‫ماه اول‪ :‬مبانی پایتون‬

‫هفته‬ ‫روز‬ ‫فعالیت روزانه‬ ‫منابع پیشنهادی‬

‫هفته ‪۱‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫یادگیری مبانی پایتون‪ :‬انواع داده‪ ،‬متغیرها و عملگرها‬ ‫‪Python For Beginners - Full‬‬
‫‪Course‬‬
‫‪YouTube‬‬
‫‪Python Crash Course ،‬‬
‫روز ‪ ۴‬تا ‪۶‬‬ ‫شرطها و حلقهها‪while) ،for ، (if‬و تمرینات کوچک‬ ‫‪Learn Python in One Video‬‬
‫‪YouTube‬‬
‫روز ‪۷‬‬ ‫مرور مباحث هفته و تمرینهای بیشتر‬ ‫‪Codecademy - Python‬‬
‫‪Exercises‬‬
‫هفته ‪۲‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫توابع‪ :‬تعریف توابع‪ ،‬پارامترها و متغیرهای محلی‬ ‫‪Complete Python‬‬
‫‪Programming‬‬
‫‪YouTube‬‬
‫روز ‪ ۴‬تا ‪۶‬‬ ‫تابعهای ‪ lambda‬و ‪ import‬کردن ماژولها‬ ‫‪Python Intermediate Tutorial‬‬
‫‪YouTube‬‬
‫روز ‪۷‬‬ ‫حل تمرینات جامع توابع‬ ‫‪Real Python - Practice‬‬
‫‪Functions‬‬
‫هفته ‪۳‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫آشنایی با لیستها‪ ،‬تاپلها و مجموعهها و عملیات اصلی‬ ‫‪Python Lists & Dictionaries‬‬

‫روز ‪ ۴‬تا ‪۶‬‬ ‫تمرینات مرتبط با لیستها و دیکشنریها‬ ‫‪CodingBat Python‬‬

‫روز ‪۷‬‬ ‫مرور و حل تمرینهای تکمیلی‬ ‫‪LeetCode - Easy Python‬‬
‫‪Problems‬‬
‫هفته ‪۴‬‬ ‫روز ‪ ۱‬تا ‪۲‬‬ ‫حل پروژه کوچک برای جمعبندی مباحث (مثالً سیستم‬ ‫‪Projects in Python‬‬
‫مدیریت کارها)‬
‫روز ‪ ۳‬تا ‪۶‬‬ ‫تمرینات مربوط به دادههای متنی و رشتهها‬ ‫‪Python Strings Tutorial‬‬
‫روز ‪۷‬‬ ‫حل تمرینهای نهایی و مرور‬ ‫‪HackerRank Python‬‬
‫‪Challenges‬‬

‫ماه دوم‪ :‬سطح متوسط پایتون و مبانی‪DSA‬‬

‫هفته‬ ‫روز‬ ‫فعالیت روزانه‬ ‫منابع پیشنهادی‬

‫هفته ‪۱‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫برنامهنویسی شیءگرا‪ :‬تعریف کالسها و‬ ‫‪Object Oriented Programming in‬‬
‫اشیاء‬ ‫‪Python‬‬
‫روز ‪ ۴‬تا ‪۶‬‬ ‫تمرینات مربوط به وراثت و کالسهای‬ ‫‪Python OOP Tutorial‬‬
‫ترکیبی‬
‫روز ‪۷‬‬ ‫مرور و حل تمرینات جامع‪OOP‬‬ ‫‪Python OOP Practice‬‬
‫هفته ‪۲‬‬ ‫روز ‪ ۱‬تا ‪۲‬‬ ‫مبانی بازگشت )‪ (Recursion‬و حل مسائل‬ ‫‪Recursion Explained - YouTube‬‬
‫ساده‬
‫روز ‪ ۳‬تا ‪۶‬‬ ‫تمرینهای حل مسائل بازگشتی‬ ‫‪LeetCode Recursion Problems‬‬
‫روز ‪۷‬‬ ‫مرور و حل تمرینهای تکمیلی‬ ‫‪CodingBat - Recursion‬‬
‫هفته ‪۳‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫آشنایی با لیستهای پیوندی و پشتهها‬ ‫‪Linked Lists & Stacks‬‬
‫روز ‪ ۴‬تا ‪۶‬‬ ‫آشنایی با صفها و کار با دادههای‬ ‫‪Queue in Python‬‬
‫ساختاریافته‬
‫روز ‪۷‬‬ ‫تمرین نهایی و مرور‬ ‫‪Data Structures in Python -‬‬
‫‪Exercises‬‬
‫هفته ‪۴‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫ایجاد پروژه برای کار با دادههای ساختاریافته‬ ‫‪Python Mini Projects‬‬

