PyCoders (پایتون)

#تمرین پایتون

🔹@python_rd

چالش پایتون.
خروجی کدومه؟

🔹@python_rd

خوشم میاد همه جا پایتون هست😂👌

🔹@python_rd

سه تا کتاب تاپ برای پایتون

🔹@python_rd

آمار ماهانه ChatGPT، حالا با استفاده ماهانه از مرورگر گوگل کروم برابری می‌کنه

✨ پلتفرم‌های هوش مصنوعی مولد از جمله ChatGPT رشد مداومی دارن، چرا که دیگه تمامی کاربران با این ابزار ها انس گرفتن و به صورت کامل نحوه استفاده از اون رو متوجه شدن!

✨ چت‌بات ChatGPT با 3 میلیارد و 700 میلیون بازدید ماهانه در سراسر جهان، در صدر فهرست بیشترین بازدید وب‌سایت قرار داره.

✨ آماری که با میزان استفاده از مرورگر کروم رقابت می‌کنه.

✨ مرورگر کروم در سراسر جهان حدود 3 میلیارد و 450 کاربر ماهانه داره و ChatGPT کمی از اون بالاتر قرار داره!

#هوش_مصنوعی #AI

@python_rd

✅ کمپین بلک فرایدی #سبزلرن و تخفیف 50 درصدی برای تمامی دوره ها!

💢 بیشترین میزان تخفیف امسال...
💢 این فرصت استثنایی تکرار نخواهد شد!!
💢 تخفیف 50% دوره های #پایتون سبزلرن

🔷 هم اکنون میتونید از لینک زیر مشاهده کنید:
🔻 لینک دوره های پایتون سبزلرن

آینده پایتون👌

🔹@python_rd

مایندمپ برای یادگیری پایتون

🔹@python_rd

🔥 تخفیف شگفت‌انگیز فرادرس — با ۷۹ هزار تومن، «برنامه نویسی و طراحی سایت» یاد بگیرید!

🟠 همین حالا وارد لینک زیر شوید و در پاییز شگفت‌انگیز فرادرس، ۶۰۰ آموزش منتخب را با قیمت باورنکردنی ۷۹,۰۰۰ تومن دریافت کنید.

📚 لیست تمامی ۶۰۰ آموزش — [کلیک کنید] 📚

⚪️ بعضی از پر‌فروش‌ترین آموزش‌های این طرح 👇

🟠 مبانی برنامه نویسی، الگوریتم و فلوچارت، کد نویسی تمیز ➡️

🟠 برنامه نویسی پایتون Python - صفر تا صد ➡️

🟠 برنامه نویسی سی شارپ، جاوا، اندروید و ... ➡️

🟠 آموزش‌های پروژه محور برنامه نویسی ➡️

🟠 طراحی و مدیریت سایت، وردپرس، HTML&CSS ➡️

🎁 کد تخفیف: AMG52 ➡️
🟠🟠🟠🟠🟠🟠🟠🟠

برگه تقلب Pandas

🔹@python_rd

list slicing in python

🔹@python_rd

تبدیل تصاویر در یک پوشه به فرمت‌های مختلف

(اول باید Pillow رو نصب کنید)

import os
from PIL import Image

def convert_images(source_folder, target_format='jpeg'):
    if not os.path.exists(source_folder):
        print("پوشه مبداً وجود ندارد.")
        return

    valid_formats = ('png', 'jpeg', 'bmp', 'gif', 'tiff')

    if target_format not in valid_formats:
        print("فرمت نهایی معتبر نیست. از یکی از این فرمت‌ها استفاده کنید:", valid_formats)
        return

    for filename in os.listdir(source_folder):
        if filename.endswith(('jpg', 'jpeg', 'png', 'bmp', 'gif', 'tiff')):
            image_path = os.path.join(source_folder, filename)
            with Image.open(image_path) as img:
                target_path = os.path.splitext(image_path)[0] + '.' + target_format
                img.convert('RGB').save(target_path, target_format.upper())
                print(f"{filename} به {target_format} تبدیل شد.")

source_folder = './images'  # نام پوشه‌ی مبدا
target_format = 'jpeg'  # فرمت مورد نظر شما

convert_images(source_folder, target_format)

🔹source_folder: مسیر پوشه‌ای که شامل تصاویری است که می‌خواهید تبدیل کنید.

