پرووید
منو

آموزش مبانی Python برای مهندسی نرم افزار

زبان: انگلیسیزیرنویس: انگلیسیسطح: مقدماتیمدت زمان: 8:28:44تعداد ویدئوها: 46فایل های پروژه: ناموجود
این آموزش بخشی از پکیج کامل آموزش شروع کار با Python است که می توانید از تمامی آموزش های آن دیدن کنید.

آموزش مبانی Python برای مهندسی نرم افزار با عنوان اصلی Python Essential Training Fundamentals for Software Engineering یکی دیگر از آموزش های گروه آموزشی پرووید می باشد که در این قسمت آن را به شما معرفی می کنیم. در این دوره با مبانی برنامه نویسی Python و مفاهیم اصلی موردنیاز برای توسعه نرم افزار آشنا می شوید. از متغیرها، انواع داده و ساختارهای کنترلی گرفته تا توابع، کلاس ها، کتابخانه ها و مدیریت خطاها، موضوعات مختلفی به صورت عملی بررسی می شوند. همچنین کار با فایل ها، ارتباط با APIها و استفاده از OpenAI API را یاد می گیرید.

چرا Python را برای مهندسی نرم افزار یاد بگیریم؟

Python یکی از زبان های برنامه نویسی پرکاربرد است که به دلیل ساختار خوانا و یادگیری نسبتاً ساده، در حوزه های مختلف توسعه نرم افزار مورد استفاده قرار می گیرد. این زبان امکانات متنوعی برای کار با داده ها، خودکارسازی وظایف، توسعه ابزارهای نرم افزاری و ارتباط با سرویس های خارجی فراهم می کند. آشنایی با مبانی Python به شما کمک می کند منطق برنامه نویسی را بهتر درک کنید و بتوانید از این زبان در پروژه های مختلف مهندسی نرم افزار بهره ببرید.

در این آموزش ابتدا با محیط اجرای Python و نحوه شروع برنامه نویسی آشنا می شوید. سپس مفاهیمی مانند Variables، f-strings، دستورات شرطی، حلقه ها و توابع را با انجام تمرین های عملی یاد می گیرید. همچنین نحوه کار با Objects، Methods و Imports بررسی می شود. در ابتدای مسیر با ابزارهایی مانند GitHub Codespaces و CoderPad نیز آشنا خواهید شد تا بتوانید کدهای Python را در محیط های برنامه نویسی اجرا و آزمایش کنید.

انواع داده در Python و نحوه کار با آن ها

هر برنامه نرم افزاری برای پردازش اطلاعات به انواع داده مختلف نیاز دارد. در Python انواع داده ای مانند Integer برای اعداد صحیح، Float برای اعداد اعشاری و Boolean برای مقادیر منطقی در دسترس هستند. شناخت این انواع داده و نحوه استفاده از عملگرهای محاسباتی، یکی از پایه های اصلی برنامه نویسی است. همچنین آشنایی با مفهوم Truthiness به شما کمک می کند رفتار مقادیر مختلف را هنگام استفاده در شرط ها و فیلتر کردن داده ها بهتر درک کنید.

در این دوره با انجام تمرین های عملی، نحوه پردازش و پاک سازی اطلاعات را نیز یاد می گیرید. برای مثال، استخراج و اصلاح نام شهرها از آدرس ها و کار با تاریخ ها و بازه های زمانی در اطلاعات آب وهوا از جمله موضوعات آموزشی هستند. در این مسیر با Dates و Timedeltas آشنا می شوید و یاد می گیرید چگونه داده های خام را به اطلاعات قابل استفاده در برنامه تبدیل کنید. این مهارت ها در بسیاری از پروژه های پردازش داده کاربرد دارند.

ساختارهای داده در Python چیست؟

ساختارهای داده روش هایی برای ذخیره سازی و سازمان دهی اطلاعات هستند تا بتوانید به شکل مؤثرتری آن ها را پردازش کنید. Python ساختارهای داخلی متنوعی مانند List، Dictionary و Tuple دارد که هر کدام ویژگی ها و کاربردهای خاص خود را دارند. برای مثال، List برای نگهداری مجموعه ای از عناصر مرتب، Dictionary برای ذخیره اطلاعات به صورت Key-Value و Tuple برای نگهداری مجموعه ای از مقادیر با ساختاری تغییرناپذیر مناسب است.

آزمایشگاه: کار با Listها و Slicing داده های آب وهوا - نمونه ای از بخش ساختارهای داده در آموزش مبانی Python برای مهندسی نرم افزار
نمونه ای از بخش «ساختارهای داده» در آموزش مبانی Python برای مهندسی نرم افزار

در این آموزش با نحوه استفاده از این ساختارها و عملیات مختلف روی آن ها آشنا می شوید. موضوعاتی مانند Slicing، Unpacking و List Comprehension و Dictionary Comprehension بررسی می شوند. همچنین یاد می گیرید چگونه با استفاده از Nested Data Structures اطلاعات پیچیده تری را سازمان دهی کنید. تمرین های این بخش با داده های آب وهوا انجام می شوند و به شما نشان می دهند چگونه می توان اطلاعات را در ساختارهای مختلف ذخیره، تبدیل و مدیریت کرد.