‫روز ‪ ۴‬تا ‪۶‬‬ ‫تمرین بر روی مسائل ترکیبی برای ساختار‬ ‫‪Project Euler Problems‬‬
‫داده‬
‫روز ‪۷‬‬ ‫بررسی و حل تمرینات تکمیلی‬ ‫‪TopCoder - Python Practice‬‬
 ‫ماه سوم‪ :‬تقویت مبانی ‪ DSA‬و حل مسائل الگوریتمی‬

‫هفته‬ ‫روز‬ ‫فعالیت روزانه‬ ‫منابع پیشنهادی‬

‫هفته ‪۱‬‬ ‫روز ‪ ۱‬تا ‪۲‬‬ ‫آشنایی با الگوریتمهای مرتبسازی (حبابی و‬ ‫‪Sorting Algorithms‬‬
‫انتخابی)‬
‫روز ‪ ۳‬تا ‪۶‬‬ ‫تمرین مرتبسازی و حل مسائل مرتبط‬ ‫‪LeetCode Sorting Problems‬‬
‫روز ‪۷‬‬ ‫تمرینات تکمیلی بر روی الگوریتمهای‬ ‫‪HackerRank Sorting Challenges‬‬
‫مرتبسازی‬
‫هفته ‪۲‬‬ ‫روز ‪ ۱‬تا ‪۲‬‬ ‫آشنایی با جستجوی خطی و باینری‬ ‫‪Search Algorithms in Python‬‬
‫روز ‪ ۳‬تا ‪۶‬‬ ‫تمرین جستجو و حل مسائل مرتبط‬ ‫‪LeetCode - Binary Search‬‬
‫روز ‪۷‬‬ ‫تمرین نهایی جستجو‬ ‫‪HackerRank Search Challenges‬‬
‫هفته ‪۳‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫کار با درختها و مفاهیم پایهای ‪ DFS‬و‪BFS‬‬ ‫‪Trees and Graphs - YouTube‬‬
‫روز ‪ ۴‬تا ‪۶‬‬ ‫تمرین پیادهسازی درختها و الگوریتمهای‬ ‫‪Graph Traversal in Python‬‬
‫پیمایش‬
‫روز ‪۷‬‬ ‫مرور و حل مسائل درختها‬ ‫‪TopCoder Practice - Trees‬‬
‫هفته ‪۴‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫تمرینات پروژه محور در ساختار داده و‬ ‫‪Python Mini Projects - Data‬‬
‫الگوریتم‬ ‫‪Structures‬‬
‫روز ‪ ۴‬تا ‪۶‬‬ ‫حل مسائل جامع و مرور تمامی مباحث‬ ‫‪Project Euler - Advanced‬‬
‫‪Problems‬‬
‫روز ‪۷‬‬ ‫بررسی مباحث و تمرین نهایی برای ماه سوم‬ ‫‪Codewars - DSA Practice‬‬

‫ماه چهارم‪ :‬مبانی پیشرفتهتر در ساختار دادهها و الگوریتمهای کارآمد‬

‫هفته‬ ‫روز‬ ‫فعالیت روزانه‬ ‫منابع پیشنهادی‬

‫هفته ‪۱‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫یادگیری درخت دودویی و انواع درختهای جستجو‬ ‫‪Binary Trees & Binary Search Trees -‬‬
‫)‪(BST‬‬ ‫‪YouTube‬‬

‫روز ‪ ۴‬تا ‪۶‬‬ ‫تمرین بر روی پیادهسازی درخت دودویی و‪BST‬‬ ‫‪BST Python Implementation‬‬
‫روز ‪۷‬‬ ‫مرور و حل تمرینات درخت دودویی و‪BST‬‬ ‫‪LeetCode BST Problems‬‬
‫هفته ‪۲‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫مطالعه درختهای ‪ AVL‬و درختهای متعادل‬ ‫‪AVL Tree Explanation‬‬
‫روز ‪ ۴‬تا ‪۶‬‬ ‫پیادهسازی ‪ AVL‬و حل مسائل مرتبط‬ ‫‪Real Python - AVL Trees‬‬
‫روز ‪۷‬‬ ‫تمرینات و پروژههای کوچک مرتبط با درختها‬ ‫‪Project Euler - Tree Problems‬‬
‫هفته ‪۳‬‬ ‫روز ‪ ۱‬تا ‪۲‬‬ ‫آشنایی با نمودارها و الگوریتمهای پیمایش ‪ (BFS‬و‬ ‫‪Graph Algorithms in Python - YouTube‬‬
‫)‪DFS‬‬

‫روز ‪ ۳‬تا ‪۶‬‬ ‫تمرین بر روی مسائل پیمایش نمودار و‬ ‫‪Graph Traversal - GeeksforGeeks‬‬
‫الگوریتمهای جستجو‬

