Enterprise Automation with Python

  • مدت: 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

کلاس و شیوه برگزاری را انتخاب کنید. نوع پرداخت در ادامه ثبت‌نام مشخص می‌شود.

از ۱۶ آبان ۱۴۰۵ تا ۵ دی ۱۴۰۵

شنبه,دوشنبه‌ها · ۱۷:۰۰ تا ۲۰:۰۰

شیوه برگزاری