نقشه راه یادگیری برنامه نویسی پایتون
محتویات این صفحه:
# مسیر یادگیری پایتون سمت سرور(backend)
در این بخش نقشه راهی که برای برنامه نویس پایتون شدن نیاز دارید آورده شده است. بعد از اتمام این نقشه و تمرین زیاد، تبدیل به یک برنامه‌‌نویس جونیور پایتون خواهید شد و میتوانید شروع به ارسال رزومه به شرکت‌ها کنید. دوره‌های زیر را به ترتیب تماشا کنید. در یادگیری عجله نکنید و سعی کنید مطالب را درک کنید. دوره‌های دیگری نیز در سایت موجود هست(مثل nginx) که میتوانید بعد از اتمام این نقشه شروع به یادگیری آنها کنید. همچنین آموزش‌های پیشرفته بسیاری در بخش ویدیوهای تک‌قسمتی وجود دارد که پیشنهاد میکنم هر روز یک ویدیو را ببینید.
تبریک! در پایان این مسیر، شما دانشی حتی بیشتر از یک برنامه نویس جونیور پایتون دارید. پس به هیچ وجه به خودتان شک نکنید و شروع به ارسال رزومه کنید.
# مسیر یادگیری علم داده(data science)
علم داده حوزه ای است که با استخراج دانش معنادار از داده ها سر و کار دارد. علم داده تکنیک های مختلفی از آمار، ریاضیات و علوم کامپیوتر را برای تجزیه و تحلیل و تفسیر داده ها ترکیب می کند. دانشمندان داده نقش مهمی در کمک به سازمان ها در تصمیم گیری های داده محور، پیش بینی روندهای آینده و حل مشکلات پیچیده ایفا می کنند.
در این بخش سعی شده تا تمام مواردی که برای شروع یادگیری علم داده نیازی دارید آورده شود. در این مسیر آموزش های مربوط به ریاضیات، آمار، برنامه نویسی، جمع آوری داده، تحلیل داده، نمایش داده و ساخت مدل های یادگیری ماشین گنجانده شده است.
| نام دوره | شماره |
|---|---|
| پایتون مبتدی | 1 |
| یادگیری الگوریتم نویسی | 2 |
| یادگیری تست‌نویسی | 3 |
| گیت | 4 |
| یادگیری Descriptors | 5 |
| یادگیری طراحی دیتابیس | 6 |
| یادگیری دیتابیس پستگرس | 7 |
| یادگیری regex | 8 |
| یادگیری وب اسکرپینگ | 9 |
| یادگیری matplotlib | 10 |
| یادگیری numpy | 11 |
| یادگیری pandas | 12 |
| ریاضی یادگیری ماشین | 13 |
| یادگیری scikit learn | 14 |
| یادگیری عمیق | 15 |
| هوش مصنوعی مولد | 16 |