‫روز ‪۷‬‬ ‫تمرینات جامع پیمایش نمودارها‬ ‫‪LeetCode Graph Problems‬‬

‫هفته ‪۴‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫پروژه پیادهسازی سیستم مسیریابی‬ ‫‪Pathfinding with Graphs‬‬
‫روز ‪ ۴‬تا ‪۶‬‬ ‫حل مسائل ترکیبی مرتبط با نمودارها و درختها‬ ‫‪CodeSignal Graph Challenges‬‬
‫روز ‪۷‬‬ ‫مرور ماهانه و مرور تمامی تمرینات‬ ‫‪HackerRank Graph Challenges‬‬
 ‫ماه پنجم‪ :‬یادگیری الگوریتمهای پیشرفتهتر و تحلیل پیچیدگی‬

‫هفته‬ ‫روز‬ ‫فعالیت روزانه‬ ‫منابع پیشنهادی‬

‫هفته ‪۱‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫آشنایی با الگوریتمهای تقسیم و غلبه ‪(Merge Sort, Quick‬‬ ‫‪Divide and Conquer Algorithms‬‬
‫)‪Sort‬‬
‫روز ‪ ۴‬تا ‪۶‬‬ ‫تمرین بر روی مسائل تقسیم و غلبه و پیچیدگیهای آن‬ ‫‪Merge Sort - GeeksforGeeks‬‬
‫روز ‪۷‬‬ ‫تمرینات نهایی الگوریتمهای مرتبسازی پیشرفته‬ ‫‪LeetCode Sorting‬‬
‫هفته ‪۲‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫الگوریتمهای حریصانه و کاربردهای آن‬ ‫‪Greedy Algorithms - YouTube‬‬
‫روز ‪ ۴‬تا ‪۶‬‬ ‫پیادهسازی و تمرین بر روی مسائل حریصانه‬ ‫‪GeeksforGeeks - Greedy‬‬
‫‪Problems‬‬
‫روز ‪۷‬‬ ‫حل تمرینهای جامع و پروژه حریصانه‬ ‫‪HackerRank Greedy Challenges‬‬
‫هفته ‪۳‬‬ ‫روز ‪ ۱‬تا ‪۲‬‬ ‫یادگیری الگوریتمهای برنامهریزی پویا ‪(Dynamic‬‬ ‫‪Dynamic Programming for‬‬
‫)‪Programming‬‬ ‫‪Beginners‬‬
‫روز ‪ ۳‬تا ‪۶‬‬ ‫تمرین حل مسائل برنامهریزی پویا‬ ‫‪LeetCode Dynamic‬‬
‫‪Programming‬‬
‫روز ‪۷‬‬ ‫مرور و تمرینات جامع برنامهریزی پویا‬ ‫‪Codewars - DP Problems‬‬
‫هفته ‪۴‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫پیادهسازی پروژه کوچک برای تمرین ‪ DP‬و‪Greedy‬‬ ‫‪Dynamic Programming Mini‬‬
‫‪Projects‬‬
‫روز ‪ ۴‬تا ‪۶‬‬ ‫مرور نهایی و حل مسائل ترکیبی‬ ‫‪TopCoder DP Practice‬‬
‫روز ‪۷‬‬ ‫مرور و تحلیل مسائل مهم‬ ‫‪HackerRank Mixed Challenges‬‬

‫ماه ششم‪ :‬تمرینات جامع و مسائل چالشبرانگیز‬

‫هفته‬ ‫روز‬ ‫فعالیت روزانه‬ ‫منابع پیشنهادی‬

‫هفته ‪۱‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫یادگیری الگوریتمهای گراف پیشرفتهتر‪، (Dijkstra‬‬ ‫‪Advanced Graph Algorithms‬‬
‫)‪Floyd-Warshall‬‬

‫روز ‪ ۴‬تا ‪۶‬‬ ‫پیادهسازی و تمرین الگوریتمهای گراف‬ ‫‪Dijkstra's Algorithm‬‬

‫روز ‪۷‬‬ ‫تمرین جامع الگوریتمهای گراف‬ ‫‪LeetCode Graph Path Problems‬‬

‫هفته ‪۲‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫مسائل جامع بر اساس ساختار داده و الگوریتمهای‬ ‫‪Coding Challenge Platforms‬‬
‫آموختهشده‬

‫روز ‪ ۴‬تا ‪۶‬‬ ‫تمرین روی مسائل چالشبرانگیز ترکیبی‬ ‫‪Codeforces Competitive‬‬
‫‪Programming‬‬

‫روز ‪۷‬‬ ‫مرور نهایی و حل تمرینات ترکیبی‬ ‫‪TopCoder Practice‬‬

‫هفته ‪۳‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫طراحی پروژه نهایی برای پیادهسازی تمامی مباحث‬ ‫‪Project Ideas - GeeksforGeeks‬‬