🔹target_format: فرمتی که می‌خواهید تصاویر به آن تبدیل شوند مثلاً jpeg.

🔹@python_rd

خروجی کد چیه؟

A:
[0, 1, 4]
[1, 2, 3, 0, 1]
[0, 1]
``

B:
[0, 1, 4]
[1, 2, 3, 0, 1]
[0, 1, 4, 0, 1]

C:
[0, 1, 4]
[1, 2, 3, 0, 1]
[0, 1, 4]
``

D:
[0, 1, 4]
[1, 2, 3, 0, 1]
[0, 1, 4, 0, 1, 0, 1]
``

🔹@python_rd

توابع اولیه در پایتون

🔹@python_rd

نقشه راه پایتون

🔹@python_rd

🔹معرفی کتابخانه جالب “Beautiful Soup” برای استخراج داده‌ها از HTML

یکی از چالش‌های بزرگ در برنامه‌نویسی، استخراج داده‌ها از صفحات وب است. “Beautiful Soup” یک کتابخانه‌ی قدرتمند در زبان پایتون است که به شما اجازه می‌دهد به راحتی داده‌های HTML و XML را پردازش کنید و اطلاعات مورد نظر خود را استخراج نمایید.

کلیات کاربرد:
تبدیل HTML: Beautiful Soup کد HTML را به یک ساختار درختی تبدیل می‌کند که پیمایش آن بسیار ساده است.
یافتن عناصر: با استفاده از توابع جستجو مانند find() و find_all() می‌توانید به سادگی عناصر مورد نظر خود را در HTML پیدا کنید.
پیمایش ساختار: امکان پیمایش میان عناصر والد و فرزند در HTML را فراهم می‌کند.
چنانچه به دنبال استخراج اطلاعات مانند عناوین، تصاویر یا لینک‌ها از صفحات وب باشید، Beautiful Soup می‌تواند ابزاری قدرتمند و کارآمد برای شما باشد.

این کتابخانه به‌خصوص برای پروژه‌های وب‌خزشی و استخراج اطلاعات از وب‌سایت‌ها بسیار مفید است و می‌تواند با دیگر ابزارهای پایتون مانند Requests ترکیب شود تا تجربه‌ی کاملی از عملیات وب‌کاوی ایجاد کند.

🔹@python_rd

زمان‌سنج برای اندازه‌گیری زمان اجرای کد

در پایتون، بررسی زمان اجرای کد می‌تواند در بهینه‌سازی برنامه بسیار مفید باشد. مثال زیر چگونگی زمان‌سنجی یک قطعه کد با استفاده از time را نشان می‌دهد:

import time

# تعیین تابعی که می‌خواهید زمان اجرای آن را اندازه‌گیری کنید
def my_function():
    sum = 0
    for i in range(1, 1000000):
        sum += i
    return sum

# زمان قبل از اجرای تابع
start_time = time.time()

# اجرای تابع
my_function()

# زمان بعد از اجرای تابع
end_time = time.time()

# محاسبه و چاپ زمان سپری شده
elapsed_time = end_time - start_time
print(f"زمان اجرای تابع: {elapsed_time:.5f} ثانیه")

این کد نشان می‌دهد که چطور می‌توانید زمان اجرای یک تابع یا قطعه کدی را اندازه‌گیری کنید و از آن برای بهینه‌سازی استفاده نمایید.

@python_rd

✅نقشه راه کامل بک اند:

🔹1. یادگیری مبانی برنامه‌نویسی
زبان برنامه‌نویسی: شروع با زبان‌هایی مانند Python، JavaScript (Node.js)، Ruby، Java، یا PHP.
مفاهیم بنیادی: درک متغیرها، توابع، حلقه‌ها، شرط‌ها، و ساختمان داده‌ها.

🔹2. آشنایی با وب
پروتکل HTTP: یادگیری درخواست‌ها و پاسخ‌ها، وضعیت‌ها و هدرها.
RESTful API: طراحی و پیاده‌سازی API‌های مبتنی بر REST.

🔹3. فریم‌ورک‌ها
Node.js: فریم‌ورک‌هایی مانند Express.js برای ساخت سرورهای کارآمد.
Django: برای Python، با تمرکز بر ساخت سریع و ایمن.
Rails: برای Ruby، جهت توسعه سریع و انعطاف‌پذیر.
Spring Boot: برای Java، برای ساخت اپلیکیشن‌های مقیاس‌پذیر.

