دوره Enterprise Automation with Python

  • ۴۵ ساعت

پیش‌نیاز

Python Core: Foundations of Programming

سرفصل‌ها

0. مبانی پایتون برای اتوماسیون (پیش‌نیاز داخلی)
  • آشنایی با ساختار فایل و مسیرها در سیستم‌عامل (os, os.path, sys)
  • اجرای دستورات سیستم با subprocess
  • خواندن خروجی فرمان‌ها و مدیریت خطاها
  • آشنایی مقدماتی با محیط‌های ویندوز و لینوکس (cmd، PowerShell، Bash)
  • مبانی کار با شبکه و API

    • مفهوم HTTP Request و Response
    • ارسال درخواست ساده با requests
    • بررسی Response Code و پردازش داده‌های JSON
    • آشنایی با خطاهای متداول شبکه (timeout، connection error)
1. برنامه‌نویسی شی‌گرا پیشرفته (OOP)
  • استفاده از Composition برای ساخت ابزارهای چندبخشی
  • Delegation برای ماژولار کردن اسکریپت‌ها
  • طراحی کلاس‌های داده با dataclasses
  • ساخت Pipelineهای پردازشی با کلاس‌ها
2. Generators و Itertools پیشرفته
  • پردازش فایل‌های بزرگ با Generatorها
  • استفاده از itertools برای داده‌های تکراری یا ترکیبی
3. پایگاه داده SQL یا NoSQL
  • ذخیره و واکشی لاگ‌ها یا پیکربندی‌ها در PostgreSQL یا MongoDB
  • جستجو و فیلتر سریع داده‌ها با کوئری‌های بهینه
4. مباحث پیشرفته پایتون
  • ساخت Context Manager سفارشی برای مدیریت منابع
  • مدیریت Namespace در پروژه‌های اتوماسیون
  • استفاده از functools برای ساخت ابزارهای قابل استفاده مجدد
5. اتوماسیون سیستم و شبکه
  • مدیریت سرویس‌ها و پردازش‌ها با psutil و subprocess
  • اسکریپت‌نویسی برای Windows با win32api و PowerShell
  • اتوماسیون در Linux با Bash و Cron Jobs
  • Network Automation با paramiko و netmiko
6. اتوماسیون API
  • ساخت کلاینت‌های RESTful و SOAP با requests و aiohttp
  • احراز هویت در APIها با JWT و OAuth2
  • لاگ‌گیری و خطایابی درخواست‌ها
  • پروژه عملی: اسکریپت مانیتورینگ API
7. اتوماسیون DevOps و Cloud
  • آشنایی با مفاهیم IaC (Infrastructure as Code)
  • کار با Terraform و Ansible از طریق پایتون
  • اتوماسیون AWS با boto3 (EC2، S3، IAM)
  • ساخت CI/CD Pipeline ساده با GitHub Actions یا Jenkins
8. تست و مانیتورینگ اتوماسیون
  • نوشتن Unit Test و Integration Test با unittest و pytest
  • مانیتورینگ و Alerting با Prometheus/Grafana یا ابزارهای ساده
9. مبانی AiOps و هوش مصنوعی در اتوماسیون
  • آشنایی با مفهوم AiOps و کاربرد آن در IT و DevOps
  • جمع‌آوری و پیش‌پردازش داده‌های لاگ و متریک‌ها با pandas و NumPy
  • تشخیص ناهنجاری (Anomaly Detection) در داده‌های مانیتورینگ با scikit-learn
  • پیش‌بینی بار یا خطا با مدل‌های ساده ML (Regression, Classification)
  • استفاده از مدل‌های ML در Pipelineهای اتوماسیون (Self-Healing Scripts)
  • پروژه کوچک: اسکریپت پیش‌بینی خطا در سرویس با داده‌های لاگ
10. ساخت GUI و Dashboard برای ابزار اتوماسیون
  • طراحی رابط کاربری دسکتاپ با Tkinter یا PyQT
  • ساخت Dashboard تحت وب با Flask یا FastAPI
  • نمایش گزارش‌ها و لاگ‌ها به‌صورت گرافیکی و تعاملی
11. پروژه نهایی
  • پیاده‌سازی یک ابزار سازمانی (مثلاً مدیریت کاربران، مانیتورینگ سرویس‌ها، یا اتوماسیون بکاپ)
  • مستندسازی کامل و ارائه README حرفه‌ای
  • انتشار پروژه در GitHub

انتخاب دوره و ثبت‌نام

در حال حاضر گزینه‌ای برای ثبت‌نام در دسترس نیست.

از کلاس بعدی این دوره باخبر شوید

اطلاعات خود را بگذارید تا کارشناسان کندو برای کلاس بعدی با شما تماس بگیرند.

فیلد های "(اجباری)" اجباری هستند

این قسمت برای اهداف اعتبارسنجی است و باید بدون تغییر باقی بماند.

نظر کاربران

نظرت درباره این دوره چیه؟

برای ثبت نظر و امتیاز، وارد حساب کاربری‌ات شو.

ورود با شماره موبایل و کد پیامکی، کمتر از یک دقیقه.

ورود و ثبت نظر

هنوز نظری برای این دوره ثبت نشده؛ اولین نفر باش.