<p>این دوره آموزشی به شما امکان می‌دهد تا در برنامه‌نویسی پایتون و تحلیل داده‌ها مهارت‌های لازم را کسب کنید. دوره شامل مباحث مختلف از ساختارهای داده‌ای تا یادگیری ماشین و محاسبات عددی است که برای افرادی که به دنبال یادگیری عمیق این زمینه‌ها هستند، طراحی شده است.</p>

1. ساختار برنامه، خطایابی اولیه و محیط‌های توسعه

2. آشنایی با ساختارهای رایج برنامه‌نویسی

دستورات شرطی (if, elif, else) و حلقه‌ها (for, while)

کنترل جریان اجرای برنامه با break، continue

3. آشنایی با انواع ساختارهای داده‌ای

لیست‌ها، تاپل‌ها، دیکشنری‌ها، مجموعه‌ها

نحوه استفاده، تغییر و بهینه‌سازی داده‌ها

4. مبانی شی‌ءگرایی (OOP) در پایتون

کلاس‌ها، شیء‌ها، سازنده‌ها

وراثت، کپسوله‌سازی و پیاده‌سازی ساختارهای واقعی در کد

5. تعریف تابع در پایتون

پارامترها، مقدار بازگشتی و استفاده از ماژول‌ها

6. آشنایی با فایل‌های متنی در پایتون

7. انجام یک مسأله جامع از مباحث تدریس‌شده

طراحی، توسعه، تست و اجرای یک برنامه واقعی

8. آشنایی با کتابخانه‌های قدرتمند NumPy و Pandas

مدیریت آرایه‌های چندبعدی و تحلیل داده‌ها

تحلیل داده‌ها و آماده‌سازی داده‌ها برای مصورسازی

9. رسم نمودار و مصورسازی داده‌ها با Matplotlib و Seaborn

ایجاد گراف‌های حرفه‌ای برای ارائه‌های علمی و صنعتی

10. آشنایی با محاسبات عددی در پایتون

انتگرال‌گیری و مشتق‌گیری عددی

حل مسائل مهندسی با کتابخانه‌های NumPy و SciPy

11. حل معادلات جبری خطی و غیرخطی

روش‌های عددی برای حل معادلات

تحلیل پایداری و همگرایی در حل معادلات

12. حل معادلات دیفرانسیل معمولی و معادلات دیفرانسیل با مشتقات جزئی (PDE)

تحلیل مسائل فیزیکی و نمایش نتایج گرافیکی

13. آشنایی با مفاهیم آماری و داده‌کاوی در پایتون

تحلیل آماری داده‌ها با Pandas و SciPy

14. مقدمه‌ای بر یادگیری ماشین
و
مفاهیم پایه‌ای یادگیری ماشین

اجرای مثال‌های ساده با کتابخانه‌های Scikit-learn و NumPy

● کارشناسی ارشد مهندسی شیمی دانشگاه فردوسی مشهد
● کارشناسی مهندسی شیمی دانشگاه صنعت نفت