‫روز ‪ ۴‬تا ‪۶‬‬ ‫کار بر روی پروژه نهایی (مثالً سیستم مدیریت دادههای‬ ‫‪Real Python Projects‬‬
‫کاربران)‬

‫روز ‪۷‬‬ ‫مرور و تکمیل پروژه نهایی‬ ‫‪GitHub - Project Examples‬‬

‫هفته ‪۴‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫آمادهسازی برای مصاحبههای فنی با تمرینات‪DSA‬‬ ‫‪LeetCode Interview Questions‬‬

‫روز ‪ ۴‬تا ‪۶‬‬ ‫تمرین بر روی سؤاالت مصاحبه و جمعبندی‬ ‫‪Cracking the Coding Interview -‬‬
‫‪Book‬‬

‫روز ‪۷‬‬ ‫مرور نهایی و تکمیل تمامی تمرینات‬ ‫‪HackerRank Interview‬‬

‫‪Preparation‬‬
 ‫ماه هفتم‪ :‬حل مسائل پیچیده و مرور مباحث‪DSA‬‬

‫هفته‬ ‫روز‬ ‫فعالیت روزانه‬ ‫منابع پیشنهادی‬

‫هفته ‪۱‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫مرور و تمرین الگوریتمهای پیشرفته مثل‪ ،DFS ، BFS‬و‪Dijkstra‬‬ ‫‪Advanced Graph Algorithms‬‬

‫روز ‪ ۴‬تا ‪۶‬‬ ‫تمرینات ترکیبی مسائل پیچیده‪DSA‬‬ ‫‪GeeksforGeeks Hard DSA Problems‬‬

‫روز ‪۷‬‬ ‫مرور پروژههای کوچک قبلی و بهبود کدها‬ ‫‪Code Review on GitHub‬‬

‫هفته ‪۲‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫یادگیری الگوریتمهای برنامهریزی پویا پیشرفتهتر‬ ‫‪DP Advanced - YouTube‬‬

‫روز ‪ ۴‬تا ‪۶‬‬ ‫حل مسائل برنامهریزی پویا از سایتهای چالش کد‬ ‫‪LeetCode DP Advanced‬‬

‫روز ‪۷‬‬ ‫تمرینات جامع با تمرکز بر‪DSA‬‬ ‫‪Project Euler - Hard Problems‬‬

‫هفته ‪۳‬‬ ‫روز ‪ ۱‬تا ‪۲‬‬ ‫حل مسائل ترکیبی الگوریتمهای حریصانه و برنامهریزی پویا‬ ‫‪TopCoder - Mixed Problems‬‬

‫روز ‪ ۳‬تا ‪۶‬‬ ‫طراحی و پیادهسازی یک پروژه کوچک مثل مسیریابی شهری‬ ‫‪Pathfinding Algorithms Guide‬‬

‫روز ‪۷‬‬ ‫مرور و جمعبندی پروژههای کوچک‬ ‫‪-‬‬

‫هفته ‪۴‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫حل مسائل پیچیدهتر گراف و شبکه‬ ‫‪HackerRank Graph Problems‬‬

‫روز ‪ ۴‬تا ‪۶‬‬ ‫حل مسائل پروژههای رقابتی و آمادگی مصاحبه‬ ‫‪LeetCode Interview Challenges‬‬

‫روز ‪۷‬‬ ‫مرور و آمادهسازی برای ماه بعد‬ ‫‪-‬‬

‫ماه هشتم‪ :‬تمرین جامع و آمادهسازی برای مصاحبهها و پروژهها‬

‫هفته‬ ‫روز‬ ‫فعالیت روزانه‬ ‫منابع پیشنهادی‬

‫روز ‪ ۱‬تا ‪ ۳‬هفته ‪۱‬‬ ‫مطالعه و تمرین الگوریتمهای پیشرفته مرتبسازی و‬ ‫‪Sorting Algorithms - YouTube‬‬
‫بهینهسازی‬

‫روز ‪ ۴‬تا ‪۶‬‬ ‫تمرین مسائل مرتبسازی در پلتفرمهای چالش کد‬ ‫‪CodeSignal Sorting Challenges‬‬

‫روز ‪۷‬‬ ‫مرور و حل مسائل پروژهای مرتبط‬ ‫‪-‬‬

‫هفته ‪۲‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫مطالعه الگوریتمهای جستجوی پیشرفته در گراف و درخت‬ ‫‪Real Python Graph Algorithms‬‬

‫روز ‪ ۴‬تا ‪۶‬‬ ‫حل مسائل چالش برانگیز گرافها در پلتفرمهای مختلف‬ ‫‪LeetCode Graph Hard Problems‬‬

‫روز ‪۷‬‬ ‫حل مسائل مصاحبههای شبیهسازی شده‬ ‫‪Mock Interview Questions - InterviewBit‬‬

