📚 منابع آموزشی و سرفصل‌های دوره Python & AI

راهنمای کامل برای دانش‌آموزان • دوره 3 ساله

📖 کتاب
🎥 ویدیو
🌐 وب‌سایت
💻 تمرین عملی
🎓 سال اول: پایه‌های برنامه‌نویسی
هفته 1-40
موضوع اصلی سرفصل‌های تفصیلی منابع پیشنهادی
مقدمات Python
هفته 1-2
  • آشنایی با برنامه‌نویسی و کاربردهای آن
  • نصب Python و IDE (Thonny/IDLE)
  • اولین برنامه: print("Hello World")
  • مفهوم خطا و Debug کردن
  • کامنت‌گذاری در کد
📖 کتاب "آموزش پایتون برای نوجوانان" - مترجم فارسی
🌐 وب‌سایت Python.org - بخش Getting Started
🎥 ویدیو کانال‌های فارسی یوتیوب: "جادی"، "راکت"
متغیرها و انواع داده
هفته 3-4
  • مفهوم متغیر و نام‌گذاری صحیح
  • int (اعداد صحیح) و float (اعداد اعشاری)
  • string (رشته‌های متنی) و کار با متن
  • boolean (True/False)
  • عملگرهای ریاضی: +، -، *، /، //، %، **
  • تبدیل انواع داده: int()، float()، str()
📖 کتاب "Python Crash Course" - بخش اول
💻 تمرین W3Schools.com/python - تمرین‌های Variables
🌐 وب‌سایت replit.com - برای تمرین آنلاین
ورودی و خروجی
هفته 5-8
  • تابع input() برای دریافت ورودی از کاربر
  • تابع print() و گزینه‌های مختلف آن
  • قالب‌بندی رشته‌ها با f-strings
  • format() و %
  • کار با ورودی‌های عددی و متنی
  • محاسبات با ورودی کاربر
🎥 ویدیو آموزش "ورودی و خروجی در پایتون"
💻 پروژه ماشین حساب ساده + تبدیل واحدها
شرط‌ها و تصمیم‌گیری
هفته 9-12
  • دستورات if، elif، else
  • عملگرهای مقایسه‌ای: ==، !=، >، <، >=، <=
  • عملگرهای منطقی: and، or، not
  • شرط‌های تودرتو (Nested conditions)
  • عملگر شرطی (Ternary operator)
  • حالات پیچیده‌تر با ترکیب شرط‌ها
📖 کتاب "Automate the Boring Stuff" - فصل 2
💻 پروژه بازی حدس عدد، ماشین حساب حرفه‌ای
🌐 تمرین Codewars.com - مسائل سطح 8-7 kyu
حلقه‌ها و تکرار
هفته 13-16
  • حلقه for و تابع range()
  • حلقه while و شرایط تکرار
  • break برای خروج از حلقه
  • continue برای پرش به تکرار بعدی
  • حلقه‌های تودرتو (Nested loops)
  • الگوریتم‌های ساده با حلقه
🎥 ویدیو "حلقه‌ها در پایتون - کامل"
💻 پروژه رسم الگوهای ستاره‌ای، جدول ضرب
🌐 تمرین HackerRank.com - Python Loops
لیست‌ها
هفته 17-20
  • ایجاد و مقداردهی اولیه لیست
  • دسترسی به عناصر با index
  • متدهای لیست: append، remove، pop، insert
  • sort، reverse، count، index
  • Slicing و برش‌زنی لیست
  • لیست‌های تودرتو (2D Lists)
  • List comprehension مقدماتی
📖 کتاب "Python Crash Course" - فصل Lists
💻 پروژه To-Do List Manager
🎥 ویدیو "لیست‌ها و متدهای آن - جامع"
رشته‌ها و تاپل‌ها
هفته 21-24
  • متدهای رشته: upper، lower، strip، split
  • replace، find، count، startswith
  • join برای ترکیب رشته‌ها
  • Tuple و تفاوت با List
  • دیکشنری مقدماتی (key: value)
  • کار با داده‌های ترکیبی
🌐 وب‌سایت Python String Methods - W3Schools
💻 پروژه دفترچه تلفن با دیکشنری
توابع
