دپارتمانپایتون
دوره های در حال ثبت نام
کد دوره : --
پایتون برای وب و Django

برنامه نویسی وب یکی از شاخه های جذاب و پرطرفدار زبان پایتون می باشد

در این میان یادگیری فریم ورک Django به عنوان محور این روند مورد توجه می باشد

پیش نیاز: پایتون مقدماتی

مخاطبان دوره
توانایی پس ازگذراندن دوره

برنامه نویسی تخصصی و حرفه ایی وبسایتها با پایتون

سرفصلهای دوره

OOP/OOD/OOA در پایتون:

  • مفهوم class و object
  • Attributes و Behaviors
  • ارث بری ساده و چندگانه
  • Polymorphism/Abstraction/Encapsulation
  • Solid Design Patterns
  • تعدادی دیگری از Design pattern های کاربردی
  • مفهوم معماری در Web Application ها
  • پیاده سازی و مرور چند معماری متداول (MVC/HMVC/PAC/...)

فریم ورک Django :

  • مفاهیم اولیه
    • فلسفه معماری django
    • مفاهیم Model/View/Template
    • Coding Styles
  • نصب و پیکره بندی محیطهای development برای django
    • معرفی Cookiecutter
    • Pip / Virtualenv
    • Docker for local development
  • Django Apps / Settings / Per-Enviroment
  • Models
    • مفاهیم اولیه
    • اتصال به db و پیاده سازی مدلها
    • Django ORM
    • QuerySet / Manager / ...
  • Views
    • Function based
    • Class Based
  • Django Forms
  • Templates
    • Native / Jinja 2
    • Tempalte tags
  • Rest/Resourse/... API
  • Useful native / third party packages
  • Deploymnet
    • WSGI  و ASGI
    • Gunicorn
    • Nginx setup
    • Migrations
    • Checklist نهایی
مدت زمان
۴۰
هزینه دوره حضوری
۷۰۰۰۰۰ تومان
هزینه دوره مجازی
دوره به صورت مجازی برگزار نمی شود
تاریخ برگزاری
۹۶/۰۱/۳۰
روزهای برگزاری
چهارشنبه
ساعات برگزاری
۱۶ الی ۲۰.
کد دوره : --
Python مقدماتی

آموزش برنامه نویسی اصولی به همراه الگوریتم و ساختار داده ها با python

پیش نیاز: آشنایی اجمالی با برنامه نویسی

 

مخاطبان دوره

همه علاقمندان به حوزه تجاری و علمی برنامه نویسی

این دوره برای همه دانشجویانی که در رشته های مرتبط با علوم کامپیوتر تحصیل می کنند توصیه میشود

این دوره مناسب متخصصین Database و System Administrator ها نمی باشد

توانایی پس ازگذراندن دوره

یادگیری پیش نیازهای برنامه نویس حرفه ایی شدن

بخش عمده زمان کلاس به بررسی و حل مسائل الگوریتمی اختصاص دارد

سرفصلهای دوره
  • چرا python
  • آشنایی python و حوزه های کاربردی آن
  • آماده سازی محیط کدنویسی و اجرا در ویندوز، مک و لینوکس (دستورات کلیدی و ضروری کنسول)
  • نسخه های مختلف
  • مفاهیم اولیه به صورت بررسی عمیق
  • Types
  • Strings and Collections
  • Modularity
  • Objects
  • Collections
  • Handling exceptions
  • Iterables
  • Generators
  • Regular expression
  • پیاده سازی مثالهایی با باpython
    • طراحی برنامه های کامپیوتری
    • همه برنامه نویسان در تمامی حوزه بر این باورند که اگر تسلط مناسبی بر مباحث تئوری و الگوریتم داشته باشند، توانایی آنها در برنامه نویسی به هر زبانی و در هر حوزه ایی کمک خواهد کرد ولی تدریس بر طبق کتب و روش دانشگاهی جذابیتی برای همه ندارد، در این بخش سعی شده با حل چند پازل پیچیده به موارد زیر دست پیدا کنیم
    • بخش عمده زمان کلاس به بررسی و حل مسائل اختصاص دارد
    • چگونگی برخورد با مسائلی که دارای پارامترهای بسیاری هستند و نحوه طراحی اصولی آنها
    • محاسبه حالتهای مختلف یک مسئله و تخمینی از تعداد عملیاتها و زمان لازم برای اجرا شدن
    • مفاهیم مربوط به تفسیر و ترجمه برنامه ها
    • یافتن پاسخ ها در زمان بهینه و ارزش بهینه
    • مفاهیم مربوط به تست نرم افزار
    • مدیریت حافظه
  • آشنایی با مباحث علمی
    • محاسبه پذیری
    • با چند مثال ساده درک کنیم چه مسائلی قابل حل نیستند
    • Data Science
    • تعریف data science و کاربردها
    • چرا data science بهترین شغل قرن 21 است
    • عنوان چند مسئله معروف که در این حوزه قرار دارد
    • Big Data
    • Big Data چیست و کاربردهای آن در کجاست
مدت زمان
۳۰
هزینه دوره حضوری
۸۰۰۰۰۰ تومان
هزینه دوره مجازی
دوره به صورت مجازی برگزار نمی شود
تاریخ برگزاری
۹۶/۰۱/۲۶
روزهای برگزاری
شنبه
ساعات برگزاری
۱۶ الی ۲۰
کد دوره : --
Data Science - علم داده