🔹4. پایگاه‌داده‌ها
SQL Databases: یادگیری MySQL، PostgreSQL یا SQLite برای مدیریت داده‌های ساختاریافته.
NoSQL Databases: آشنایی با MongoDB یا DynamoDB برای داده‌های غیرساختاریافته.

🔹5. احراز هویت و امنیت
احراز هویت و مجوز: پیاده‌سازی JWT، OAuth، یا Session Management.
امنیت: روش‌های مختلف جلوگیری از حملاتی مانند SQL Injection و XSS.

🔹6. مدیریت نسخه و توسعه مشترک
Version Control: استفاده از Git و GitHub برای مدیریت کد و همکاری گروهی.

🔹7. تست و تضمین کیفیت
Unit Testing: استفاده از ابزارهایی مانند JUnit، Mocha، یا PyTest.
Integration Testing: بررسی کلیه اجزاء سیستم و تعاملات آنها.

🔹8. دیپلوی و استقرار
داکر و کانتینریزاسیون: استفاده از Docker برای ایجاد محیط‌های قابل حمل.
دیپلویمنت: استفاده از سرویس‌هایی مانند AWS، Heroku، یا DigitalOcean.

🔹9. مقیاس‌پذیری و عملکرد
Caching: استفاده از Redis یا Memcached برای بهبود عملکرد.
Load Balancing و Clustering: تکنیک‌هایی برای توزیع بار و افزایش قابلیت اطمینان.

🔹10. سایر ابزارها و تکنولوژی‌ها
Message Queues: مانند RabbitMQ یا Apache Kafka برای پردازش ناهمزمان.
GraphQL: جایگزین مدرن برای REST برای تعامل با API‌ها.

🔹منابع آموزشی:
دوره‌های آنلاین: Platforms مثل Udemy، Coursera و freeCodeCamp.
کتاب‌ها: کتاب‌هایی مانند “Designing Data-Intensive Applications” و “Clean Code”.
مستندات رسمی فریم‌ورک‌ها.

🔹@python_rd

برنامه های مبتدی تا پیشرفته پایتون

🔹@python_rd

text to speech using python

🔹@python_rd

رفقا کانال عمومی برنامه نویسیمون:

🔹@rezadolati01

🔹فکت:

تا سال 2024، رشد زبان برنامه‌نویسی پایتون به شکل قابل توجهی ادامه دارد، به طوری که این زبان یکی از محبوب‌ترین زبان‌های برنامه‌نویسی در میان یادگیری ماشین، علم داده و توسعه وب محسوب می‌شود. یکی از دلایل اصلی این محبوبیت، سادگی و خوانایی کد در کنار وجود کتابخانه‌های قدرتمند و جامع آن است.

🔹@python_rd

🔹50 ایده پروژه پایتون

🔹@python_rd

- از کجا بفهمیم که تو پایتون متخصص شدیم؟
+ وقتش که برسه متوجه میشید😂

🔹@python_rd

وبسایت تمرین برنامه نویسی با پایتون:

pynative.com

⠀🔹 @python_rd

نوشتن پایان نامه، مقاله با هوش مصنوعی.

ترجمه و تولید متن:
Reverso.net
Quillbot.com
jenni.ai
ChatGPT

خلاصه کردن مقاله:
Askyourpdf.com
Humata.ai

پیدا کردن مقالات مرتبط:
Connectedpapers.com
Researchrabbit.ai

نوشتن پیشینه پژوهش:
Typeset.io
Perpelexity.ai

🔹 @python_rd

🔹یه کد جالب پایتون.
یک عدد از بین 1 تا 100 انتخاب میکنه و بهتون میگه که حدس بزنید. اگر کمتر حدس زدید میگه بیشترش کن و اگه بیشتر بود میگه کمترش کن. تا وقتی که به عدد برسید

import random

def guess_the_number():
    number_to_guess = random.randint(1, 100)
    attempts = 0
    print("یک عدد بین 1 تا 100 حدس بزنید!")

