پایتون برای هوش مصنوعی و تحلیل داده
توابع و برنامه‌نویسی شیءگرا

توابع و برنامه‌نویسی شیءگرا

۱۱ بخش۱۱ درس۱۱ آزمون۱ ساعت و ۲۹ دقیقه
مقدماتی

دورهٔ سوم پایتون در مدرسهٔ هوش مصنوعی مایان: با تابع از تکرار خلاص می‌شی و با کلاس، داده و رفتار رو یه جا می‌ذاری.

بخش ۱تعریف و فراخوانی تابع
۰/۱
  1. تعریف و فراخوانی تابع۷:۵۳ پیش‌نمایش رایگان
  2. آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۲پارامترها و مقادیر بازگشتی
۰/۱
  1. پارامترها و مقادیر بازگشتی۸:۰۹
  2. آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۳آرگومان‌های پیش‌فرض و کلیدی
۰/۱
  1. آرگومان‌های پیش‌فرض و کلیدی۷:۵۸
  2. آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۴توابع lambda، map و filter
۰/۱
  1. توابع lambda، map و filter۷:۵۹
  2. آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۵حوزه متغیرها (Scope)
۰/۱
  1. حوزه متغیرها (Scope)۸:۰۱
  2. آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۶مفهوم کلاس و شیء
۰/۱
  1. مفهوم کلاس و شیء۷:۵۳
  2. آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۷ویژگی‌ها و متدها
۰/۱
  1. ویژگی‌ها و متدها۸:۱۲
  2. آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۸وراثت
۰/۱
  1. وراثت۸:۱۴
  2. آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۹کپسوله‌سازی و چندریختی
۰/۱
  1. کپسوله‌سازی و چندریختی۸:۱۰
  2. آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۱۰متدهای ویژه در کلاس‌ها
۰/۱
  1. متدهای ویژه در کلاس‌ها۷:۵۷
  2. آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۱۱تمرین: طراحی کلاس حساب بانکی
۰/۱
  1. تمرین: طراحی کلاس حساب بانکی۸:۱۸
  2. آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪

این دوره در «مسیر متخصص فنی»، «پلن کامل» است.

دیدن پلن‌ها