Control Engineering

🖥 دریافت اشتراک ویژه 15 ماهه هوش مصنوعی گوگل (Gemini) و 2 ترابایت اشتراک گوگل وان (Google One) ⭐️ ویژگی های اشتراک :    • تولید تصویر و ویدیو   • قابلیت Deep Research   • امکان آپلود انواع فایل - پوشه کد و . . . ⚠️ : برای فعال سازی اشتراک فقط کافیه اول وارد لینک زیر بشوید و سپس وارد اکانت مورد نیاز در آخر هم بر روی دکمه آفر کلیک کنید تا اشتراک فعال شود. 🔗 : https://one.google.com/join/ai-student 📌 نکته : حتما از آیپی (🇺🇸 USA ) استفاده کنید. ➖➖➖➖➖➖ @Glysit | @Glysitchat

نخستین رویداد Tabriz BizTech (تبریز، کارآفرینی، تکنولوژی) با محوریت «اشتغال فناورانه»، فرصتیه برای اونایی که 🚀ایده پولساز دارن، 🚀میخوان ایده خودشون رو به محصول یا خدمت تبدیل کنن، 🚀و وارد دنیای واقعی کسب‌وکار و کارآفرینی بشن! 🎙 با حضور چهره‌های الهام‌بخش کارآفرینی: 🔹 علی پنیریان– کارآفرین سریالی و فعال اکوسیستم نوآوری با تجربه مشاوره به بیش از ۵۰۰ طرح معاونت علمی، فناوری و اقتصاد دانش بنیان ریاست جمهوری 🔹 توحید ساحتی مهر – مربی و مشاور حرفه‌ای کسب‌وکار با کوله باری تجربه در ضمیمه های بازاریابی، استراتژی و لجستیک از کشور ایران گرفته تا قاره سبز اروپا 🔸 و چند مهمان غافلگیرکننده دیگه که هر روز رونمایی میشن... 📍 دانشگاه صنعتی تبریز – سهند، سالن شهید سلیمانی 🗓 چهارشنبه ۳۱ اردیبهشت | 🕘 ۹ تا ۱۳ 🎫 هزینه ثبت‌نام: ۳۰۰ هزار تومان 🎓 دانشجویان فقط با ۹۰ هزار تومان 📲 ثبت‌نام از طریق QR کد پوستر 🔗یا با لینک: https://evnd.co/lzLBW 📡 در تلگرام و اینستاگرام همراه ما باش: @TabrizBizTech

#اطلاعیه #فوری #مهم رویدادی جذاب و متفاوت در قلب استان آذربایجان شرقی برای علاقه مندان به کسب و کار و کارآفرینی👀 نقطه عطف در زندگی دانشجویان...😎 🚀Tabriz Biz Tech 🚀تبریز، کارآفرینی، تکنولوژی 🚀«اشتغال فناورانه موتور محرکه اقتصاد تبریز» 🧨 با حضور بیش از ۴۰۰ نفر 🧨 ۶ مدیر و مشاور با چاشنی کارآفرین 🧨 انتقال تجربه بیش از ۳۵۰ هزار ساعت 🧨 پنل تخصص پرسش و پاسخ 📆 ۳۱ اردیبهشت 📍دانشگاه صنعتی تبریز (سهند) ❤️ با حمایت اداره کل ورزش و جوانان استان آذربایجان شرقی 🌐ما را دنبال کنید 🔅 @tabrizbiztech #دانشگاه #دانشجو #صنعت #کارآفرینی #فناوری #نوآوری #انگیزه #تجربه #موفقیت #تبریز #دانش_بنیان #اقتصاد #business #startup #industrial #knowledge #science #technology #innovation #tabriz

٭ ثبت‌نام برای دریافت بن خرید کتاب | سی و ششمین نمایشگاه بین المللی کتاب تهران ۱۴۰۴ - سی و ششمین نمایشگاه بین المللی کتاب تهران ۱۴۰۴ از ۱۷ تا ۲۷ اردیبهشت ماه ۱۴۰۴ برگزار میشود. - ثبت‌نام برای دریافت بن خرید کتاب ویژه دانشجویان و طلاب از ساعت ۹ صبح روز سه شنبه ۱۶ اردیبهشت ماه از طریق سایت bon.tibf.ir آغاز می‌شود. - مبلغ بن تخصیص‌یافته برای هر نفر یک میلیون تومان است که ۵۰۰ هزار تومان آن از سوی دانشجو پرداخت شده و ۵۰۰ هزار تومان نیز به‌صورت یارانه دولتی در قالب حمایت از خرید کتاب افزوده می‌شود. - مانند سال‌های گذشته، این اعتبار خرید به کارت ملی افراد شارژ می‌شود و نکته مهم آن است که سیم‌کارت ثبت‌شده در فرآیند ثبت‌نام حتماً باید به نام خود فرد (دانشجو) باشد. - سایت نمایشگاه: https://book.icfi.ir/ @ControlEnginnering98

اولین جلسه از سری جلسات تک‌تاک مربوط به نشست های هوش مصنوعی ساعت ۶ الی ۷ امروز( ۱۴۰۴/۰۲/۰۹) میتوانید به کمک گوگل میت و لایو اینستاگرام از جلسه استفاده کنید. لینک گوگل میت: https://meet.google.com/cmd-gwzr-qnu آیدی اینستاگرام: @nokhbegan_fanbazar