    while True:
        user_guess = int(input("حدس شما: "))
        attempts += 1

        if user_guess < number_to_guess:
            print("بیشتر حدس بزنید!")
        elif user_guess > number_to_guess:
            print("کمتر حدس بزنید!")
        else:
            print(f"تبریک! شما عدد {number_to_guess} را در {attempts} تلاش حدس زدید.")
            break

guess_the_number()

🔹@python_rs

🔹فریمورک ها و کتابخانه های پایتون

🔹@python_rd

🔹ساخت یک ماشین حساب ساده در پایتون با قابلیت انجام چهار عملیات اصلی

def add(x, y): return x + y
def subtract(x, y): return x - y
def multiply(x, y): return x * y
def divide(x, y): return x / y if y != 0 else "Error!"

print("1. Add 2. Subtract 3. Multiply 4. Divide")
choice = input("Choose operation: ")
num1 = float(input("First number: "))
num2 = float(input("Second number: "))

operations = {'1': add, '2': subtract, '3': multiply, '4': divide}
result = operations.get(choice, lambda x, y: "Invalid")(num1, num2)
print("Result:", result)

🔹@python_rd

✅نکات مهم برای بهینه‌سازی کد پایتون

🔹بهینه‌سازی کد نه تنها سرعت اجرای برنامه‌ها را افزایش می‌دهد بلکه خوانایی و نگهداری کد را نیز بهتر می‌کند.

1. استفاده از لیست‌های فشرده (List Comprehensions): به جای استفاده از حلقه‌ها، از لیست‌های فشرده برای ساخت لیست‌ها استفاده کنید.

squares = [x**2 for x in range(10)]

2. اجتناب از تکرار کد: اگر قسمتی از کد را چندین بار استفاده می‌کنید، آن را به یک تابع تبدیل کنید تا کد شما تمیزتر و قابل نگهداری‌تر باشد.

3. استفاده از ماژول‌های استاندارد: از ماژول‌های استاندارد پایتون (مثل collections و itertools) برای حل مشکلات رایج استفاده کنید، چرا که این ماژول‌ها بهینه شده‌اند و معمولاً کارایی بهتری دارند.

4. بهینه‌سازی حلقه‌ها: سعی کنید تعداد حلقه‌ها را کاهش دهید و از توابعی مثل map() و filter() استفاده کنید که می‌توانند کارایی را بهبود بخشند.

5. پروفایل کردن کد: از ابزارهایی مثل cProfile برای شناسایی نقاط ضعف در کد و بهینه‌سازی آن‌ها استفاده کنید.

با رعایت این نکات، می‌توانید کدهای بهینه‌تر و کاراتری بنویسید که هم برای شما و هم برای دیگران خوانایی بیشتری دارند. حتماً این نکات را در پروژه‌های خود امتحان کنید!

🔹@pyrhon_rd

🔹python be like:😂

🔹@python_rd

🔹در کلاس‌های پایتون، می‌توانید با استفاده از ویژگی slots مصرف حافظه را بهینه کنید. به طور پیش‌فرض، پایتون برای هر شیء دایره‌المعارف داخلی به نام dict ایجاد می‌کند که فضای زیادی اشغال می‌کند. با استفاده از slots مشخص می‌کنید که شیء شما فقط چه ویژگی‌هایی دارد، که به کاهش نیاز به استفاده از dict و در نتیجه کاهش مصرف حافظه کمک می‌کند.

class MyClass:
    slots = ['attribute1', 'attribute2']
    
    def __init__(self, attr1, attr2):
        self.attribute1 = attr1
        self.attribute2 = attr2

🔹@python_rd

🚨 طراحی رابط کاربری (UI/UX)

⚪️ فقط یک بوت‌کمپ نیست
💵 یک مهارت پول‌سازه!😎

⬜️ شما هم دعوتید به این تجربه آینده‌ساز به میزبانی مجموعه مکتب شریف🎖

⬜️ آغاز ثبت‌نام بوت‌کمپ آموزشی-استخدامی طراحی رابط کاربری در مکتب شریف

📌 استعدادسنجی و شرکت در مصاحبه‌ فردی

👨‍💻 و یا برای کسب اطلاعات بیشتر کافیه به آی‌دی ما پیام بدی! ‌‌‌‌

🆔 @MaktabSharif_Admin
▪️▫️▪️▫️▪️▫️▪️▫️▪️▫️

🌐 وبسایت |🌐 کانال تلگرام |📹 اینستاگرام
#استخدام_با_طعم_آموزش

📬 جیمیل با هوش مصنوعی در نوشتن ایمیل به شما کمک می‌کند.