آموزش و آشنایی با علم داده که به صورت اخص به مباحث یادگیری ماشین می پردازد.

این دوره به صورت تئوری و پیاده سازی طراحی شده است که از python برای پیاده سازیها استفاده میشود.

در این دوره هم به تئوریهای آماری و جبر خطی مورد نیاز پرداخته می شودو هم الگوریتمهایی که در سرفصلها آمده است توضیح داده میشود.

و در نهایت با ابزارهای پایتونی پیاده سازی روی مثالها و سری داده های واقعی انجام می شود.

پیش نیاز: دوره پایتون مقدماتی

مخاطبان دوره

همه علاقمندان به حوزه علمی برنامه نویسی، data science، machine learning و هوش مصنوعی

توانایی پس ازگذراندن دوره

ورود به حوزه علمی علوم داده و آشنایی با big data analysis

در این دوره همانطور که قابل حدس می باشد بنا به پیاده سازی تز دوره ارشد یا دکتری شما نمی باشد

ولی میتوان به جرات گفت دید تحلیلی مناسبی برای انجام موارد فوق در حوزه machine learning خواهید گرفت

سرفصلهای دوره
  • یادآوری پایتون با طرح چند مسئله برای دانشجویان و پیاده سازی و تشریح آن
  • شناخت ابزارها به همراه یک پروژه در کلاس:
    • numpy
    • pandas
    • matplotlib
  • در این بخش سعی بر جا انداختن کارکرد ابزارها٬ آماده سازی داده ها٬ Data munging/wrangling و مهارتهای اولیه آماری و جبرخطی برای ورود به بحث یادگیری ماشین می باشد
  • تعریف حوزه های کاربردی و طبقه بندی های مختلف در کنار آشنایی با تئوری و پیاده سازی در sklearn الگوریتمها در دسته های زیر:
    • supervised
    • unsupervised
    • semi-supervised 
    • reinforcement learning
    • deep learning
    • artificial intelligence
  • الگوریتمهای زیر بررسی خواهند شد:
    • Decision Trees
    • Regression and Classification
    • Instance-Based Learning
    • Ensemble B&B
    • Kernel Methods and Support Vector Machines
    • Computational Learning Theory
    • VC Dimensions
    • Bayesian Learning
    • Clustering
    • Feature Selection / Transformation
  • به دلیل حجم بالای مطالب دوره پیشرفته ایی برای یادگیری ماشین در حال طراحی است که به صورت اخص به مباحث زیر خواهد پرداخت :
    • Neural Networks
    • Deep learning
    • Reinforcement Learning
    • Machine learning at scale with Spark/Mahout
    • Stream Processing
مدت زمان
۴۰
هزینه دوره حضوری
۷۰۰۰۰۰ تومان
هزینه دوره مجازی
دوره به صورت مجازی برگزار نمی شود
تاریخ برگزاری
۹۶/۰۲/۰۸
روزهای برگزاری
جمعه
ساعات برگزاری
۱۶ الی ۲۰
پیش نیاز
کد دوره : --
کارگاه شروع به کار با data science با پیاده سازی یک مسئله واقعی

در این کارگاه قصد داریم با فرهنگی به نام علم داده آشنا شویم و شاخه های مختلف آن را به همراه ابزارهایش بشناسیم، سپس به تعریف یک مسئله که مربوط به پردازش زبان طبیعی است می پردازیم و آن را با Python پیاده سازی میکنیم.

