آموزش پایتون (Python) – مجموعه مقالات جامع وبلاگ فرادرس

مفاهیم و موضوعات عمومی پایتون
در ادامه مطالبی که به موضوعات عمومی و مورد نیاز کلیه کاربران مبتدی، متخصص و علاقمندان به یادگیری پایتون پرداختهاند معرفی شدهاند.

زبان برنامه نویسی پایتون (Python) — از صفر تا صد
بهترین مسیر یادگیری پایتون چیست؟ — راهنمای شروع آموزش
پنج دلیل برای کاربردی بودن زبان پایتون
چگونه پایتون را تنها از طریق مرورگر وب خود یاد بگیریم؟
در مطلب مذکور، برخی از سرویسهای تحت وب که دارای قابلیت «پوسته تعاملی آنلاین» (Online Interactive Shell) هستند (وبسایتهایی که به کاربر اجازه میدهند کدهای پایتون را در آنها نوشته، بلافاصله اجرا کرده و خروجی حاصل را مشاهده کنند) از جمله Python Anywhere ،Python Fiddle ،Repl.it ،Trinket ،Ideone و Python Tutor معرفی شدهاند. در پایان این مطلب راهکارهایی برای یادگیری پایتون چه برای افراد مبتدی و چه کسانی که نیاز به دانش تکمیلی دارند ارائه شده است.
نصب PIP پایتون بر روی ویندوز، مک و لینوکس — از صفر تا صد
تابعهای لامبدا (Lambda) در پایتون — یک راهنمای مقدماتی
متدهای وهلهای، استاتیک و کلاس در پایتون — تفاوتهای مهمی که باید بدانید
List Comprehension در پایتون چیست و چه زمانی باید از آن استفاده کنیم؟
رویههای پایتون برای کد نویسی کارآمد: عملکرد، حافظه و قابلیت استفاده
رویه سوم بر موضوع چند پردازشی، استفاده از آخرین نسخههای پایتون، استفاده از توابع داخلی، بهرهگیری از Ctypes ،Cython و PyPy، توجه به طراحی و ساختار دادهها تمرکز دارد. در رویه چهارم بحث انتخاب میان پایتون ۲ و ۳، مدیریت الزامات pip (مدیر بسته پایتون)، استفاده از محیطهای مجازی و چگونگی نسخهبندی پروژه مورد بررسی قرار گرفته است. در نهایت در رویه پنجم موضوع تحلیل کد نوشته شده توسط برنامهنویس توسط خود او و در رویه ششم مباحث تست کردن، اندازهگیری پوشش و یکپارچهسازی پیوسته تشریح شدهاند.
کتابخانههای پایتون

پایتون و بصریسازی دادهها

بصریسازی دادهها یکی از موضوعات مهم در پردازشهای علمی و عددی و همچنین علم داده است. در دو مطلب زیر چگونگی رسم نمودارهای گوناگون با بهرهگیری از کتابخانههای پایتون به ویژه «Matplotlib» مورد بررسی قرار گرفته.
- هیستوگرام (Histogram) و نمودارهای چگالی — راهنمای بصری سازی دادههای تک بُعدی در پایتون
- نمودارهای متحرک در پایتون — از صفر تا صد
پایتون و علم داده

پایتون یکی از زبانهای بسیار قدرتمندی است که در زمینه «علم داده» (Data Science) و «دادهکاوی» (Data Mining) مورد استفاده قرار میگیرند. یکی از دلایل این امر، وجود کتابخانههای بسیار قدرتمندی همچون Pandas ،SciPy ،NumPy ،Matplotlib ،Seaborn ،Bokeh ،Plotly ،SciKit-Learn ،TensorFlow ،Theano ،Keras ،NLTK ،Gensim ،Scrapy و Statsmodels است. در ادامه آموزشهای موجود در مجله فرادرس پیرامون پایتون و علم داده معرفی شدهاند.
الگوریتمهای علم داده و یادگیری ماشین در پایتون
الگوریتمهای گوناگون دادهکاوی و یادگیری ماشین به همراه کد پیادهسازی آنها در مطالب مجله فرادرس تشریح شدهاند. همچنین، به منظور بهبود درک مطلب از مثالهای کاربردی گوناگون نیز استفاده شده است. الگوریتم اپریوری، K-نزدیکترین همسایگی، شبکههای عصبی، ماشین بردار پشتیبان و انواع الگوریتمهای کاهش ابعاد از این جمله هستند.
- الگوریتم اپریوری (Apriori) به همراه کد پیادهسازی در پایتون — کاوش قواعد وابستگی در دادهکاوی
- الگوریتم K-نزدیکترین همسایگی به همراه کد پایتون
- شبکههای عصبی در پایتون و R – درک و کد نویسی از صفر تا صد
- ماشین بردار پشتیبان — به همراه کدنویسی پایتون و R
- الگوریتم کاهش ابعاد t-SNE با مثالهای پایتون — آموزش کاربردی
- تحلیل مولفه اساسی (PCA) — راهنمای عملی به همراه کد نویسی در پایتون و R
- مهمترین الگوریتمهای یادگیری ماشین (به همراه کدهای پایتون و R) — بخش دهم: الگوریتمهای کاهش ابعاد
پروژههای دادهکاوی و یادگیری ماشین
یکی از مهمترین دغدغههای افراد مبتدی در حوزه پایتون، یادگیری ماشین و دادهکاوی آن است که بتوانند آنچه آموختهاند را در پروژههای عملی به کار بگیرند. در این راستا «مجله فرادرس» اقدام به انتشار مطالب پروژهمحور پیرامون یادگیری ماشین و دادهکاوی کرده است. از این جمله میتوان به موارد زیر اشاره کرد.
- برنامهنویسی پایتون — چگونه با کمتر از ۲۰ خط کد، جملههای الهامبخش ایجاد کنیم؟
- ساخت سیستم توصیه گر (Recommender System) فیلم با پایتون — راهنمای جامع و ساده
- پیش بینی بازار بورس با پایتون — آموزش جامع
- پاکسازی داده (Data Cleaning) در پایتون با استفاده از NumPy و Pandas — راهنمای جامع
- تشخیص ناهنجاری با استفاده از داده کاوی — بررسی موردی همراه با کدهای پایتون
پایتون و پردازش زبان طبیعی