✨ گوگل درحال توسعه قابلیت Help me write نسخه وب جیمیل است و به کاربران این امکان رو می‌ده تا ایمیل‌ها را با استفاده از هوش مصنوعی جمینای بنویسند یا تغییر دهند.

✨ در گوشی نیز کاربران هنگام باز کردن پیش‌نویس خالی در جیمیل، پیامی برای استفاده از این ویژگی می‌بینید.

✨ ویژگی Help me write گوگل فقط در دسترس کاربرانی است که مشترک Google One AI Premium یا افزونه جمینای برای Workspace هستند.

✨ علاوه‌ بر ایجاد پیش‌نویس ایمیل، Help me write می‌تونه پیشنهادهایی در مورد نحوه تغییر لحن، توضیح دقیق یا کوتاه‌ کردن پیام ارائه دهد.

#هوش_مصنوعی #AI


@python_rd

دقیق ترین ترجمه رو از هوش مصنوعی بخواه!!!

💎 این سرویس از الگوریتم‌های پیچیده برای دستیابی به ترجمه‌های دقیق استفاده می‌کنه که گوگل ترنسلیت رو تو جیبش می‌ذاره. 😉

💎 علاوه بر این امکان شخصی سازی ترجمه و انتخاب سطح ترجمه هم وجود داره، دیگه چی از این خفن‌تر!!

➡️ machinetranslation.com

#هوش_مصنوعی #AI

@python_rd

مباحث مهم برای تسلط بر پایتون

🔹@python_rd

🔹برگه تقلب کامل پایتون

🔹@python_rd

🔹Pandas VS SQL

🔹@python_rd

🔹مدیریت خطا در پایتون: یکی از مهارت‌های ضروری در برنامه‌نویسی پایتون، مدیریت خطاهاست. هنگام کار با برنامه‌های پیچیده، استفاده از بلاک‌های try و except به شما کمک می‌کند تا برنامه پایدارتر و مقاوم‌تر باشد. حتماً پیام‌های خطای مفهومی تعریف کنید تا رفع اشکال را ساده‌تر کنید. مثال:

try:
    number = int(input("Enter a number: "))
except ValueError:
    print("Oops! That was not a valid number. Try again...")

این راهکار ساده، توسعه‌دهی کدهای شما را حرفه‌ای‌تر می‌کند.

🔹@python_rd

🔹کتابخانه جدید پایتون:

📚 Pandas AI به تازگی به دنیای تحلیل داده‌ها آمده تا کارها را ساده‌تر و هوشمندتر کند. با این کتابخانه می‌توان تحلیل‌های پیچیده‌تر و سریع‌تری انجام داد. 🧠✨

🔹@Python_rd

📝 بیوگرافی جفری هینتون؛ پدرخوانده‌ هوش مصنوعی


جفری هینتون، پدرخوانده‌ی هوش مصنوعی، با اختراع شبکه‌های عصبی مصنوعی، دنیای ما را متحول کرد. داستان زندگی پرفراز و نشیب او را از دست ندهید.

جفری هینتون (Geoffrey Hinton)، دانشمندی که به‌‌درستی لقب «پدرخوانده‌ی هوش مصنوعی» را به خود اختصاص داده است، با پژوهش‌هایش انقلابی در دنیای فناوری ایجاد کرد. او با الهام از مغز انسان، شبکه‌های عصبی مصنوعی را ساخت و به ماشین‌ها توانایی یادگیری، تفکر و تصمیم‌گیری داد. این فناوری‌ها که امروزه در همه‌جای زندگی ما حضور دارند، از دستیارهای صوتی گرفته تا خودروهای خودران، از تلاش‌های بی‌وقفه‌ی هینتون و همکارانش حاصل شده‌اند.

اکنون هینتون با کسب جایزه‌ی نوبل ۲۰۲۴ در رشته‌ی فیزیک به‌عنوان یکی از تأثیرگذارترین دانشمندان قرن بیستم شناخته می‌شود؛ اما داستان او فراتر از جوایز و افتخارات است.

