⬅️مدرس تخصصی دانشگاه در حوزه های مهندسی کامیپوتر و برنامه نویسی
⬅️مدرس تخصصی نرم افزار در ارگان های دولتی و خصوصی کشور
⬅️مدرس دوره های برنامه نویسی جهاد دانشگاهی
⬅️مربی رسمی فنی حرفه‌ای از سال ۹۰
⬅️دارای مدرک صلاحیت تدریس از سازمان برنامه و بودجه کشور
⬅️مدرس حرفه‌ای Spss, msp, sql server, office
⬅️مدرس دانشگاه های آزاد، ملی مهارت و علمی کاربردی استان گلستان
‌

😀 سرفصل‌ها:
🤔 معرفی پایتون، محیط اجرا (Jupyter / VS Code) و ساختار کلی زبان
🤔 مفاهیم پایه برنامه‌نویسی: متغیرها، نوع داده‌ها، عملگرها
🤔 ساختارهای کنترلی: شرط‌ها (if, else) و حلقه‌ها (for, while)
🤔 ورودی و خروجی داده، کار با رشته‌ها (string)
◀️ تمرین‌های کوتاه برای درک منطق برنامه‌نویسی

😀 سرفصل‌ها:
🤔 لیست، تاپل، دیکشنری و مجموعه‌ها (ساختارهای داده اصلی)
توابع (تعریف، ورودی، خروجی، بازگشت مقدار)
🤔 استفاده از کتابخانه‌های استاندارد (math, random, datetime)
🤔 درک خطاها و رفع آن‌ها (Debugging مقدماتی)
◀️ تمرین کاربردی: ساخت یک برنامه کوچک جمع‌بندی مفاهیم جلسات ۱ و ۲

😀سرفصل‌ها:
🤔معرفی و نصب کتابخانه‌ها (pip, import)
🤔آشنایی با کتابخانه‌های پرکاربرد:
NumPy: کار با آرایه‌ها و محاسبات عددی
Pandas: مدیریت داده‌ها با DataFrame
Matplotlib: رسم نمودارهای ساده
◀️اجرای چند مثال عملی روی داده‌های واقعی کوچک
نکات پایانی و مسیر ادامه یادگیری (AI, ML, Bioinformatics و …)

پایتون می‌تواند از مدل‌هایی که سیستم‌های زیستی را در مقیاس‌های مختلف، از مولکولی گرفته تا سلولی و حتی ارگانیسم کامل، بررسی می‌کنند، پشتیبانی کند.

⬅️دکترای بیوسیستماتیک گیاهی از دانشگاه نیوانگلند استرالیا
⬅️سابقه 14 سال تحصیل و پژوهش در استرالیا
⬅️عضو هیئت علمی اساتید گروه زیست شناسی دانشگاه گلستان
⬅️ دارای بیش از 50 مقاله منتشر شده
⬅️رئیس آزمایشگاه مرکزی دانشگاه گلستان
⬅️مدرس دوره‌های مقاله خوانی و مقاله نویسی، PCR و بیوانفورماتیک
‌

😀 سرفصل‌ها:
🤔 آشنایی با محیط R و RStudio (نصب، رابط کاربری، پنجره‌ها و کنسول)
🤔 معرفی ساختار داده‌ها در R
🤔 vector, matrix, data.frame, list
🤔 عملیات پایه روی داده‌ها (فیلتر، انتخاب، خلاصه‌سازی)
🤔 وارد کردن داده از فایل‌های CSV و Excel
🤔 کار با داده‌های عددی و رشته‌ای
🤔 آمار توصیفی و خلاصه داده‌ها (میانگین، میانه، انحراف معیار و …)
🤔 ترسیم نمودارهای پایه با plot()

😀 سرفصل‌ها:
🤔 معرفی و استفاده از پکیج‌ها (install.packages, library)
🤔 کار با dplyr برای پردازش و تمیز کردن داده‌ها (select, filter, mutate, summarize)
🤔 کار با ggplot2 برای رسم نمودارهای حرفه‌ای
🤔 ساخت نمودارهای تحلیلی (scatter, bar, histogram, boxplot)
🤔 آشنایی اولیه با تحلیل آماری (correlation, regression مقدماتی)
🤔 مقایسه سبک کاری R و Python در تحلیل داده
🤔 مسیر ادامه یادگیری (تحلیل زیستی، داده‌کاوی، و مدل‌سازی آماری)۲

‌‌آکادمی بیوسنتز؛
از آموزش تخصصی
تا پروژه و پژوهش🌱