کنترل جریان و توابع در Python

کنترل جریان (Control Flow) مشخص می کند که دستورات یک برنامه با چه ترتیبی اجرا شوند. در Python می توانید با استفاده از حلقه های For و While، شرط ها و دستوراتی مانند Break و Continue، نحوه اجرای بخش های مختلف برنامه را مدیریت کنید. همچنین مفاهیمی مانند Iterators و Generators به شما امکان می دهند با مجموعه ای از داده ها به شکل انعطاف پذیرتری کار کنید و مقادیر را هنگام نیاز پردازش کنید.

توابع نیز یکی از مهم ترین ابزارها برای سازمان دهی کد و جلوگیری از تکرار هستند. در این دوره با تعریف و فراخوانی Function، آرگومان های پیش فرض و Keyword Arguments آشنا می شوید. همچنین نحوه استفاده از args و kwargs، مفهوم Scope و ترکیب چند تابع برای ساخت یک Data Pipeline را یاد می گیرید. این مباحث به شما کمک می کنند کدهای ماژولارتر، خواناتر و قابل استفاده مجدد بنویسید و منطق برنامه را به بخش های کوچک تر تقسیم کنید.

کلاس ها و کتابخانه ها در Python

برنامه نویسی شی گرا (Object-Oriented Programming) یکی از رویکردهای مهم در توسعه نرم افزار است که امکان سازمان دهی کدها حول Objects و Classes را فراهم می کند. در Python می توانید با تعریف Class، ویژگی ها و رفتارهای مرتبط با یک موجودیت را در یک ساختار واحد قرار دهید. همچنین با استفاده از Inheritance می توانید کلاس های جدیدی بر اساس کلاس های موجود ایجاد کنید و قابلیت های آن ها را گسترش دهید.

Exceptionها و ساختار try-except - نمونه ای از بخش مدیریت Exceptionها و اشکال زدایی در آموزش مبانی Python برای مهندسی نرم افزار
نمونه ای از بخش «مدیریت Exceptionها و اشکال زدایی» در آموزش مبانی Python برای مهندسی نرم افزار

در این بخش با ساخت و استفاده از Classها، Inheritance و متدهای ویژه یا Dunder Methods آشنا می شوید. همچنین نحوه Import کردن کلاس ها از Packageها و استفاده از کتابخانه های Python را بررسی می کنید. ابزارهایی مانند Anaconda و Pip نیز معرفی می شوند تا با روش مدیریت پکیج ها آشنا شوید. در ادامه، Virtual Environments را یاد می گیرید که به شما امکان می دهند وابستگی های پروژه های مختلف را در محیط های جداگانه مدیریت کنید.

مدیریت خطا و کار با فایل ها در Python

در برنامه نویسی، همیشه امکان بروز خطا وجود دارد؛ بنابراین مدیریت صحیح خطاها یکی از مهارت های ضروری برای توسعه نرم افزار قابل اطمینان است. Python از مکانیزم Exception Handling پشتیبانی می کند و با استفاده از ساختارهایی مانند try و except می توانید خطاهای احتمالی را مدیریت کنید. همچنین امکان ایجاد و پرتاب Exceptionهای اختصاصی وجود دارد تا رفتار برنامه در شرایط غیرمنتظره به شکل مناسبی کنترل شود.

در این آموزش با نحوه خواندن و بررسی Tracebackها برای پیدا کردن علت خطا آشنا می شوید و کاربرد بخش های Finally و Else را یاد می گیرید. سپس به سراغ کار با فایل ها می روید و نحوه خواندن و نوشتن اطلاعات با استفاده از With Statement را بررسی می کنید. همچنین Pathlib برای مدیریت مسیر فایل ها و دایرکتوری ها معرفی می شود. در تمرین های عملی، بارگذاری داده های NOAA از فایل JSON و تولید گزارش آب وهوا در قالب CSV را انجام می دهید.

ارتباط با وب و استفاده از API در Python

بسیاری از برنامه های امروزی برای دریافت اطلاعات یا ارتباط با سرویس های خارجی به درخواست های HTTP و APIها وابسته هستند. Python ابزارهای متنوعی برای ارسال درخواست به وب و پردازش پاسخ های دریافتی در اختیار شما قرار می دهد. با استفاده از این قابلیت ها می توانید اطلاعات موردنیاز برنامه را از سرویس های مختلف دریافت کنید یا داده هایی را برای پردازش و ذخیره سازی به سرویس های دیگر ارسال کنید.

در بخش پایانی دوره، با نحوه ارسال HTTP Requests و مدیریت خطاهای مربوط به درخواست های وب آشنا می شوید. همچنین روش فراخوانی APIها با متدهای GET و POST بررسی می شود. یکی از تمرین های این بخش به استفاده از OpenAI API اختصاص دارد که شما را با نحوه برقراری ارتباط برنامه Python با این سرویس آشنا می کند. این مباحث پایه مناسبی برای توسعه برنامه هایی فراهم می کنند که با سرویس های آنلاین و APIهای خارجی تعامل دارند.