داستان جفری هینتون، روایتی از پشتکار، نوآوری و جست‌وجوی مداوم برای کشف ناشناخته‌ها است. در این مطلب، به زندگی و دستاوردهای جفری هینتون خواهیم پرداخت و به این سؤال پاسخ خواهیم داد که چگونه یک نفر با یک ایده‌ی ساده، توانست دنیای فناوری را متحول کند.

هینتون تقریباً از ۱۸ سال قبل تاکنون، به‌صورت ایستاده کار می‌کند. او به‌دلیل مشکلاتِ مربوط به دیسک کمر بیشتر از چند دقیقه نمی‌تواند بنشیند، اما حتی این موضوع نیز مانع از انجام فعالیت‌های او نشده است. او می‌گوید: «از ایستادن متنفرم و ترجیح می‌دهم بنشینم، اما در صورتِ نشستن دیسک کمرم بیرون می‌زند و درد شدیدی احساس می‌کنم.»

از حدود ۴۶ سال قبل هینتون در تلاش بود که به کامپیوترها، همانند انسان‌ها، آموزش دهد. این ایده در ابتدا ناممکن و ناامیدکننده به‌نظر می‌رسید، اما گذشت زمان خلاف آن را ثابت کرد. تا جایی‌ که گوگل با استخدام هینتون، از او خواست تا هوش مصنوعی را به واقعیت تبدیل کند. هینتون پس از استخدام در شرکت گوگل در مصاحبه‌ای گفت: «گوگل، آمازون و اپل فکر می‌کنند هوش مصنوعی آن چیزی است که آینده‌ی آن‌ها را می‌سازد.»

علاقه‌ی هینتون به شناخت مغز و نحوه‌ی یادگیری انسان، او را به سمت تحصیل در رشته‌ی هوش مصنوعی سوق داد. بنابراین، او برای ادامه‌ی تحصیلات خود به دانشگاه ادینبورگ رفت و در آنجا پژوهش در زمینه‌ی هوش مصنوعی را تحت‌نظر استاد راهنمای خود، کریستوفر لانگت-هیگینز (Christopher Longuet-Higgins) آغاز کرد. سرانجام، هینتون در سال ۱۹۷۸ به آرزوی هفت سالگی خود رسید و موفق به اخذ درجه‌ی دکترای هوش مصنوعی شد. دوره‌ی دکتری، نقطه‌ی عطفی در زندگی حرفه‌ای هینتون بود و او را برای ورود به دنیای پیچیده و جذاب هوش مصنوعی آماده کرد.

تحصیلات متنوع هینتون از روانشناسی تا هوش مصنوعی، به او دیدگاهی جامع و بین‌رشته‌ای بخشید که کمک بزرگی به پژوهش‌هایش در آینده کرد. این دیدگاه، او را قادر ساخت تا ارتباط عمیقی بین عملکرد مغز انسان و الگوریتم‌های یادگیری ماشین برقرار کند.

@python_rd

کتابخانه های پایتون برای دیتا ساینس

🔹@python_rd

🔸 معرفی کتاب《 Make Your Own Neural Network 》

🔸 در بخش اول کتاب با مفاهیم ریاضی مختلف در شبکه های عصبی آشنا می شویم. بخش دوم، مباحثی کاملا عملی دارد و به شما کمک می کند تا زبان برنامه نویسی پایتون را یاد بگیرید و بتوانید با استفاده از آن شبکه عصبی مورد نظر خودتان را بسازید. همچنین این کتاب به شما کمک می کند تا بتوانید اعداد نوشته شده با دست خط انسانی را شناسایی کنید و یکسری تکنیک های هوش مصنوعی دیگری نیز آموزش می دهد.