‫هفته ‪۳‬‬ ‫روز ‪ ۱‬تا ‪۲‬‬ ‫تمرین الگوریتمهای ترکیبی)‪(Greedy, DP, Graph‬‬ ‫‪Dynamic Programming & Greedy -‬‬
‫‪YouTube‬‬

‫روز ‪ ۳‬تا ‪۶‬‬ ‫پروژه کوچک برای پیادهسازی الگوریتمهای ترکیبی‬ ‫‪Project Ideas for Coders‬‬

‫روز ‪۷‬‬ ‫حل تمرینات جامع و آمادگی نهایی‬ ‫‪-‬‬

‫هفته ‪۴‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫حل مسائل چالش برانگیز ‪ DSA‬و ترکیبی از مسائل مختلف‬ ‫‪HackerRank Advanced DSA Problems‬‬

‫روز ‪ ۴‬تا ‪۶‬‬ ‫آمادگی نهایی و مرور مسائل گذشته‬ ‫‪GeeksforGeeks DSA Review‬‬

‫روز ‪۷‬‬ ‫جمعبندی و مرور کلی تمامی مفاهیم‬ ‫‪-‬‬

 ‫ماه نهم‪ :‬شروع کار بر روی پروژههای مستقل و جامع‬

‫هفته‬ ‫روز‬ ‫فعالیت روزانه‬ ‫منابع پیشنهادی‬

‫روز ‪ ۱‬تا ‪ ۳‬هفته ‪۱‬‬ ‫آشنایی با پروژههای کدنویسی مرتبط با( ‪ DSA‬مانند تحلیل دادهها)‬ ‫‪Real Python Data Analysis‬‬

‫روز ‪ ۴‬تا ‪۶‬‬ ‫شروع طراحی پروژه کوچک تحلیل داده با‪DSA‬‬ ‫‪Project Examples on GitHub‬‬

‫روز ‪۷‬‬ ‫بازبینی کدهای پروژه و بهبود آنها‬ ‫‪-‬‬

‫هفته ‪۲‬‬ ‫تمرین مسائل پروژههای ترکیبی با تمرکز بر کارایی و بهینهسازی روز ‪ ۱‬تا ‪۳‬‬ ‫‪LeetCode Data Projects‬‬

‫روز ‪ ۴‬تا ‪۶‬‬ ‫پیادهسازی پروژه ترکیبی مثل مدیریت دادهها‬ ‫‪Data Structures Project Ideas‬‬

‫روز ‪۷‬‬ ‫بازبینی و بهینهسازی پروژهها‬ ‫‪-‬‬

‫هفته ‪۳‬‬ ‫روز ‪ ۱‬تا ‪۲‬‬ ‫آشنایی با الگوریتمهای دادهکاوی و تحلیل دادههای بزرگ‬ ‫‪Data Mining Basics‬‬

‫روز ‪ ۳‬تا ‪۶‬‬ ‫پیادهسازی پروژه تحلیل داده بر اساس دادههای واقعی‬ ‫‪Data Analysis - GitHub Projects‬‬

‫روز ‪۷‬‬ ‫بازبینی و تکمیل پروژه دادهکاوی‬ ‫‪-‬‬

‫هفته ‪۴‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫مرور و تمرین مسائل مصاحبههای سطح باال‬ ‫‪InterviewBit Data Science‬‬

‫روز ‪ ۴‬تا ‪۶‬‬ ‫آمادهسازی برای چالشهای نهایی‬ ‫‪CodeSignal Practice‬‬

‫روز ‪۷‬‬ ‫مرور کامل و آمادهسازی برای پروژههای بعدی‬ ‫‪-‬‬

‫ماه دهم‪ :‬پروژههای جامع و پیادهسازی‪DSA‬‬

‫هفته‬ ‫روز‬ ‫فعالیت روزانه‬ ‫منابع پیشنهادی‬

‫هفته ‪۱‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫مرور و تمرین مسائل ‪ DSA‬پیچیده‬ ‫‪GeeksforGeeks DSA Advanced‬‬

‫روز ‪ ۴‬تا ‪۶‬‬ ‫پیادهسازی پروژه کوچک‪ ،‬مثل سیستم مرتبسازی و جستجوی بهینه‬ ‫‪Sorting and Searching Projects‬‬

‫روز ‪۷‬‬ ‫بازبینی و بهینهسازی کد‬ ‫‪-‬‬

‫هفته ‪۲‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫آشنایی با الگوریتمهای پیشرفتهتر مثل *‪ A‬و الگوریتمهای پیشبینی‬ ‫‪Pathfinding Algorithms‬‬

‫روز ‪ ۴‬تا ‪۶‬‬ ‫پیادهسازی پروژهای بر اساس الگوریتمهای پیشرفته‬ ‫‪Graph and Pathfinding Projects‬‬

