هفته اول:

• آشنایی با برنامه‌نویسی و زبان پایتون

• نصب Python و VS Code

• اجرای اولین کدها (print، متغیرها، انواع داده ابتدایی)

هفته دوم:

• عملگرهای ریاضی و منطقی

• دستورهای شرطی (if, elif, else)

• مثال‌های عملی و تمریناتی برای درک شرط‌گذاری

هفته سوم: 

• حلقه for و while

• دستورات کنترلی (break, continue)

• تمرینات با اعداد، رشته‌ها و ساخت لیست‌ها با حلقه

هفته چهارم:

• لیست‌ها (Lists)، تاپل‌ها (Tuples)

• دیکشنری‌ها (Dictionaries) و مجموعه‌ها (Sets)

• عملیات روی ساختارهای داده‌ای و پیمایش آن‌ها

هفته پنجم:

• تعریف و استفاده از توابع

• آرگومان و مقدار بازگشتی

• توابع تو در تو، بازگشتی و آشنایی با lambda

• معرفی اولیه ماژول‌های استاندارد

هفته ششم:

• خواندن و نوشتن فایل‌های متنی

• کار با فایل CSV

• مدیریت خطا با try, except, finally

هفته هفتم: 

• مفهوم کلاس و شی (Object)

• تعریف کلاس، سازنده (__init__)، ویژگی‌ها و متدها

• مثال‌های ساده با کلاس‌های شخصی‌سازی‌شده

هفته هشتم: 

• وراثت، چندریختی، متدهای کلاس و استاتیک

• توابع map, filter, zip, enumerate

• تمرین‌های ترکیبی با توابع و کلاس‌ها

هفته نهم: 

• مفاهیم Unit Testing

• استفاده از ماژول unittest یا pytest

• روش‌های Debugging در VS Code و پایتون

هفته دهم: 

• انتخاب پروژه (تحلیل داده ساده، ماشین‌حساب، سیستم مدیریت ساده و…)

• پیاده‌سازی قدم‌به‌قدم با راهنمایی مربی

• مرور نکات کلیدی دوره و آماده‌سازی ارائه

هفته یازدهم

• مقدمه تحلیل داده و معرفی NumPy و Pandas

• بارگذاری داده از فایل‌های CSV و Excel

• بررسی ساختار داده‌ها، توصیف آماری و فیلتر کردن اطلاعات

• پاک‌سازی داده‌ها: حذف مقادیر ناقص، تغییر نوع داده‌ها

هفته دوازدهم

• مصورسازی داده‌ها با استفاده از Matplotlib و Seaborn

• ترسیم نمودارهای خطی، ستونی، جعبه‌ای و پراکندگی (scatter)

• اجرای پروژه تحلیلی روی داده‌های واقعی

• جمع‌بندی، معرفی مسیرهای یادگیری آینده (SQL، یادگیری ماشین، BI)