این آموزش Python برای چه کسانی مناسب است؟

این آموزش برای افرادی مناسب است که می خواهند برنامه نویسی با Python را از مبانی شروع کنند یا دانش اولیه خود را به شکل منظم تری گسترش دهند. اگر به مهندسی نرم افزار علاقه دارید و می خواهید با مفاهیمی مانند انواع داده، ساختارهای داده، توابع، کلاس ها و مدیریت خطا آشنا شوید، موضوعات این دوره می توانند مسیر یادگیری مناسبی در اختیارتان قرار دهند. تمرین های عملی نیز کمک می کنند مفاهیم را در قالب مسائل واقعی تر برنامه نویسی به کار بگیرید.

همچنین این دوره برای برنامه نویسانی مفید است که قصد دارند مهارت های خود را در زمینه کار با فایل ها، کتابخانه ها، Virtual Environments و ارتباط با APIها تقویت کنند. در طول آموزش، با تمرین هایی مبتنی بر داده های آب وهوا، پردازش فایل های JSON و CSV و استفاده از سرویس های وب روبه رو می شوید. در پایان نیز با مسیرهای مختلفی که Python می تواند در ادامه فعالیت حرفه ای و یادگیری برنامه نویسی پیش روی شما قرار دهد، آشنا خواهید شد.

سرفصل مطالب آموزش ویدئویی مبانی Python برای مهندسی نرم افزار

فصل اول: مقدمه

  • Python؛ مزیت حرفه ای شما در دنیای مدرن

فصل دوم: شروع کار با Python

  • اجرای Python در Codespaces
  • آزمایشگاه: متغیرها و f-stringها
  • آزمایشگاه: افزودن منطق شرطی با if، elif و else
  • آزمایشگاه: Listها، Dictionaryها و حلقه های for
  • آزمایشگاه: استفاده مجدد از کد با کمک Functionها
  • آزمایشگاه: Objects، Methods و Imports
  • نحوه استفاده از CoderPad

فصل سوم: انواع داده

  • اعداد صحیح، اعداد اعشاری و عملیات محاسباتی
  • آزمایشگاه: پاک سازی و استخراج نام شهرها از آدرس ها
  • آزمایشگاه: کار با تاریخ ها و Timedeltaها در داده های آب وهوا
  • مقادیر Boolean، مفهوم Truthiness و فیلتر کردن داده ها

فصل چهارم: ساختارهای داده

  • آزمایشگاه: کار با Listها و Slicing داده های آب وهوا
  • Dictionaryها
  • Tupleها و Unpacking
  • آزمایشگاه: استفاده از List Comprehension برای تبدیل داده ها
  • آزمایشگاه: استفاده از Dictionary Comprehension
  • آزمایشگاه: سازمان دهی داده های آب وهوا با ساختارهای داده تو در تو

فصل پنجم: کنترل جریان برنامه

  • آزمایشگاه: پیمایش موازی داده ها
  • حلقه های While
  • آزمایشگاه: دستورات Break، Continue و حلقه های For-Else
  • Iteratorها و Generatorها

فصل ششم: توابع

  • تعریف و فراخوانی Functionها
  • آزمایشگاه: آرگومان های پیش فرض و Keyword Arguments
  • args و kwargs
  • متغیرها و Scope
  • آزمایشگاه: ساخت یک Data Pipeline با ترکیب Functionها

فصل هفتم: کلاس ها و کتابخانه ها

  • آزمایشگاه: استفاده از Classها
  • آزمایشگاه: Inheritance و گسترش Classها
  • آزمایشگاه: متدهای Dunder
  • Import کردن و استفاده از Classها از Packageها
  • Anaconda، Python و Pip
  • محیط های مجازی (Virtual Environments)

فصل هشتم: مدیریت Exceptionها و اشکال زدایی

  • Exceptionها و ساختار try-except
  • آزمایشگاه: خواندن و اشکال زدایی Tracebackها
  • ایجاد و پرتاب Exceptionها
  • بخش های Finally و Else

فصل نهم: خواندن و نوشتن فایل ها

  • خواندن و نوشتن فایل ها با استفاده از With Statement
  • کار با فایل ها و دایرکتوری ها با استفاده از pathlib
  • آزمایشگاه: بارگذاری مجموعه داده NOAA از فایل JSON
  • آزمایشگاه: تولید گزارش آب وهوا در قالب CSV

فصل دهم: خودکارسازی عملیات وب

  • آزمایشگاه: ارسال درخواست های HTTP
  • آزمایشگاه: مدیریت خطاهای HTTP
  • فراخوانی APIها با استفاده از GET و POST
  • آزمایشگاه: استفاده از OpenAI API

فصل یازدهم: جمع بندی

  • مسیرهایی که Python می تواند پیش روی شما قرار دهد
دیدگاه کاربران

دیدگاه ها

برای ثبت دیدگاه ابتدا وارد حساب کاربری شوید.
هنوز دیدگاهی برای این محصول تایید نشده است.