پی سی دانلود - coding

این دوره برای توسعه‌دهندگان وب تازه‌کار، طراحان و هر فردی که به دنبال ساخت سریع و کارآمد طرح‌بندی‌های حرفه‌ای و سازگار با موبایل است، طراحی شده است. در این دوره، آموزش از مبانی اصلی آغاز می‌شود. شرکت‌کنندگان با مفاهیم اساسی سیستم قدرتمند گرید (Grid) بوت‌استرپ و رویکرد مبتنی بر ابزارهای آن آشنا می‌شوند. در ادامه، یاد می‌گیرند که چگونه بدون نوشتن حتی یک خط کد CSS، طرح‌بندی‌های پیچیده و چند ستونه بسازند. با پیشرفت دوره، به بررسی مؤلفه‌های اصلی بوت‌استرپ مانند نوارهای ناوبری سفارشی، اسلایدرهای پویا، فرم‌های قدرتمند و کارت‌های انعطاف‌پذیر پرداخته می‌شود. این دوره صرفاً بر مباحث تئوری تمرکز ندارد. دانش‌آموختگان با ساخت چندین پروژه واقعی، دانش خود را به کار می‌گیرند و مهارت‌های کلیدی را تقویت می‌کنند. این پروژه‌ها به آن‌ها یک نمونه کار ارزشمند برای ارائه می‌دهند. همچنین، موضوعات پیشرفته‌تری مانند چگونگی شخصی‌سازی متغیرهای بوت‌استرپ با Sass برای ساخت تم‌های منحصربه‌فرد و نحوه استفاده از کلاس‌های کمکی برای بهینه‌سازی طراحی‌ها نیز پوشش داده می‌شود.
در دوره آموزشی The Complete Bootstrap 5 Course: Modern Layouts Made Easy با فریم ورک بوت‌استرپ ۵ آشنا خواهید شد.

این دوره با معرفی سریع و اجمالی رابط کاربری R Studio آغاز می‌شود. سپس، شرکت‌کنندگان بلافاصله با یک فایل داده واقعی کار را شروع می‌کنند. در این بخش، یک روال غربالگری داده، شامل بازرسی توزیع متغیرها با استفاده از نمودارهای میله‌ای و هیستوگرام‌ها، بررسی متغیرهای رشته‌ای ناخواسته (Chr)، شمارش مقادیر گمشده (NA) و موارد دیگر، به صورت گام به گام به آنان آموزش داده می‌شود. پس از آن، به برخی از تحلیل‌های بنیادی داده، مانند جداول فراوانی همراه با فراوانی‌ها و درصد ستونی، آمار توصیفی برای تمامی مشاهدات و زیرگروه‌ها به صورت جداگانه، جداول توافقی با فراوانی‌ها و درصدهای ستونی، و همبستگی‌های پیرسون با حذف مقادیر گمشده به صورت لیستی و زوجی پرداخته می‌شود. در ادامه، نحوه وارد کردن و صادر کردن انواع فایل‌ها مانند R, RData, RDS, Excel, CSV, SAV و PNG به R Studio آموزش داده می‌شود. در نهایت، دوره با آموزش مهارت‌های ویرایش داده، از جمله مرتب‌سازی مجدد و حذف متغیرها (ستون‌ها) یا مشاهدات (ردیف‌ها) و شمارش مقادیر گمشده (NA) در داخل مشاهدات، به پایان می‌رسد. همچنین، محاسبه میانگین‌ها و مجموع‌ها بر روی متغیرها با و بدون مقادیر گمشده نیز پوشش داده می‌شود.
در دوره آموزشی R Studio - A Crash Course با تحلیل داده و کار با نرم‌افزار R Studio آشنا خواهید شد.

این دوره آموزشی شما را در فرایند ساخت یک پلتفرم وبلاگ‌نویسی کاملاً کاربردی با استفاده از آخرین نسخه سیمفونی، که قدرتمندترین فریم‌ورک پی‌اچ‌پی در سال ۲۰۲۵ است، به صورت گام به گام همراهی می‌کند. به جای اینکه فقط مفاهیم مجزا و پراکنده سیمفونی را یاد بگیرید، در این دوره یک سیستم مدیریت محتوای کامل (CMS) می‌سازید که می‌توانید از آن استفاده کنید، آن را سفارشی‌سازی کنید، و حتی در رزومه کاری خود نمایش دهید. این سیستم وبلاگ‌نویسی مدرن شامل بخش‌های متنوعی است که امکان تعامل کاربران با نوشته‌ها را فراهم می‌کند.
در دوره آموزشی PHP Symfony 7: Build a Complete CMS Blog System 2025 با ساخت یک سیستم مدیریت محتوای وبلاگ با استفاده از فریم‌ورک سیمفونی آشنا خواهید شد.