٭ زمان‌بندی ثبت‌نام و برگزاری آزمون‌های سراسری سال ۱۴۰۵ - زمان برگزاری آزمون کارشناسی‌ارشد، ۱۷ و ۱۸ اردیبهشت‌ماه - زمان برگزاری آزمون دکتری، ۱۰ بهمن‌ماه @ControlEngineering98

تبریز، آماده باش! 📢 TEDx Tabriz UOT برای اولین بار در شمال غرب ایران، اردیبهشت ۱۴۰۴ در دانشگاه تبریز برگزار میشه! 🤩 ۱۰ سخنران ملی و بین‌المللی با کلی تجربه و ایده منتظر شما هستن تا الهام بگیرید و مسیر موفقیتتون رو پیدا کنید. ✨ 🗓 ۴ اردیبهشت ۱۴۰۴، سالن وحدت دانشگاه تبریز ⏳ زمان و بلیت محدوده! همین حالا ثبت نام کن: https://evand.com/events/tedx-university-of-tabriz-23719 ✉️ دایرکت: @TEDx_UoT 💰 هزینه: ۲۰۰ هزار تومان (تخفیف ۵۰% برای دانشجویان : [27DGP]) فرصت ها یکبار در خانه را می زنند!😎 #TEDx #تبریز #موفقیت #نوآوری

سلام

📌 اگه با داده‌ها سر و کار داری، یا حتی تازه می‌خوای یاد بگیری، کتابخونه‌ی Polars توی پایتون یه گزینه‌ی سریع‌تر و راحت‌تر از Pandas برای خیلی از کارهاست. اینجا ۳ مثال ساده و واقعی با خروجی‌هاش رو با هم ببینیم 👇 🔸 مثال ۱: به دست آوردن میانگین قیمت فرض کن یه فایل بزرگ توی فضای ابری داری و می‌خوای قیمت میانگین هر دسته کالا رو دربیاری.

import polars as pl

# شبیه‌سازی فایل از فضای ابری (در اینجا محلیه برای نمونه)
df = pl.DataFrame({
    "product_category": ["A", "A", "B", "B", "B"],
    "sale_price": [100, 150, 200, 250, 300]
})

result = df.group_by("product_category").agg(
    pl.col("sale_price").mean().alias("avg_price")
)

print(result)

✅ خروجی:

┌────────────────────┬────────────┐
│ product_category   │ avg_price │
├────────────────────┼────────────┤
│ A                  │     125.0 │
│ B                  │     250.0 │
└────────────────────┴────────────┘

🧠 به راحتی دیدیم که Polars بدون دردسر، میانگین هر دسته رو سریع محاسبه کرد. 🔸 مثال ۲: میانگین دمای پاریس فقط وقتی لازم باشه! (lazy)

lazy_df = pl.LazyFrame({
    "city": ["Paris", "Paris", "Berlin", "Paris"],
    "temperature": [21.5, 22.0, 18.0, 20.0]
})

result = (
    lazy_df
    .filter(pl.col("city") == "Paris")
    .select(pl.col("temperature").mean().alias("avg_temp"))
    .collect()
)

print(result)

✅ خروجی:

┌──────────┐
│ avg_temp │
├──────────┤
│   21.17  │
└──────────┘

🌀 چون lazy هست، فقط زمانی که .collect() زدیم، داده‌ها پردازش شد! خیلی سبک و سریع‌تر از حالت معمولیه! 🔸 مثال ۳: نمره دادن به دانش‌آموزا با شرط

df = pl.DataFrame({
    "student": ["Ali", "Sara", "Mina", "Reza"],
    "score": [95, 82, 74, 60]
})

result = df.with_columns(
    pl.when(pl.col("score") >= 90).then("A")
     .when(pl.col("score") >= 80).then("B")
     .when(pl.col("score") >= 70).then("C")
     .otherwise("D")
     .alias("grade")
)

print(result)

✅ خروجی:

┌────────┬───────┬───────┐
│ student│ score │ grade │
├────────┼───────┼───────┤
│ Ali    │   95  │   A   │
│ Sara   │   82  │   B   │
│ Mina   │   74  │   C   │
│ Reza   │   60  │   D   │
└────────┴───────┴───────┘

🎓 به سادگی با شرط‌ها تونستیم نمره‌بندی کنیم! 🌐: Polars @ControlEngineering98

٭ انیمیشن بامزه‌ی "‌آلبرت" یکی از بهترین محتواهایی هستش که راجع به آموزش هوش مصنوعی ساخته شده. توی این ویدیو با یه کاراکتر خیلی ساده و با یه نریتیو فوق‌العاده، "یادگیری تقویتی" یا همون Reinforcement Learning رو توضیح میده. اینکه چطوری با چیدن یک‌سری مراحل حساب‌شده یک ایجنت خشک و خالی و بدون هوش رو آموزش بدیم که راه رفتن یاد بگیره. توی الگوریتم‌های RL هر وقت ایجنت به انتهای یک مرحله از بازی می‌رسه، بهش پاداش یا reward می‌دیم و با این کار به مرور خودش می‌فهمه چه مسیری رو باید طی کنه تا پاداش بیشتری دریافت کنه. (زانکو) @ControlEngineering98