مخاطبان دوره

شرکت در این کارگاه را به تمامی علاقمندان به حوزه های فناوری اطلاعات توصیه میکنیم و با اینکه پیاده سازی انجام شده نیازمند دانش برنامه نویسی می باشد ولی کسانی که تجربه ایی هم در این زمینه ندارند میتوانند از مطالب بهره کافی را ببرند.

توانایی پس ازگذراندن دوره
سرفصلهای دوره
مدت زمان
۴
هزینه دوره حضوری
۶۰۰۰۰ تومان
هزینه دوره مجازی
دوره به صورت مجازی برگزار نمی شود
تاریخ برگزاری
۹۵/۱۲/۱۹
روزهای برگزاری
پنج شنبه
ساعات برگزاری
۱۲ الی ۱۶
کد دوره : --
کارگاه کلان داده

در این کارگاه به مفاهیم پایه‌ایی کلان داده پرداخته می‌شود. معرفی محیط‌های کلان داده و بررسی ویژگی‌های آن، معرفی ابزارهای مطرح در این زمینه، چرایی و چگونگی استفاده از راه حل‌های موجود در این محیط مباحثی هستند که در این کارگاه مورد بحث قرار می گیرند.

مخاطبان دوره
  • علاقه‌مندان به مباحث سیستم های توزیع شده و کلان داده
  • دانشجویان و فارغ التحصیلان رشته‌های کامپیوتر و فناوری اطلاعات
  • علاقه‌مندان به مفاهیم سیستم ها و برنامه‌نویسی توزیع شده
توانایی پس ازگذراندن دوره
سرفصلهای دوره
  • توضیح در خصوص کلان داده و سیستم‌های توزیع شده
  • بررسی استک پروژه Apache Hadoop و پروژه‌های مربوط به آن
  • بررسی پروژه Apache Spark و چهارچوب‌های کاری مرتبط با آن
  • بررسی ساختارهای ذخیره سازی اطلاعات در مقیاس بزرگ : سیستم فایل‌های توزیع شده و پایگاه داده‌های غیر رابطه ایی (NoSQL)
  • بررسی یک مسئله واقعی و حل آن توسط ابزارهای مورد نظر
مدت زمان
۴
هزینه دوره حضوری
۶۰۰۰۰ تومان
هزینه دوره مجازی
دوره به صورت مجازی برگزار نمی شود
تاریخ برگزاری
۹۵/۱۲/۱۹
روزهای برگزاری
پنج شنبه
ساعات برگزاری
۸ الی ۱۲
برنامه دروس پایتون

از مسیرهای بالقوه ایی که میتوان برای آموزش این زبان در نظر گرفت با توجه به سابقه طولانی استاد این دروه در زمینه تدریس٬ تحقیق و مدیریت پروژه زمنیه هوش مصنوعی و یادگیری پروژه آن انتخاب شده است لذا مسیر یادگیری به صورت زیر می باشد

  • دوره اول که یادگیری خود زبان برنامه نویسی پایتون با تاکید بر حل مسئله و یادگیری اصولی الگوریتم با شیوه ایی نوین
  • دوره دوم برای یادگیری ماشین و الگوریتمهای آن بیشتر طراحی شده ولی بخشی از مباحث مربوط به بحث داده های عظیم و انواع مسائل پیرامون آن می باشد

برنامه کارگاه های یادگیری عمیق تر را از اینجا دریافت کنید

نام کاربری یا کلمه ورود اشتباه است
ثبت نام انجام نشد
باشگاه ۱۶۰۲۸ عضوی لایتک
ثبت نام
ورود به صفحه شخصی
بازیابی گذرواژه
آدرس: تهران، خیابان آزادی، ضلع شمالی دانشگاه صنعتی شریف، کوچه گلستان، پلاک ۹
تلفن: ۰۲۱۶۶۰۱۳۶۴۷ - ۰۲۱۶۶۰۱۳۴۵۵
فکس: ۰۲۱۸۹۷۸۳۷۵۶
پیامک: ۳۰۰۰۲۵۷۷۱۱
ایمیل: info@laitec.ir | ecare@laitec.ir
شماره حساب : ۶۹۴۹۶۱۹۵۵۳ با شناسه ۱۲۳/۴۴ نزد شعبه بانک ملت باجه دانشگاه صنعتی شریف
استفاده از مطالب سايت لایتک فقط برای مقاصد غیر تجاری و با ذکر منبع بلامانع است.
کلیه حقوق این سایت متعلق به آزمایشگاه یادگیری فناوری اطلاعات دانشگاه صنعتی شریف (لایتک) می باشد.
laitec.ir
Copyright © 2002-2017