نقشه راه کامل، جدید و معتبر پایتون از صفر تا پیشرفته (وب، داده، خودکارسازی و هوش مصنوعی)
نصب و محیط (مفسر، IDE)، متغیرها، انواع داده (اعداد، رشته، لیست، تاپل، دیکشنری، مجموعه)، ساختارهای شرط و حلقه، توابع و ماژولهای اولیه
آرگومانهای پیشفرض، *args, **kwargs، lambda، map/filter، comprehensions، ایجاد ماژول و بستهها، مدیریت فایل و context manager
کلاسها، اشیاء، متدها، وراثت، چندریختی، encapsulation، dunder methods، property و decoratorهای کلاس
try/except/finally، raise، خطاهای سفارشی، logging، pdb، type hints و ابزارهای تحلیل استاتیک (mypy)
کار با تاریخ و زمان، os/sys، pathlib، collections، itertools، functools، argparse و مدیریت وابستگیها با pip/poetry
Flask و Django (REST API)، معماری MVC/MTV، احراز هویت (JWT, OAuth2)، ارتباط با پایگاه داده (SQLAlchemy, Django ORM)، آشنایی با FastAPI و async web
SQLite، PostgreSQL، MongoDB با pymongo/mongoengine، طراحی پایگاه داده، Redis برای کش و صف، کار با CSV/JSON/XML
اسکریپتهای سیستمی، کار با APIهای REST (requests, httpx)، وب اسکریپینگ (BeautifulSoup, Scrapy)، زمانبندی وظایف و ارسال ایمیل
تست واحد با pytest، تست mocking، پوشش کد (coverage)، PEP8، ابزارهای فرمت و linting (black, flake8, ruff)، CI/CD با GitHub Actions
async/await، event loop، asyncio، کتابخانههای async (aiohttp, httpx)، FastAPI async endpoints، تفاوت thread و asyncio و کاربردها
NumPy و Pandas، مصورسازی (Matplotlib, Seaborn, Plotly)، یادگیری ماشین با scikit-learn، شبکههای عصبی با PyTorch/TensorFlow، پردازش زبان طبیعی و بینایی کامپیوتر در سطح مقدماتی
GIL و multiprocessing، مدیریت حافظه، متاکلاسها، کتابخانههای Pydantic و dataclasses، داکرایز کردن برنامهها، امنیت و بهینهسازی، ورود به دنیای DevOps و MLOps
ساخت نمونه کار (Portfolio)، مشارکت در متنباز، هکاتونها، گواهینامهها (Python Institute, PCAP)، موقعیتهای شغلی (Backend, Data, ML, DevOps) و یادگیری مستمر