Bruce Schneier درباره نگرش امنیتی (Security Mindset) 

ماژول چهارم

در دومین تکلیف اختیاری Honors، ما داده‌های ایمیل را از پروژه متن‌باز Sakai دریافت و پردازش خواهیم کرد. درس‌های ویدیویی شما را در فرایند دریافت، تمیز کردن و مدل‌سازی داده‌ها راهنمایی خواهند کرد.

• • خزیدن(Spidering) و مدل‌سازی داده‌های ایمیل – مقدمه 
  • مقدمه‌ای بر Gmane  
  • حل مثال برای Gmane / بازیابی ایمیل 
  • حل مثال برای Gmane / ایمیل – مدل‌سازی 
  • ملاقات حضوری در بالتیمور 
  • گفتگو با Bruce Schneier درباره ساخت سیستم‌های رمزنگاری(Cryptographic Systems) 
  • Optional Honors Content
  • تکلیف

ماژول پنجم

تکلیف این هفته این است که یک پست در انجمن بحث ایجاد کنید که پیشرفت شما را در دریافت و پاک‌سازی منبع داده‌تان برای انجام تحلیل نشان دهد. بازخورد سایر دانشجویان به شما در بهبود این فرایند کمک کند.

• • دسترسی به منابع داده جدید – مقدمه 
  • تحلیل یک منبع داده 
  • ملاقات حضوری و دکتر چاک در نقش آنتونی بوردین

ماژول ششم

در آخرین تکلیف اختیاری Honors، دو مدل ، مصورسازی از داده‌های ایمیلی که دریافت و پردازش کرده‌اید انجام خواهیم داد: یک نمودار ابری (Word Cloud) برای نمایش توزیع فراوانی و یک خط زمانی (Timeline) برای نشان دادن تغییرات داده‌ها در طول زمان.

• • مصورسازی داده‌های ایمیل  Visualizing Email Data
  • مثال برای Gmane /  Email – مصورسازی Visualization 
  • ملاقات حضوری در موتریال 
  • گفتگو با Nathaniel Borenstein  ؛ پدر MIME 
  • Optional Honors Content
  • تکلیف

ماژول هفتم

در این ماژول شما تحلیل داده‌های خود را به کلاس ارائه خواهید داد. در حالی که بسیاری از پروژه‌ها منجر به مصورسازی داده‌ها می‌شوند، هر نتیجه دیگری از تحلیل داده‌ها نیز به همان اندازه ارزشمند است. بنابراین، از هر نوع تحلیل و نمایش که برای مجموعه داده‌ای که انتخاب کرده‌اید مناسب‌تر است، استفاده کنید.

• • مصورسازی منابع داده جدید – مقدمه 
  • تحلیل و مصورسازی داده‌ها 
  • ملاقات حضوری در آن‌آربور، میشیگان 
  • استیو جابز ؛ NeXT  و اینترنت 
  • پرسشنامه پایانی کلاس 
  • بهترین دلیل برای جشن‌گرفتن موفقیتی که کسب کردید!