🔹@python_rd

از کدومش استفاده میکنی؟

🔹@python_rd

🔸ساخت بارکد با پایتون

🔹@python_rd

🔥قطعی شدن همزمان PYTHON مقدماتی و پیشرفته🔥

🐍Python زبان برنامه نویسی

🗓جمعه ها از 4 آبان
⏰ 28 ساعت؛2.2 میلیون تومان
📽وبینار رایگان👉کلیک
✍️لینک ثبت نام👉کلیک

🐍 PYTHON پیشرفته

⏰ 24 ساعت؛ 2.5 میلیون تومان
🗓جمعه ها از 4 آبان
📽وبینار رایگان👉کلیک
✍️لینک ثبت نام👉کلیک

📌مشاوره و ثبت نام:
🙍‍♂️@ParsPajouhaanCEE
☎️021-88322992(105)
وبسایت / کانال تلگرام / اینستاگرام

🔹پنجاه ایده پروژه پایتون

🔹@rezadolati01

#معرفی_کتاب
نام کتاب: پایتون: چگونه برنامه بنویسیم
نویسنده: دیتل
موضوع: #برنامه_نویسی #پایتون

🔹@python_rd

🔹صلح بین کسایی که ریاضی بلدن، کسایی که برنامه نویسی بلدن و کسایی که جفتشو هم بلدن😂

🔹@python_rd

📚یکی از بزرگ‌ترین ناشران جهان استفاده از کتاب‌های خود برای آموزش هوش مصنوعی را ممنوع کرد

🔸انتشارات «پنگوئن رندوم هاوس» (Penguin Random House) مستقر در نیویورک که یکی از بزرگ‌ترین ناشران تجاری جهان به حساب می‌آید، صفحه‌ای را به کتاب‌های جدید و تجدیدچاپ‌شده خود اضافه کرده است که می‌گوید: «هیچ بخشی از این کتاب را نمی‌توان به‌هیچ‌وجه به‌منظور آموزش فناوری‌ها یا سیستم‌های هوش مصنوعی استفاده کرد.»

🔸انتشارات Penguin Random House در این صفحه توضیح می‌دهد مطابق قوانین اتحادیه اروپا چنین تصمیمی را اعلام کرده است. با‌این‌حساب، پنگوئن رندوم هاوس اولین ناشر بزرگی است که در صفحه حق‌چاپ کتاب‌های خود به آموزش #هوش_مصنوعی اشاره کرده است.

@python_rd

♦️ سازنده زبان های برنامه نویسی:

پایتون : Guido van Rossum

سی: Dennis Ritchie

جاوا : James Gosling

پی اچ پی( زبان اسکریپت نویسی) : Rasmus Lerdorf

🔹@python_rd

⭕️ ۵۰ درصد تخفیف سرور ابری بر روی بسته های نتورک ⭕️

⚪️ با پهنای باند 980Mbps
⚪️ تا ۳۱ مهر

📌 ورود به پنل و دریافت سرور:
⬇️⬇️⬇️⬇️⬇️⬇️
🌐 panel.virakcloud.com/user/login
📞 مشاوره تلفنی:
☎️ 02191555530
➖➖➖➖➖➖

حلال و حرام در پایتون😂

@python_rd

وبسایت چیت شیت پایتون:

http://pythoncheatsheet.org

🔹@python_rd

🔶 سنیور پایتون دولوپر😂

🔹@python_rd

🔹python lambda function

🔶@python_rd

⚡️ مودم LTEپرسرعت با تخفیف فوق‌العاده ⚡️

💎 پوشش‌دهی سراسری
💎 فیلیمو رایگان
💎 حجم رایگان
💎 ارسال رایگان

☯️ taknet.ir/doublenet ◀️
👨‍💻 مشاوره رایگان
☎️ 02191555510
➖➖➖➖➖➖

Natural Language Processing (NLP)
یکی از زیرشاخه های هوش مصنوعی هست و فیلد خیلی عظیمیه و علاوه بر مهارت های آماری و ماشین لرنینگ باید دانش دستوری (نحوی) زبان مورد نظر رو هم داشته باشید.


اگه تازه میخواید شروع کنید و NLP رو یاد بگیرید اول این کتاب رو بخونید. هم خیلی ساده از اول توضیح داده و هم پروژه های عملی باحالی داره.

@python_rd

کتاب های حرفه ای پایتون:

1. Effective Python
2. Python Tricks
3. Fluent Python
4. Mastering Python

@python_rd

🔶مثال هایی برای پایتون

🔹@python_rd

✅ خطا ها در زبان پایتون

◽️ در زبان پایتون، خطاها به دو دسته تقسیم می‌شوند: خطاهای معمولی (Exceptions) و خطاهای زمان اجرا (Runtime Errors). اینجا چند خطا اصلی همراه با معانیشان آمده است:

1. خطای (SyntaxError): زمانی رخ می‌دهد که کد نوشته شده با قواعد زبان پایتون مغایرت داشته باشد.