هفته 25-28
  • تعریف تابع با def
  • پارامترها و آرگومان‌ها
  • مقادیر پیش‌فرض پارامترها
  • return و بازگشت مقدار
  • محدوده متغیرها (Local vs Global scope)
  • توابع بازگشتی (Recursion) مقدماتی
  • Lambda functions
📖 کتاب "Think Python" - فصل Functions
💻 پروژه ماشین حساب علمی با توابع
🎥 ویدیو "توابع در پایتون - کامل و کاربردی"
ماژول‌ها و کتابخانه‌ها
هفته 29-32
  • import و استفاده از ماژول‌ها
  • ماژول math: sqrt، pow، sin، cos
  • ماژول random: randint، choice، shuffle
  • ماژول datetime: تاریخ و زمان
  • کتابخانه turtle برای گرافیک
  • ساخت ماژول شخصی
🌐 مستندات Python Standard Library Documentation
💻 پروژه بازی مار یا پونگ با turtle
📖 کتاب "Python for Kids" - Turtle Graphics
الگوریتم‌های پایه
هفته 33-36
  • جستجوی خطی (Linear Search)
  • مرتب‌سازی حبابی (Bubble Sort)
  • مرتب‌سازی درجی (Insertion Sort)
  • پیدا کردن بزرگترین/کوچکترین
  • معکوس کردن لیست
  • تفکر الگوریتمی و حل مسئله
🌐 تمرین LeetCode Easy Problems
🎥 ویدیو "الگوریتم‌های مرتب‌سازی - تصویری"
💻 تمرین مسائل ترکیبی از تمام مفاهیم
پروژه نهایی سال اول
هفته 37-40
  • طراحی و برنامه‌ریزی پروژه
  • پیاده‌سازی با تمام مفاهیم یادگرفته
  • تست و اشکال‌زدایی
  • مستندسازی کد
  • ارائه و دفاع از پروژه
💻 پیشنهاد بازی دوز (Tic-Tac-Toe)
💻 پیشنهاد سیستم کوییز آنلاین
💻 پیشنهاد شبیه‌ساز پرتاب تاس و سکه
💻 سال دوم: برنامه‌نویسی پیشرفته
هفته 41-80
موضوع اصلی سرفصل‌های تفصیلی منابع پیشنهادی
برنامه‌نویسی شی‌گرا (OOP)
هفته 41-48
  • مفهوم کلاس (Class) و شی (Object)
  • ویژگی‌ها (Attributes) و متدها (Methods)
  • سازنده __init__
  • self و استفاده از آن
  • وراثت (Inheritance)
  • چندریختی (Polymorphism)
  • کپسوله‌سازی (Encapsulation)
  • متدهای خاص: __str__، __repr__
📖 کتاب "Python Object-Oriented Programming" - Dusty Phillips
🎥 ویدیو "OOP in Python - Corey Schafer"
💻 پروژه سیستم مدیریت دانش‌آموز + بازی RPG
کار با فایل‌ها
هفته 49-52
  • open، read، write، close
  • with statement برای مدیریت فایل
  • خواندن فایل‌های CSV با csv module
  • کار با فایل‌های JSON
  • pickle برای ذخیره اشیا
  • os module برای مدیریت فایل‌ها
🌐 آموزش Real Python - Working with Files
💻 پروژه سیستم ذخیره و بازیابی داده
مدیریت خطا
هفته 53-56
  • try، except، else، finally
  • انواع استثناها: ValueError، TypeError، etc
  • ایجاد استثنای سفارشی
  • raise برای پرتاب خطا
  • assert برای بررسی شرایط
  • logging برای ثبت خطاها
📖 کتاب "Python Tricks" - Dan Bader
🎥 ویدیو "Exception Handling - Complete Guide"
💻 پروژه برنامه مقاوم با error handling کامل
تجسم داده با Matplotlib
هفته 57-60
  • نصب و import کتابخانه matplotlib
  • نمودارهای خطی (Line plots)
  • نمودارهای میله‌ای (Bar charts)
  • نمودارهای دایره‌ای (Pie charts)
