PyCoders (پایتون)

📣 بالاخره نوبت تابستون شد🏝 💯 اگه دنبال یه فکر بکر و یه ماجراجویی حسابی برای تابستون 1403 هستی، خوبه که بدونی مکتب شریف، بساطش رو برات مهیا کرده⛵️ 🎯 کافیه همین امروز یه سر به وب‌سایت مکتب بزنی تا ببینی حرفه‌ای‌ها، تابستونشون رو چجوری میگذرونن!🎯 💢 پیش ‌ثبت‌نام و آزمون استعدادسنجی ➡️ 👨‍💻 و یا برای کسب اطلاعات بیشتر کافیه به آی‌دی ما پیام بدی! 💬 @MaktabSharif_Admin ▪️▫️▪️▫️▪️▫️▪️▫️▪️▫️ 🌐 وبسایت |💬کانال تلگرام |🌐 اینستاگرام #استخدام_با_طعم_آموزش #برنامه_نویسی

چون حجم پروژه زبان فارسی باستان زیاده و در آینده قراره وسیع تر بشه و خب مسلما در یک ریپازیتوری گیتهاب جا نمیشه؛ به همین علت براش یک اورگانیزیشن (organization) ساختم. اگه کسی علاقه داشته باشه روی این پروژه کار کنه؛ میتونه بهم ایمیل بزنه تا من عضو لیست People کنم ایشون رو، خیلی هم خوشحال میشم🥰. هر کاری خواستید روی پروژه انجام بدید میتونید یک ریپازیتوری جدید بسازید و اونجا سورس کدها و یا منابعتون رو بزارید. کارهای غیر فنی و غیر کدی هم زیاد دارم؛ مثلا پیدا کردن کتاب های خوب، مقاله، ساختن world list برای این زبان، جمع آوری دیتای عکس از کتیبه ها یا دیتای متنی از زبان فارسی باستان و .... فکر کنم این اورگانیزیشن قراره با ارزش ترین دستاورد زندگیم باشه. الهی به امید تو❤🙏 آدرس ایمیلم: melaneepython@gmail.com لینک گیتهاب این اورگانیزیشن: https://github.com/Electronic-Persian-Old-Library