‫روز ‪۷‬‬ ‫مرور و رفع اشکاالت پروژه‬ ‫‪-‬‬

‫هفته ‪۳‬‬ ‫روز ‪ ۱‬تا ‪۲‬‬ ‫مرور و تمرین ‪ DSA‬در سطح پروژه‬ ‫‪LeetCode Hard Problems‬‬

‫روز ‪ ۳‬تا ‪۶‬‬ ‫پیادهسازی پروژه پیچیدهتر مثل سیستم توصیهگر‬ ‫‪Recommendation Systems Guide‬‬

‫روز ‪۷‬‬ ‫بهینهسازی کد و تست پروژه‬ ‫‪-‬‬

‫هفته ‪۴‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫کار روی پروژه پایانی با تمرکز بر طراحی و بهینهسازی‬ ‫‪Complex Project Design‬‬

‫روز ‪ ۴‬تا ‪۶‬‬ ‫مرور و بازبینی پروژهها و آمادهسازی مستندات‬ ‫‪-‬‬

‫روز ‪۷‬‬ ‫جمعبندی و آمادهسازی برای ماه بعد‬ ‫‪-‬‬

 ‫ماه یازدهم‪ :‬الگوریتمهای تخصصی و پروژههای گسترده‬

‫هفته‬ ‫روز‬ ‫فعالیت روزانه‬ ‫منابع پیشنهادی‬

‫هفته‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫یادگیری الگوریتمهای موازی و بهینهسازی کد برای پردازش داده‬ ‫‪Parallel Algorithms‬‬
‫‪۱‬‬
‫روز ‪ ۴‬تا ‪۶‬‬ ‫پیادهسازی پروژه کوچک برای پردازش داده موازی‬ ‫‪Parallel Processing in Python‬‬

‫روز ‪۷‬‬ ‫بازبینی و رفع اشکاالت کد‬ ‫‪-‬‬

‫هفته ‪۲‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫یادگیری الگوریتمهای درخت تصمیم و طبقهبندی اولیه‬ ‫‪Decision Trees‬‬

‫روز ‪ ۴‬تا ‪۶‬‬ ‫پیادهسازی پروژه طبقهبندی اولیه روی مجموعه دادههای ساده‬ ‫‪Kaggle Datasets‬‬

‫روز ‪۷‬‬ ‫بهبود کد و بررسی نتایج پروژه‬ ‫‪-‬‬

‫هفته ‪۳‬‬ ‫روز ‪ ۱‬تا ‪۲‬‬ ‫آشنایی با الگوریتمهای خوشهبندی و بررسی دادههای پیچیده‬ ‫‪Clustering Algorithms‬‬

‫روز ‪ ۳‬تا ‪۶‬‬ ‫پیادهسازی پروژه خوشهبندی ساده برای تحلیل دادهها‬ ‫‪-‬‬

‫روز ‪۷‬‬ ‫مرور پروژه و بازبینی نهایی‬ ‫‪-‬‬

‫هفته ‪۴‬‬ ‫روز ‪ ۱‬تا ‪۳‬‬ ‫آمادهسازی برای پروژههای نهایی و ترکیبی‬ ‫‪GeeksforGeeks - Advanced Data‬‬
‫‪Structures‬‬

‫روز ‪ ۴‬تا ‪۶‬‬ ‫کار روی یک پروژه نهایی شامل ترکیبی از الگوریتمها و تحلیل‬ ‫‪-‬‬
‫داده‬

‫روز ‪۷‬‬ ‫جمعبندی و آمادهسازی برای ماه بعد‬ ‫‪-‬‬

‫ماه دوازدهم‪ :‬پروژههای علوم داده و تحلیل دادهها‬

‫هفته‬ ‫روز‬ ‫فعالیت روزانه‬ ‫منابع پیشنهادی‬

‫هفته‬ ‫روز ‪ ۱‬تا‬ ‫آشنایی با کتابخانههای پایتون برای علوم داده (پانداس‪ ،‬نومپای)‬ ‫‪Python for Data Science - Real‬‬
‫‪۱‬‬ ‫‪۳‬‬ ‫‪Python‬‬

‫روز ‪ ۴‬تا‬ ‫تمرینات پانداس و نومپای برای تحلیل داده‬ ‫‪Pandas Exercises‬‬
‫‪۶‬‬

‫روز ‪۷‬‬ ‫مرور و بهینهسازی کدها‬ ‫‪-‬‬

‫هفته ‪۲‬‬ ‫روز ‪ ۱‬تا‬ ‫یادگیری تجسم داده با استفاده از کتابخانههایی مثل ‪ Matplotlib‬و‬ ‫‪Data Visualization in Python‬‬
‫‪۳‬‬ ‫‪Seaborn‬‬