«پردازش زبان طبیعی» (Natural Language Processing) یکی از مباحث روز دنیا است که کاربردهای بسیار زیادی دارد. پایتون با دارا بودن کتابخانههای تحلیل داده و محاسباتی قدرتمند و متعدد به یک انتخاب قابل توجه جهت انجام پیادهسازیها در پروژههای پردازش زبان طبیعی مبدل شده است.
پردازش زبان طبیعی (NLP) با پایتون — راهنمای جامع
پایتون و مدلسازی زبان — راهنمای گامبهگام
پایتون و پردازش تصویر

پایتون یکی از زبانهای بسیار قدرتمند جهت پردازش تصویر به شمار میآید. در مطلب زیر، چگونگی انجام پردازش تصویر با یک پروژه کاملا کاربردی به همراه کدهای آن آموزش داده شده است.
پایتون و وب

یکی از کاربردهای مهم پایتون به عنوان یک زبان برنامهنویسی همه منظوره، توسعه و دستکاری وب است. در این راستا از چارچوبهای گوناگونی مانند «جنگو» (Django)، «پیرامید» (Pyramid) و «چریپای» (CherryPy) و همچنین «میکرو چارچوبهایی» (Micro-frameworks) مانند «فلسک» (Flask) و «باتل» (Bottle) استفاده میشود. از سوی دیگر، پایتون و کتابخانههای ویژه وب آن مانند Beautiful Soup، Requests و دیگر موارد برای خزش در وب (Web Crawling) و وب اسکرپینگ (Web Scraping) مورد استفاده قرار میگیرند. در مطالب زیر به این موضوعات به طور جامع و با بیان ساده همراه با مثالهای عملی پرداخته شده است.
- چگونه یک «خزنده وب» (Web Crawler) بسیار ابتدایی بسازیم؟
- وب اسکرپینگ (Web Scraping) با پایتون و کتابخانه Beautiful Soup — راهنمای جامع
- پایتون و گردآوری دادههای وب با استفاده از آن
پایتون و نمونه پروژهها
یادگیری هر زبان برنامهنویسی با بهرهگیری از پروژههای عملی بسیار سادهتر و عمیقتر خواهد بود. در ادامه برخی از مطالبی که در آنها پروژههای عملی با بهرهگیری از پایتون پیادهسازی شدهاند و همچنین سایر موضوعات مرتبط با پایتون معرفی شده است.
- آموزش ساخت بلاک چین (Blockchain) با پایتون — راهنمای جامع و ساده
- اسکریپت شناسایی توانهای عدد ۲ در پایتون
- ساخت برنامه های خط فرمان در پایتون با بسته کلیک (Click Package) — به زبان ساده
- چگونه با پایتون برای لینوکس ابزار اعلانات ایجاد کنیم؟ — راهنمای گامبهگام
- OpenStreetMap — بارگذاری دادهها به کمک پایتون و Overpass API
- پایتون و استخراج اطلاعات از گزارشها با RegEx Library
- چگونه با استفاده از جیسون (JSON) بین پایتون و جاوا اسکریپت ارتباط برقرار کنیم؟
- JSON برای پایتون — راهنمایی برای مبتدیها
سایر موارد
از دیگر مواردی که در زمینه دادهکاوی و پایتون مطرح میشود، نصب و راهاندازی Jupyter Notebook به عنوان یک محیط محاسباتی تعاملی مبتنی بر وب و کار با دادههای ساختگی (جعلی) شامل چگونگی ساخت آنها است. در مطالب زیر به این موارد پرداخته شده.
- راهاندازی نت بوک ژوپیتر با پایتون ۳ روی دبیان ۹ — از صفر تا صد
- داده های ساختگی (Dummy data) در روبی، پرل و پایتون — راهنمایی از صفر تا صد
اگر مطلب بالا برای شما مفید بوده، آموزشهای زیر نیز به شما پیشنهاد میشوند:
- مجموعه آموزشهای برنامه نویسی پایتون
- مجموعه آموزشهای طراحی و برنامهنویسی وب
- مجموعه آموزشهای پروژه محور برنامه نویسی
- مجموعه آموزشهای آمار، احتمالات و دادهکاوی
- مجموعه آموزشهای هوش محاسباتی
- مجموعه آموزشهای یادگیری ماشین و بازشناسی الگو
- مجموعه آموزشهای شبکههای عصبی مصنوعی
- آموزش برنامهنویسی R و نرمافزار R Studio
- مجموعه آموزشهای متلب و سیمیولینک
^^
مطالب مجله فرادرس را در جستجوی گوگل سریعتر ببینید














برای من مبتدی که تازه دارم شروع می کنم و اول راه هستم خیلی مفید بود
ممنون
سلام
ممنون از مطالب مفیدتون