Data Scientist Roadmap | |-- 1. Basic Foundations |   |-- a. Mathematics |   |   |-- i. Linear Algebra |   |   |-- ii. Calculus |   |   |-- iii. Probability |   |   -- iv. Statistics |   | |   |-- b. Programming |   |   |-- i. Python |   |   |   |-- 1. Syntax and Basic Concepts |   |   |   |-- 2. Data Structures |   |   |   |-- 3. Control Structures |   |   |   |-- 4. Functions |   |   |   -- 5. Object-Oriented Programming |   |   | |   |   -- ii. R (optional, based on preference) |   | |   |-- c. Data Manipulation |   |   |-- i. Numpy (Python) |   |   |-- ii. Pandas (Python) |   |   -- iii. Dplyr (R) |   | |   -- d. Data Visualization |       |-- i. Matplotlib (Python) |       |-- ii. Seaborn (Python) |       -- iii. ggplot2 (R) | |-- 2. Data Exploration and Preprocessing |   |-- a. Exploratory Data Analysis (EDA) |   |-- b. Feature Engineering |   |-- c. Data Cleaning |   |-- d. Handling Missing Data |   -- e. Data Scaling and Normalization | |-- 3. Machine Learning |   |-- a. Supervised Learning |   |   |-- i. Regression |   |   |   |-- 1. Linear Regression |   |   |   -- 2. Polynomial Regression |   |   | |   |   -- ii. Classification |   |       |-- 1. Logistic Regression |   |       |-- 2. k-Nearest Neighbors |   |       |-- 3. Support Vector Machines |   |       |-- 4. Decision Trees |   |       -- 5. Random Forest |   | |   |-- b. Unsupervised Learning |   |   |-- i. Clustering |   |   |   |-- 1. K-means |   |   |   |-- 2. DBSCAN |   |   |   -- 3. Hierarchical Clustering |   |   | |   |   -- ii. Dimensionality Reduction |   |       |-- 1. Principal Component Analysis (PCA) |   |       |-- 2. t-Distributed Stochastic Neighbor Embedding (t-SNE) |   |       -- 3. Linear Discriminant Analysis (LDA) |   | |   |-- c. Reinforcement Learning |   |-- d. Model Evaluation and Validation |   |   |-- i. Cross-validation |   |   |-- ii. Hyperparameter Tuning |   |   -- iii. Model Selection |   | |   -- e. ML Libraries and Frameworks |       |-- i. Scikit-learn (Python) |       |-- ii. TensorFlow (Python) |       |-- iii. Keras (Python) |       -- iv. PyTorch (Python) | |-- 4. Deep Learning |   |-- a. Neural Networks |   |   |-- i. Perceptron |   |   -- ii. Multi-Layer Perceptron |   | |   |-- b. Convolutional Neural Networks (CNNs) |   |   |-- i. Image Classification |   |   |-- ii. Object Detection |   |   -- iii. Image Segmentation |   | |   |-- c. Recurrent Neural Networks (RNNs) |   |   |-- i. Sequence-to-Sequence Models |   |   |-- ii. Text Classification |   |   -- iii. Sentiment Analysis |   | |   |-- d. Long Short-Term Memory (LSTM) and Gated Recurrent Units (GRU) |   |   |-- i. Time Series Forecasting |   |   -- ii. Language Modeling |   | |   -- e. Generative Adversarial Networks (GANs) |       |-- i. Image Synthesis |       |-- ii. Style Transfer |       -- iii. Data Augmentation | |-- 5. Big Data Technologies |   |-- a. Hadoop |   |   |-- i. HDFS |   |   -- ii. MapReduce |   | |   |-- b. Spark |   |   |-- i. RDDs |   |   |-- ii. DataFrames |   |   -- iii. MLlib |   | |   -- c. NoSQL Databases |       |-- i. MongoDB |       |-- ii. Cassandra |       |-- iii. HBase |       -- iv. Couchbase | |-- 6. Data Visualization and Reporting |   |-- a. Dashboarding Tools |   |   |-- i. Tableau |   |   |-- ii. Power BI |   |   |-- iii. Dash (Python) |   |   -- iv. Shiny (R) |   | |   |-- b. Storytelling with Data |   -- c. Effective Communication | |-- 7. Domain Knowledge and Soft Skills |   |-- a. Industry-specific Knowledge |   |-- b. Problem-solving |   |-- c. Communication Skills |   |-- d. Time Management |   -- e. Teamwork | -- 8. Staying Updated and Continuous Learning     |-- a. Online Courses     |-- b. Books and Research Papers     |-- c. Blogs and Podcasts     |-- d. Conferences and Workshops     `-- e. Networking and Community Engagement @python_rd

✈️ اگر قصد مهاجرت بخاطر کار و درآمد داری صبر کن! ⚠️ برنامه نویس های زیادی داخل ایران برای کارفرماهای خارجی کار میکنن و حقوقشون رو به دلار دریافت میکنن! ‼️ همین تغییر با اختلاف قیمت دلار رو ببین چقدر میتونه تاثیر تو درآمدت داشته باشه 🟢 چجوریشو باید یک ساعت وقت بذارید و در یک جلسه رایگان کامل با مسیر آشنا بشید 📆 زمان برگزاری: سه‌شنبه ساعت ۱۹ 🌐 لینک ثبت نام: 🌐 links.etekanesh.com/hsg3t ⬅️ 🔸 کانال تلگرام افراد موفق: 💬 t.me/TekaneshAcademy 👨‍💻 ارتباط با پشتیبانی در صورت بروز مشکل در ورود به جلسه: 💬 @Academy_Tekanesh ➖➖➖➖➖