‫روز ‪ ۴‬تا‬ ‫تمرین تجسم دادهها روی مجموعه دادههای مختلف‬ ‫‪Kaggle Datasets‬‬
‫‪۶‬‬

‫روز ‪۷‬‬ ‫بازبینی و مرور تجسم دادهها‬ ‫‪-‬‬

‫هفته ‪۳‬‬ ‫روز ‪ ۱‬تا‬ ‫آشنایی با مدلهای پایهای یادگیری ماشین‬ ‫‪Machine Learning Basics‬‬
‫‪۲‬‬

‫روز ‪ ۳‬تا‬ ‫پیادهسازی مدلهای یادگیری ماشین ساده مثل رگرسیون خطی و‬ ‫‪Simple Models in ML - Real‬‬
‫‪۶‬‬ ‫لجستیک‬ ‫‪Python‬‬

‫روز ‪۷‬‬ ‫مرور و تست مدلها‬ ‫‪-‬‬

‫هفته ‪۴‬‬ ‫روز ‪ ۱‬تا‬ ‫کار روی پروژه علوم داده ساده و ترکیب الگوریتمها‬ ‫‪-‬‬
‫‪۳‬‬
 ‫روز ‪ ۴‬تا‬ ‫پیادهسازی پروژه علوم داده نهایی و تحلیل نتایج‬ ‫‪-‬‬
‫‪۶‬‬

‫روز ‪۷‬‬ ‫جمعبندی و مرور کلی تمام مباحث علوم داده‬ ‫‪-‬‬

‫ماه سیزدهم‪ :‬آمادهسازی برای پروژههای واقعی و مصاحبههای شغلی علوم داده‬

‫هفته‬ ‫روز‬ ‫فعالیت روزانه‬ ‫منابع پیشنهادی‬

‫هفته‬ ‫روز ‪ ۱‬تا‬ ‫تمرین و مرور مصاحبههای علوم داده و الگوریتمها‬ ‫‪Interview Questions on Data‬‬
‫‪۱‬‬ ‫‪۳‬‬ ‫‪Science‬‬

‫روز ‪ ۴‬تا‬ ‫حل مسائل ترکیبی علوم داده و الگوریتمها‬ ‫‪LeetCode Data Science‬‬
‫‪۶‬‬ ‫‪Challenges‬‬

‫روز ‪۷‬‬ ‫بازبینی و بهینهسازی پروژهها‬ ‫‪-‬‬

‫هفته ‪۲‬‬ ‫روز ‪ ۱‬تا‬ ‫تمرین روی پروژههای ترکیبی از الگوریتم و علوم داده‬ ‫‪GitHub Projects in Data Science‬‬
‫‪۳‬‬

‫روز ‪ ۴‬تا‬ ‫مرور و جمعبندی پروژهها‬ ‫‪-‬‬

‫‪۶‬‬

‫روز ‪۷‬‬ ‫آمادهسازی رزومه و پروفایلهای آنالین مثل‪LinkedIn‬‬ ‫‪-‬‬

‫هفته ‪۳‬‬ ‫روز ‪ ۱‬تا‬ ‫آمادگی نهایی برای مصاحبههای تکنیکال و پرسش و پاسخهای‬ ‫‪Mock Interviews - Pramp‬‬
‫‪۲‬‬ ‫شبیهسازیشده‬

‫روز ‪ ۳‬تا‬ ‫مرور مفاهیم و رفع نواقص دانشی و مهارتی‬ ‫‪-‬‬

‫‪۶‬‬

‫روز ‪۷‬‬ ‫مرور کلی و جمعبندی مباحث و پروژهها‬ ‫‪-‬‬

‫هفته ‪۴‬‬ ‫روز ‪ ۱‬تا‬ ‫آمادهسازی و ارائه پروژه نهایی برای پروفایل و پرتفوی کاری‬ ‫‪-‬‬
‫‪۳‬‬

‫روز ‪ ۴‬تا‬ ‫تمرین و آمادهسازی نهایی برای ورود به بازار کار‬ ‫‪-‬‬
‫‪۶‬‬
‫روز ‪۷‬‬ ‫پایان پروژهها و برنامه آموزشی‬ ‫‪-‬‬