2. خطای فاصله گذاری (IndentationError): وقتی فاصله‌گذاری در کد ناقص یا نادرست باشد.

3. خطای (NameError): وقتی یک نام متغیر یا فراخوانی وجود نداشته باشد.

4. خطای (TypeError): وقتی عملیاتی روی نوع اشیاء نامناسب باشد.

5. خطای (IndexError): وقتی شاخصی برای دسترسی به یک عنصر در یک لیست یا رشته وجود نداشته باشد.

6. خطای (ValueError): زمانی اتفاق می‌افتد که یک عملیات با یک مقدار نامناسب انجام شود.

7. خطای (KeyError): وقتی یک کلید در یک دیکشنری وجود نداشته باشد.

8. خطای (FileNotFoundError): وقتی یک پرونده مورد نظر برای عملیات فایل مورد نظر پیدا نشود.

9. خطای (ModuleNotFoundError): وقتی یک ماژولی که قرار استفاده شود پیدا نشود.

10. خطای (ZeroDivisionError): وقتی تلاش برای تقسیم عددی بر صفر انجام شود.

🔹@python_rd

🔶مرور سریع بر پایتون

🔹@python_rd

✅چرا پایتون؟

1. پایتون، بهترین انتخاب برای شروع برنامه نویسی
2. با پایتون با یک کد کوتاه و ساده، کارهای بزرگی می توان انجام داد و این یعنی پیشرفت هرچه زودتر!
3. جامعه بزرگ برنامه نویس های پایتون یکی از نقاط قوت این زبان محسوب میشه و این یعنی این زبان داره روز به روز پیشرفت میکنه!
4. سرعت بالای پردازش اطلاعات در پایتون به این معنیه که ما با یک زبان قدرتمند روبرو هستیم.
5. پایتون یک زبان برنامه نویسی برای کار در زمینه های مختلفه. به قول معروف، پایتون برای همه چیز! به طور مثال:
دیتا ساینس، ماشین لرنینگ، پردازش تصویر، هوش مصنوعی، توسعه وب، هک و امنیت و...
6. پایتون شامل تعداد بسیاری از کتابخانه های قوی برای کاربرد های مختلفه و این یعنی برنامه نویسی ساده و موثر!

@python_rd

#چالش

🔶برنامه‌ای بنویسید که تمامی اعداد اول زیر 1000 را چاپ کند.

کوتاه ترین کد بهترینه!

🔹@python_rd

🔶ابزار هایی برای برنامه نویس های پایتون

1. Jupyter Notebook: برای تست و پروتوتایپ‌گیری پروژه‌ها، به ویژه در حوزه علم داده.
2. Pandas: برای تحلیل و دستکاری داده‌ها.
3. Matplotlib و Seaborn: برای ترسیم نمودارها و تحلیل داده بصری.
4. PyInstaller: برای تبدیل فایل‌های پایتون به برنامه‌های اجرایی مستقل.

🔹@python_rd

📱 همراه جدید برنامه‌نویس‌ها برای دیباگ و بهبود کد توسط OpenAI معرفی شد...!

🔸 این قابلیت به صورت آزمایشی از دیروز برای کاربران دارای اشتراک پلاس عرضه شده و بعد از خروج از حالت آزمایشی برای همه کاربران به صورت مجانی عرضه خواهد شد.

🔸 دیروز، OpenAI یه ابزار جذابی به اسم «Canvas» رو معرفی کرد که تمام تمرکزش روی کمک به برنامه‌نویس‌هاست.

🔸 با Canvas می‌تونید کدهاتون رو دیباگ کنید، بازبینی‌شون کنید و حتی پیشنهادات بهتری برای بهبود کدهاتون بگیرید.

✔️ بررسی و بازبینی کد
✔️ اضافه کردن لاگ به پروژه
✔️ اضافه کردن کامنت به کدها و دیباگ
✔️ ترجمه کد از یک زبان به زبان دیگه

‼️ از حالا نسخه اولیه Canvas برای کاربران Plus و Team قابل دسترسه.

➡️ https://techcrunch.com/2024/10/03/openai-launches-new-canvas-chatgpt-interface-tailored-to-writing-and-coding-projects/?guccounter=1


🔹@python_rd