🌷 تأثیر لحن مؤدبانه بر هوش مصنوعی؛ با چت‌بات‌ها مهربان باشیم!!! ⬅️ محققان نحوه‌ دریافت پاسخ از چت‌بات‌ها با پرامپت‌های احساسی رو زیر ذره‌بین قرار داده‌اند. ⬅️ پژوهشگران مدت‌ها است فرآیند مطالعه روی این موضوع را آغاز کرده‌اند تا بیشتر با سازوکار چت‌بات‌ها آشنا شوند. ⬅️ نوها دزیری، پژوهشگر مؤسسه‌ هوش مصنوعی آلن، معتقد است که دستورات احساسی اساساً مکانیزم‌های احتمالی یک مدل رو «دستکاری» می‌کنن. ⬅️ به بیانی دیگر، این دستورات بخش‌هایی از مدل را فعال می‌کنن که معمولاً با دستورات معمولی و بدون احساس فعال نمیشن. #هوش_مصنوعی #ChatGPT @python_rd

برنامه درسی پایتون @python_rd

با پایتون برنامه Weather بساز @python_rd

با پایتون برنامه Weather بساز @python_rd

🔹 دوران داغ آموزشی شروع شد ⛱🌊 💥جشنواری تابستانی دوران آکادمی آغاز شد. از امروز تا پایان نمایشگاه الکامپ🤩 ⚡️ 10و 20 و 30 و 40 درصد تخفیف ⚡️ 📌 جهت اطلاع از شرایط برگزاری و ثبت‌نام با ما در تماس باشید 🌎 B2n.ir/w78182 📞 ۰۲۱-۴۳۵۸۹ 📱 ۰۹۳۸۳۲۰۷۸۸۴ ‌ 💬 @douranAC 💬💬💬💬💬💬💬

مدل YOLO v10 هم منتشر شد! مدل های YOLO جزو قوی ترین مدل های پردازش دیتای تصویری هستند که تا الان ده تا ورژن از این مدل دولوپ شده. این مدل در ۶ سایز معرفی شده: نانو (N): ۲/۳ میلیون پارامتر کوچک (S): ۷/۲ میلیون پارامتر متوسط (M): ۱۵/۴ میلیون پارامتر بزرگ (B): ۱۹/۱ میلیون پارامتر بزرگ (L): ۲۴/۴ میلیون پارامتر خیلی بزرگ (X): ۲۹/۵ میلیون پارامتر این مدل دقت (mAP) بهتری روی دیتاست عظیم COCO داشته و به‌خاطر عدم استفاده از NMS به مراتب سریع‌تر هست؛ به صورتیکه کوچک‌ترین سایز هر تصویر رو در یک میلی‌ثانیه پردازش می‌کنه. https://github.com/THU-MIG/yolov10/ #پردازش_تصویر

✅ 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

بدینوسیله با افتخار اعلام میکنم داکیومنت پروژه ی گیلگمش (eBL) رو من نوشتم😍. مدتی بود که روی این پروژه کلی کار کردم و در مدیوم هم مقاله نوشتم و آخر سر به پروفسور انریکه جیمنز ایمیل زدم و به ایشون اطلاع دادم که برای ریپازیتوری داکیومنت پروژه اشون (پروژه مون🥺) پول رکئوست زدم و ایشون هم رکوئست من رو merge کردند و الان من یکی از contributor های این پروژه هستم! اصلا خودم باورم نمیشه🥺. پروفسور انریکه جیمنز پاسخ ایمیلم هم دادند؛ چقدر با گرمی ازم استقبال کردند🥰. خدایا شکرت💖 به وقت ۱۳ ژون ۲۰۲۴ میلادی لینک پروژه: https://github.com/ElectronicBabylonianLiterature/generic-documentation

⭕️فریم‌ورک‌ها و کتابخانه‌های دیتاساینسی در زبان  پایتون 1. NumPY 2. SciPY 3. TensorFlow 4. Keras 5. Matplotlib 6. Pandas @python_rd