این دوره آموزشی جامع اسکریپت‌نویسی شل بش برای تمام علاقه‌مندان، از مبتدیان کامل گرفته تا افرادی که با خط فرمان آشنایی دارند، مناسب است. هدف این دوره، ارائه یک درک کامل و عمیق از نحوه نوشتن اسکریپت‌های شل است. در طول دوره، به تمامی مباحث پایه اسکریپت‌نویسی شل، از جمله تعریف و استفاده از متغیرها، تصمیم‌گیری با استفاده از دستورات شرطی if-else، عبارات ریاضی، حلقه‌ها و توابع پرداخته می‌شود. در پایان این دوره، شرکت‌کنندگان مهارت‌های لازم برای خودکارسازی وظایف، حل مسائل واقعی و نوشتن اسکریپت‌های شل خود را با اعتماد به نفس کامل کسب خواهند کرد. رویکرد پروژه‌محور در دو بخش پایانی دوره به دانش‌آموزان این امکان را می‌دهد که تمام آموخته‌های خود را در عمل به کار بگیرند و اسکریپت‌هایی ایجاد کنند که چالش‌های کاربردی و واقعی را حل می‌کنند.
در دوره آموزشی Bash Shell Scripting: Automate the Boring Stuff with Bash با اصول و کاربردهای اسکریپت‌نویسی شل بش آشنا خواهید شد.

این دوره برای افرادی که به تازگی وارد دنیای توسعه وب شده‌اند یا به دنبال تقویت مهارت‌های بک‌اند خود هستند، مناسب است. شرکت‌کنندگان در این دوره با ویژگی‌های قدرتمند لاراول آشنا می‌شوند و یاد می‌گیرند که چگونه با اطمینان خاطر، برنامه‌های وب قوی بسازند. در پایان این دوره، شما مهارت‌های لازم برای ساخت، ایمن‌سازی و استقرار برنامه‌های لاراول با امکانات کامل را به دست خواهید آورد. Laravel یک فریم‌ورک محبوب PHP است که امکانات جامعی برای توسعه برنامه‌های کاربردی وب بر پایه معماری سه لایه MVC را در اختیار برنامه‌‌نویسان تحت وب قرار می‌دهد. لاراول تحت مجوز MIT در یک مخزن گیت‌هاب توسعه و پشتیبانی می‌شود و سهولت، سرعت و اتعطاف‌پذیری بالای آن موجب شده است که اکثر توسعه‌دهندگان برنامه‌های تحت وب از آن استفاده کنند.
در دوره آموزشی Everything About Laravel با توسعه کامل برنامه‌های وب با استفاده از فریم‌ورک Laravel آشنا خواهید شد.

این دوره آموزشی جامع، قدرت توسعه نرم‌افزار مدرن با Git، GitLab و CI/CD را برای شما آشکار می‌سازد. از کنترل نسخه بنیادین گرفته تا استقرار خودکار بر روی AWS، مهارت‌های ضروری برای بهینه‌سازی گردش کار توسعه و ارائه سریع‌تر نرم‌افزار با کیفیت بالا را کسب خواهید کرد. بخش 1: مقدمه و راه‌اندازی Git: با اصول اولیه Git شروع خواهید کرد، مفاهیم اصلی آن را درک کرده و محیط محلی خود را راه‌اندازی می‌کنید. خواهید آموخت که چگونه مخازن را مقداردهی اولیه کنید، تغییرات را ثبت کنید و پایگاه کد خود را به طور موثر مدیریت نمایید. در این بخش، اهمیت سیستم کنترل نسخه در توسعه نرم‌افزار و مزایای استفاده از Git به عنوان یک ابزار قدرتمند در این زمینه به طور کامل شرح داده می‌شود. همچنین، دستورات کلیدی Git برای انجام عملیات اساسی مانند افزودن فایل‌ها، مشاهده وضعیت مخزن و بررسی تاریخچه تغییرات مورد بررسی قرار می‌گیرند.
در دوره Getting Started with git-flow با مدیریت نسخه‌ها، همکاری تیمی و استقرار خودکار نرم‌افزار آشنا خواهید شد.