  • Scatter plots و Histograms
  • سفارشی‌سازی: رنگ، برچسب، عنوان
  • ذخیره نمودار به عنوان تصویر
🌐 مستندات Matplotlib Official Documentation
🎥 ویدیو "Matplotlib Tutorial - Corey Schafer"
💻 پروژه تجسم داده‌های آب و هوا یا نمرات
NumPy و آمار
هفته 61-64
  • آرایه‌های NumPy و تفاوت با لیست
  • عملیات ریاضی روی آرایه‌ها
  • محاسبات آماری: میانگین، میانه، مد
  • انحراف معیار و واریانس
  • ماتریس‌ها و عملیات خطی
  • تحلیل داده‌های عددی
📖 کتاب "NumPy Beginner's Guide"
🌐 آموزش NumPy Official Tutorials
💻 پروژه تحلیل آماری نظرسنجی مدرسه
رابط کاربری با Tkinter
هفته 65-72
  • ایجاد پنجره اصلی با Tk()
  • ویجت‌های پایه: Label، Button، Entry
  • Text، Listbox، Checkbutton، Radiobutton
  • Layout managers: pack، grid، place
  • رویدادها و Event handling
  • منو (Menu) و دیالوگ‌ها
  • Canvas برای رسم و گرافیک
  • ساخت برنامه‌های تعاملی کامل
📖 کتاب "Python GUI Programming with Tkinter"
🎥 ویدیو "Tkinter Course - freeCodeCamp"
💻 پروژه دفترچه یادداشت + بازی با GUI
الگوریتم‌های پیشرفته
هفته 73-76
  • جستجوی دودویی (Binary Search)
  • مرتب‌سازی سریع (Quick Sort)
  • مرتب‌سازی ادغامی (Merge Sort)
  • پیچیدگی زمانی: Big O Notation
  • الگوریتم‌های بازگشتی پیشرفته
  • بهینه‌سازی کد
📖 کتاب "Grokking Algorithms" - فارسی
🌐 تمرین Codewars - سطح 6-5 kyu
🎥 ویدیو "Algorithms Explained - Visually"
پروژه نهایی سال دوم
هفته 77-80
  • برنامه جامع با رابط گرافیکی
  • استفاده از OOP
  • ذخیره و بازیابی داده از فایل
  • تجسم و تحلیل داده
  • مستندسازی کامل
💻 پیشنهاد سیستم مدیریت کتابخانه
💻 پیشنهاد برنامه مدیریت فروشگاه
💻 پیشنهاد نرم‌افزار حسابداری شخصی
🤖 سال سوم: هوش مصنوعی و یادگیری ماشین
هفته 81-120
موضوع اصلی سرفصل‌های تفصیلی منابع پیشنهادی
مبانی هوش مصنوعی
هفته 81-84
  • تاریخچه و تعریف هوش مصنوعی
  • تفاوت AI، ML، Deep Learning
  • انواع یادگیری: نظارت‌شده، بدون نظارت، تقویتی
  • کاربردهای واقعی AI
  • اخلاق و مسائل اجتماعی AI
  • آینده هوش مصنوعی
📖 کتاب "هوش مصنوعی: رویکردی نوین" - راسل و نورویگ
🎥 ویدیو دوره AI for Everyone - Andrew Ng
💻 تحقیق بررسی کاربردهای AI در زندگی روزمره
ریاضیات برای AI
هفته 85-88
  • احتمال و آمار پیشرفته
  • توزیع‌های آماری
  • ماتریس‌ها و جبر خطی
  • مشتق و گرادیان (مقدماتی)
  • توابع هزینه (Cost Functions)
  • محاسبات با NumPy
📖 کتاب "Mathematics for Machine Learning"
🌐 آموزش Khan Academy - Linear Algebra
💻 تمرین پیاده‌سازی محاسبات آماری
Pandas و پردازش داده
هفته 89-92
  • DataFrame و Series
  • خواندن داده از CSV، Excel، JSON
  • انتخاب و فیلتر کردن داده
  • تمیزسازی داده (Data Cleaning)
  • مدیریت داده‌های گمشده
  • groupby و تجمیع داده
  • merge و join کردن DataFrameها
📖 کتاب "Python for Data Analysis" - Wes McKinney