🚨 شروع ثبت نام دوره جامع بازاریابی تحلیلی با پایتون 🔰 ویژه مدیران، فارغ التحصیلان و علاقه مندان به حوزه مارکتینگ و پایتون 🔰 اعطای گواهینامه قابل ترجمه از سازمان جهاد دانشگاهی صنعتی شریف • پس از گذراندن این دوره چه توانایی هایی خواهید داشت؟ 📌 تصمیم‌گیری داده‌محور و دقیق‌تر در استراتژی کمپین های بازاریابی 📌 افزایش توانایی در پیش‌بینی و تحلیل روندها 📌 استفاده از ابزارهای مدرن و کاربردی 📌 بهبود کارایی و بهره‌وری تیم بازاریابی • مزیت های دوره: ❌ پشتیبانی ویژه پس از انتهای دوره ❌ ❌ دسترسی به ویدئو های ضبط شده پس از انتهای هر جلسه ❌ 💡 اطلاعات بیشتر از طریق لینک زیر: 📎 t.me/+3YAqaRMEkYA1NmFk ⬅️ 💬 مشاوره رایگان: 🆔 @JDSL55

ساخت اهرام با پایتون @python_rd

برگه تقلب تاپل های پایتون @python_rd

کاربرد های پایتون در هوش مصنوعی: یادگیری ماشین و یادگیری عمیق: پایتون به عنوان یکی از زبان‌های اصلی برای پیاده‌سازی الگوریتم‌های یادگیری ماشین و یادگیری عمیق استفاده می‌شود. کتابخانه‌هایی مانند TensorFlow و PyTorch که ابزارهای قدرتمندی برای این حوزه ارائه می‌دهند، به زبان پایتون پیاده‌سازی شده‌اند. پردازش زبان طبیعی (NLP): در حوزه پردازش زبان طبیعی، پایتون از طریق کتابخانه‌هایی مانند NLTK (Natural Language Toolkit) و SpaCy استفاده می‌شود. این کتابخانه‌ها برای تحلیل و پردازش متون به زبان انسانی، تشخیص انواع متن، ترجمه ماشینی و دیگر کاربردها به کار می‌روند. پردازش تصویر و بینایی ماشین: برای پردازش تصویر و بینایی ماشین، پایتون از کتابخانه‌هایی مانند OpenCV و scikit-image استفاده می‌کند. این کتابخانه‌ها ابزارهایی برای تشخیص الگوها، تشخیص اشیا، تشخیص چهره، تشخیص اثر انگشت و سایر وظایف پردازش تصویر را فراهم می‌کنند. سیستم‌های پیشنهادگی: در سیستم‌های پیشنهادگی (مانند سیستم‌های پیشنهاد محتوا)، پایتون به عنوان زبان اصلی برنامه‌نویسی مورد استفاده قرار می‌گیرد. از کتابخانه‌هایی مانند Surprise و LightFM برای پیاده‌سازی سیستم‌های پیشنهادگی در پایتون استفاده می‌شود. تحلیل داده و انتقال آنها به اطلاعات مفید: پایتون به عنوان یکی از ابزارهای اصلی برای تحلیل داده و استخراج اطلاعات از داده‌های ساختار یافته و نا‌ساختاری (مانند داده‌های وب، داده‌های حسگرها و داده‌های مرتبط با IoT) به کار می‌رود. کتابخانه‌هایی مانند Pandas، NumPy و scikit-learn به این منظور استفاده می‌شوند. پردازش گفتار: برای پردازش سیگنال‌های صوتی و تشخیص گفتار، پایتون از کتابخانه‌هایی مانند SpeechRecognition و librosa استفاده می‌کند. همچنین، پایتون به عنوان یک زبان برنامه‌نویسی چندمنظوره، در سایر حوزه‌های هوش مصنوعی نیز مورد استفاده قرار می‌گیرد مانند رباتیک، تحلیل اعمال تصویری، تجزیه و تحلیل داده‌های بزرگ و غیره. @python_rd

اگه دسترسی به ChatGPT اصلی ندارید، این برنامه رو از  بازار دانلود کنید، دقیقا وصله به ChatGPT 3.5 اسم برنامه: AvalAi