این دوره برای کسانی طراحی شده است که می‌خواهند از یک مبتدی مطلق به یک توسعه‌دهنده حرفه‌ای تبدیل شوند. در این مسیر، شرکت‌کنندگان مهارت‌های برنامه‌نویسی سنتی را با قدرت توسعه به کمک هوش مصنوعی ترکیب می‌کنند. در ابتدا، دوره با اصول اولیه توسعه وب مانند HTML و CSS آغاز می‌شود تا پایه و اساس محکمی ایجاد گردد. سپس، به سراغ مبانی جاوا اسکریپت می‌رود تا شرکت‌کنندگان نحوه نوشتن منطق، مدیریت داده‌ها و ایجاد تعامل را بیاموزند. در ادامه، با React.js آشنا می‌شوند تا بتوانند رابط‌های کاربری مدرن، پویا و واکنش‌گرا بسازند. در نهایت، با استفاده از Nest.js و RESTful APIs، نحوه ایجاد بک‌اندهای امن و مقیاس‌پذیر و اتصال فرانت‌اند به پایگاه‌های داده واقعی را فرا می‌گیرند. در تمام طول دوره، به شرکت‌کنندگان آموزش داده می‌شود که چگونه از پرامپت‌های هوش مصنوعی به عنوان یک دستیار برنامه‌نویسی استفاده کنند. این تکنیک به آن‌ها کمک می‌کند تا باگ‌ها را سریع‌تر پیدا کنند، نمونه کد تولید کنند و خلاقیت خود را بهبود بخشند. به جای تنها حفظ کردن دستورات، شرکت‌کنندگان یاد می‌گیرند که چگونه با همکاری هوش مصنوعی، هوشمندانه‌تر کار کنند. این دوره کاملاً پروژه‌محور است و شرکت‌کنندگان با ساختن پروژه‌های واقعی، از جمله یک پروژه تمام‌عیار وب‌سایت دانشگاه، تمام آموخته‌های خود را به کار می‌گیرند. در پایان دوره، آن‌ها نه تنها می‌دانند چگونه یک برنامه کامل را از صفر بسازند، بلکه با مهارت استفاده از هوش مصنوعی برای سرعت بخشیدن به روند کاری خود نیز آشنا شده‌اند؛ مهارتی که امروزه برای توسعه‌دهندگان ضروری است.
در دوره آموزشی Full Stack AI Prompt/Vibe coding Developer from Zero to Pro با توسعه‌دهندگی تمام‌عیار به کمک هوش مصنوعی آشنا خواهید شد.

حوزه برنامه‌نویسی بسیار گسترده و متنوع است و فرصت‌های شغلی متفاوتی پیش روی شما است. البته بسته به زبانی که شما فرا گرفته‌اید، این فرصت‌ها می‌توانند محدودتر شوند. بنابراین اگر هدف‌تان از یادگیری برنامه‌نویسی، رسیدن به یکی از این فرصت‌های شغلی است، بهتر است پیش از انتخاب زبان مورد نظر، بازار کار آن را مورد بررسی قرار دهید.
موضوع بعدی پس از یادگیری زبان برنامه‌نویسی مورد نظر، پیدا کردن شغل مناسب است. شما هر چقدر که در این زمینه حرفه‌ای شوید و مهارت‌های لازم را فرا بگیرید، از دید کارفرماها تا زمانی که سابقه کار مفیدی نداشته باشید، یک برنامه‌نویس مبتدی محسوب می‌شوید. کارفرمایان معمولا دنبال برنامه‌نویسانی هستند که تجربه کار داشته باشند. به همین دلیل مجاب کردن آنها به عنوان یک برنامه‌نویس مبتدی اندکی مشکل است. شما به عنوان برنامه‌نویس تازه کار علاوه بر تلاشی که برای کسب تجربه می‌کنید، باید بدانید چگونه و در کجا در جستجوی شغل باشید و چگونه با مدیران منابع انسانی و مسئولان استخدامی ارتباط برقرار کرده و نظر آنها را جلب کنید.
در دوره How to Get Your First Programming Job با نحوه پیدا کردن شغل با مهارت برنامه نویسی و در رشته کامپیوتر آشنا خواهید شد.