🌐 دیتاست Kaggle.com - مجموعه داده‌های واقعی
💻 پروژه تحلیل دیتاست از Kaggle
تجسم پیشرفته با Seaborn
هفته 93-96
  • نمودارهای آماری پیشرفته
  • Heatmaps و Correlation matrices
  • Distribution plots
  • Pair plots و Joint plots
  • تم‌بندی و استایل نمودارها
  • داستان‌سرایی با داده
🌐 مستندات Seaborn Official Gallery
🎥 ویدیو "Data Visualization with Seaborn"
💻 پروژه گزارش تحلیلی کامل با تجسم
یادگیری ماشین مقدماتی
هفته 97-100
  • مفهوم آموزش و تست
  • Train-Test Split
  • رگرسیون خطی (Linear Regression)
  • تابع هزینه و بهینه‌سازی
  • Scikit-learn و استفاده از آن
  • ارزیابی مدل: MSE، R²
  • Overfitting و Underfitting
📖 کتاب "Hands-On Machine Learning" - Aurélien Géron
🎥 دوره Machine Learning - Andrew Ng (Coursera)
💻 پروژه پیش‌بینی قیمت خانه
الگوریتم‌های طبقه‌بندی
هفته 101-104
  • k-Nearest Neighbors (KNN)
  • Decision Trees
  • Random Forest
  • Logistic Regression
  • ارزیابی: Accuracy، Precision، Recall
  • Confusion Matrix
  • Cross-validation
🌐 دیتاست MNIST Dataset - تشخیص اعداد
🎥 ویدیو "Classification Algorithms Explained"
💻 پروژه تشخیص اعداد دست‌نویس (MNIST)
پردازش تصویر با OpenCV
هفته 105-108
  • خواندن و نمایش تصویر
  • تبدیلات رنگی
  • فیلترهای تصویری
  • تشخیص لبه (Edge Detection)
  • تشخیص چهره با Haar Cascades
  • کار با وبکم به صورت زنده
  • پردازش ویدیو
📖 کتاب "Learning OpenCV 3" - Adrian Kaehler
🌐 آموزش OpenCV Python Tutorials
💻 پروژه تشخیص چهره با وبکم + فیلتر
پردازش زبان طبیعی (NLP)
هفته 109-112
  • Tokenization و پردازش متن
  • Stop words و Stemming
  • Bag of Words
  • TF-IDF
  • تحلیل احساسات (Sentiment Analysis)
  • کتابخانه NLTK یا spaCy
  • کار با متن‌های فارسی
📖 کتاب "Natural Language Processing with Python"
🌐 دیتاست Twitter Sentiment Dataset
💻 پروژه تحلیل‌گر احساسات نظرات/توییت
موضوعات تکمیلی AI
هفته 113-116
  • Clustering: K-means، DBSCAN
  • سیستم‌های توصیه‌گر
  • Dimensionality Reduction (PCA)
  • Deep Learning مقدماتی
  • شبکه‌های عصبی ساده
  • TensorFlow/Keras (اختیاری)
🎥 دوره Deep Learning Specialization - Coursera
🌐 آموزش TensorFlow Tutorials
💻 پروژه سیستم توصیه فیلم/کتاب
پروژه کاپستون
هفته 117-120
  • انتخاب موضوع پروژه AI
  • جمع‌آوری و پردازش داده
  • انتخاب و آموزش مدل
  • بهینه‌سازی و ارزیابی
  • ساخت رابط کاربری
  • مستندسازی کامل
  • ارائه نهایی
💻 ایده چت‌بات هوشمند با NLP
💻 ایده تشخیص بیماری از علائم
💻 ایده بازی با حریف AI
💻 ایده تحلیل‌گر شبکه‌های اجتماعی
📚 منابع عمومی و پلتفرم‌های مفید
💡 نکات مهم برای استفاده از منابع

🎓 موفق باشید!

با پیگیری این سرفصل‌ها و استفاده از منابع پیشنهادی،
شما آماده خواهید شد برای ورود به دنیای حرفه‌ای برنامه‌نویسی و هوش مصنوعی

یادتان باشد: تمرین مداوم + پروژه‌های عملی = موفقیت 🚀