‫ماه چهاردهم‪ :‬مباحث پیشرفته در علوم داده و الگوریتمهای یادگیری ماشین‬

‫هفته‬ ‫روز‬ ‫فعالیت روزانه‬ ‫منابع پیشنهادی‬

‫هفته‬ ‫روز ‪ ۱‬تا‬ ‫آشنایی با مدلهای یادگیری ماشین پیشرفته( مثل‪، Random Forest‬‬ ‫‪Ensemble Methods -‬‬
‫‪۱‬‬ ‫‪۳‬‬ ‫)‪Gradient Boosting‬‬ ‫‪YouTube‬‬
‫روز ‪ ۴‬تا‬ ‫پیادهسازی مدلهای ‪ Ensemble‬و تمرین روی دادههای بزرگتر‬ ‫‪Kaggle‬‬
‫‪۶‬‬
‫روز ‪۷‬‬ ‫مرور و بهینهسازی مدلها‬ ‫‪-‬‬
‫هفته‬ ‫روز ‪ ۱‬تا‬ ‫یادگیری شبکههای عصبی و اصول یادگیری عمیق‬ ‫‪Deep Learning Basics‬‬
‫‪۲‬‬ ‫‪۳‬‬
‫روز ‪ ۴‬تا‬ ‫پیادهسازی شبکه عصبی ساده با ‪ Keras‬و‪TensorFlow‬‬ ‫‪TensorFlow for‬‬
‫‪۶‬‬ ‫‪Beginners‬‬
‫روز ‪۷‬‬ ‫مرور و بهینهسازی پروژهها‬ ‫‪-‬‬
‫هفته‬ ‫روز ‪ ۱‬تا‬ ‫آشنایی با یادگیری انتقالی و ‪ Fine-tuning‬مدلهای پیشآموزشدیده‬ ‫‪Transfer Learning Guide‬‬
‫‪۳‬‬ ‫‪۲‬‬
‫روز ‪ ۳‬تا‬ ‫پیادهسازی یادگیری انتقالی روی پروژه داده بزرگ‬ ‫‪-‬‬
 ‫‪۶‬‬
‫روز ‪۷‬‬ ‫بررسی و تحلیل نتایج پروژهها‬ ‫‪-‬‬
‫هفته‬ ‫روز ‪ ۱‬تا‬ ‫شروع پروژه جامع ترکیبی از تحلیل دادهها و یادگیری عمیق‬ ‫‪-‬‬
‫‪۴‬‬ ‫‪۳‬‬
‫روز ‪ ۴‬تا‬ ‫توسعه و بهینهسازی مدلها و تمرین روشهای ارزیابی‬ ‫‪-‬‬
‫‪۶‬‬
‫روز ‪۷‬‬ ‫بازبینی و جمعبندی پروژهها‬ ‫‪-‬‬

‫ماه پانزدهم‪ :‬پروژه نهایی و آمادگی برای بازار کار‬

‫هفته‬ ‫روز‬ ‫فعالیت روزانه‬ ‫منابع پیشنهادی‬

‫هفته‬ ‫روز ‪ ۱‬تا‬ ‫نهاییسازی پروژه جامع و مستندسازی آن برای پورتفولیو‬ ‫‪GitHub Guide for Projects‬‬
‫‪۱‬‬ ‫‪۳‬‬
‫روز ‪ ۴‬تا‬ ‫آمادهسازی نتایج و تحلیل دادهها برای ارائه‬ ‫‪-‬‬
‫‪۶‬‬
‫روز ‪۷‬‬ ‫بازبینی مستندات و بررسی کامل پروژه‬ ‫‪-‬‬
‫هفته ‪۲‬‬ ‫روز ‪ ۱‬تا‬ ‫تمرین ارائه پروژه و مرور مباحث علوم داده و الگوریتمها‬ ‫‪-‬‬
‫‪۳‬‬
‫روز ‪ ۴‬تا‬ ‫کار روی پروفایل لینکدین و آمادهسازی نمونه کارها‬ ‫‪LinkedIn Profile Guide‬‬
‫‪۶‬‬
‫روز ‪۷‬‬ ‫بازبینی و بهینهسازی نهایی پروفایل و رزومه‬ ‫‪-‬‬
‫هفته ‪۳‬‬ ‫روز ‪ ۱‬تا‬ ‫تمرین مصاحبههای فنی و آمادگی برای پرسشهای رایج علوم‬ ‫‪Data Science Interview‬‬
‫‪۲‬‬ ‫داده‬ ‫‪Prep‬‬
‫روز ‪ ۳‬تا‬ ‫بازبینی کلی پروژهها و تمرین پاسخگویی به پرسشهای‬ ‫‪Mock Interviews - Pramp‬‬
‫‪۶‬‬ ‫شبیهسازی شده‬
‫روز ‪۷‬‬ ‫جمعبندی و مرور نهایی تمامی مفاهیم‬ ‫‪-‬‬
‫هفته ‪۴‬‬ ‫روز ‪ ۱‬تا‬ ‫نهاییسازی پروژه و ارسال آن به وبسایتهای نمونهکار‬ ‫‪-‬‬
‫‪۳‬‬
‫روز ‪ ۴‬تا‬ ‫مرور کلی دورهها و آمادهسازی برای شروع به کار‬ ‫‪-‬‬
‫‪۶‬‬
‫روز ‪۷‬‬ ‫پایان دوره آموزشی و شروع به جستجوی شغلی‬ ‫‪-‬‬