جلسه ۱: مقدمه‌ای بر پایتون

موضوعات تحت پوشش:

معرفی پایتون و کاربردهای آن در ژئوفیزیک، هواشناسی و علوم زمین

راه‌اندازی محیط پایتون   (Anaconda, Jupyter Notebook)

سینتکس پایه، متغیرها و انواع داده‌ها

تعریف برنامه‌نویسی شی‌گراء

ساختارهای کنترلی  (if statements, loops)

تمرین‌ها:

محاسبات ساده و نوشتن اسکریپت

دستورات شرطی و حلقه‌ها برای وظایف پایه

جلسه ۲: توابع و ماژول‌های پایتون

موضوعات تحت پوشش:

نوشتن و استفاده از توابع

وارد کردن و استفاده از ماژول‌های پایتون

مرور کتابخانه‌های علمی مفید: NumPy, Pandas, Matplotlib

تمرین‌ها:

ایجاد توابع سفارشی برای وظایف پایه

وارد کردن و استفاده از کتابخانه‌های استاندارد

جلسه ۳: مقدمه‌ای بر  NumPy

موضوعات تحت پوشش:

آرایه‌های  NumPy و مزایای آنها

ایجاد و دستکاری آرایه‌ها

عملیات پایه با آرایه‌های  NumPy

تمرین‌ها:

ایجاد و دستکاری آرایه‌ها

انجام عملیات ریاضی پایه با آرایه‌ها

جلسه ۴:  NumPy پیشرفته

موضوعات تحت پوشش:

ایندکسینگ  و برش آرایه‌ها

پخش آرایه‌ها

توابع آماری و عملیات جبر خطی در  NumPy

تمرین‌ها:

دستکاری پیچیده آرایه‌ها

حل مسائل جبر خطی مربوط به ژئوفیزیک و هواشناسی

جلسه ۵: مقدمه‌ای بر  Pandas

موضوعات تحت پوشش:

معرفی  دیتا فریم‌ها، سری‌ها

خواندن و نوشتن داده‌ها  (CSV, Excel, و غیره)

دستکاری داده‌های پایه (فیلتر کردن، مرتب‌سازی، گروه‌بندی)

تمرین‌ها:

بارگذاری و بررسی مجموعه داده‌ها

وظایف پایه دستکاری داده‌ها

جلسه ۶: تحلیل داده با  Pandas

موضوعات تحت پوشش:

تکنیک‌های پیشرفته دستکاری داده‌ها

مدیریت داده‌های گمشده

ادغام و الحاق دیتافریم‌ها

تمرین‌ها:

پاکسازی و آماده‌سازی مجموعه داده‌ها برای تحلیل

ترکیب چندین مجموعه داده

جلسه ۷: مصورسازی با  Matplotlib

موضوعات تحت پوشش:

مقدمه‌ای بر  Matplotlib

ایجاد نمودارهای پایه (خطی، پراکنده، نوار، هیستوگرام)

سفارشی‌سازی نمودارها (برچسب‌ها، افسانه‌ها، رنگ‌ها)

تمرین‌ها:

ترسیم انواع داده‌های مختلف

سفارشی‌سازی نمودارها برای مصورسازی بهتر

جلسه ۸  حل مسائل ریاضی

موضوعات تحت پوشش:

حل معادلات دیفرانسیل با پایتون  (با استفاده از SciPy)

انتگرال‌گیری و مشتق‌گیری عددی

اعمال این تکنیک‌ها به مسائل ژئوفیزیک و هواشناسی

تمرین‌ها:

حل معادلات دیفرانسیل و انتگرال‌های مثال

اعمال روش‌های عددی به مسائل مرتبط

جلسه  ۹ استفاده از مدلهای زبانی بزرگ (LLMs) و شیوه پرسش‌دهی

موضوعات تحت پوشش:

معرفی مدل‌های زبان بزرگ   و کاربردهای آنها

نحوه‌ی کار با مدل‌های زبان بزرگ (مانند GPT)

تکنیک‌های پرسش‌دهی (پرامپتینگ) موثر

استفاده از LLMs برای حل مسائل مرتبط با ژئوفیزیک، هواشناسی و علوم زمین

تمرین‌ها:

نوشتن و بهینه‌سازی پرامپت‌ها برای استخراج اطلاعات

استفاده از LLMs برای تحلیل داده‌ها و حل مسائل علمی

جلسه ۱۰: مرور و پروژه نهایی

موضوعات تحت پوشش:

پرسش و پاسخ و طرح پروژه نهایی