گو (Go) یک زبان برنامه‌نویسی ترجمه‌شده و همروند است که در شرکت گوگل و توسط رابرت گریسمر، راب پایک و کن تامپسون توسعه داده می‌شود. این زبان در نوامبر ۲۰۰۹ معرفی شد و در حال حاضر در چند سامانهٔ اجرایی گوگل استفاده می‌شود. کامپایلر گو از لینوکس، مک او اس، ویندوز و انواع سیستم‌های عامل بی‌اس‌دی مانند FreeBSD پشتیبانی می‌کند. از لحاظ معماری پردازنده نیز، معماری x86، معماری x64، معماری ARM و معماری POWER که مخصوص به شرکت آی‌بی‌ام است، توسط کامپایلر گو پشتیبانی می‌شوند. اهداف ایجاد زبان گو کارایی زبان‌های ترجمه‌شده دارای سامانه نوع ایستا،آسانی برنامه‌ نویسی زبان‌های پویا، امنیت نوع‌ها و حافظه، پشتیبانی برای همروندی و ارتباط، و کامپایل سریع است. در زبان گو، ارث‌بری نوع‌ها وجود ندارد.
در دوره آموزشی Go Getting Started با برنامه نویسی مقدماتی زبان گو آشنا می شوید.

این دوره آموزشی به شکلی واضح و عملی طراحی شده تا درک جامعی از شبکه‌های عصبی به دانشجویان ارائه دهد. این مسیر یادگیری از مفاهیم بسیار پایه آغاز شده و به تدریج به معماری‌های پیشرفته‌ای که امروزه در پژوهش‌ها و صنایع مورد استفاده قرار می‌گیرند، می‌پردازد. در ابتدا، دانشجویان با مفاهیم پایه‌ای پرسبترون‌ها و پرسبترون‌های چندلایه، که سنگ‌بنای مدل‌های شبکه‌های عصبی هستند، آشنا می‌شوند. در ادامه، گام‌به‌گام به اصول آموزش شبکه‌ها مانند روش‌های مقداردهی اولیه وزن‌ها (Xavier و He)، توابع هزینه و استراتژی‌های بهینه‌سازی پرداخته می‌شود. تکنیک‌های منظم‌سازی مانند درون‌ریزی (dropout) و نرمال‌سازی دسته‌ای (batch normalization) نیز پوشش داده می‌شوند تا دانشجویان با نحوه بهبود عملکرد مدل و کاهش بیش‌برازش آشنا شوند. پس از تکمیل مباحث پایه، دوره به شبکه‌های عمیق پیش‌خور، اتصالات پسماند و شبکه‌های عصبی کانولوشنی (CNNs) گسترش می‌یابد. دانشجویان در این بخش می‌بینند که چگونه از شبکه‌های عصبی کانولوشنی هم به صورت نظری و هم عملی با استفاده از کتابخانه PyTorch استفاده می‌شود. همچنین، نحوه پیاده‌سازی معماری‌های مشابه در زبان‌های Julia و MATLAB نیز توضیح داده می‌شود. سپس، دوره به سمت شبکه‌های عصبی بازگشتی (RNNs)، LSTM‌ها، GRUها و مدل‌های زمانی پیش می‌رود، که دانشجویان را برای کار با داده‌های توالی و مسائل پیش‌بینی آماده می‌سازد. در بخش‌های پایانی، مکانیزم‌های توجه (attention mechanisms) و ترنسفورمرها که امروزه ابزارهای استانداردی در پردازش زبان طبیعی و بینایی کامپیوتر هستند، پوشش داده می‌شوند. همچنین، خودرمزگذارها (autoencoders)، خودرمزگذارهای متغیر (variational autoencoders)، مدل‌های احتمالی مانند شبکه‌های عصبی بیزی، و رویکردهای خودسازمان‌دهنده مانند شبکه‌های کوهنن مورد بررسی قرار می‌گیرند. علاوه بر این، دوره شامل مباحثی درباره شبکه‌های عصبی گرافی (GNNs) و سایر معماری‌های تخصصی مانند شبکه‌های اکو استیت و ODEs عصبی می‌شود، که تضمین می‌کند دانشجویان با طیف گسترده‌ای از تکنیک‌ها آشنایی پیدا کنند.
در این دوره آموزشی Neural Networks with Python : 1 با ساختار و کاربردهای گوناگون شبکه‌های عصبی آشنا می‌کند.