Syntax | سینتکس

🔥 برگه تقلب برنامه نویسا 🌀 با استفاده از وب‌سایت Over Api میتونید تماااام دستورات برنامه نویسی رو همیشه و همه جا همراه خودت داشته باشی😍 همه زبان هارو شامل میشه و با انتخاب زبان مدنظرتون سایت به شما تموم استایل ها ، استرینگ ها ، آرایه ها و همه چیز هایی که مثلا تو شبکه جهانی پایتون نیاز داری دستوراتش رو برات گذاشته تا هر موقع اراده کردی بهشون دسترسی پیدا کنی 👌 اینم سایتش : https://overapi.com/#google_vignette #کاربردی @khat_academy

زبان های برنامه نویسی از آسون ترین برای یادگیری تا سخت ترین ها عکس باحالیه زبان scratch که اصلا تو هواست قلعه ها پایتون و جاوااشکریپت هستن و هر چی میریم پایین تر یادگیریش پیچیده تر میشه و اون زیر زیرا دیگه رسما فسیله #fun @khat_academy

مسئله ما یک آرایه مرتب شده داریم. میخوایم عددی رو چک کنیم داخل آرایه ما وجود داره یا نه. این مسئله رو با بهینه ترین حالت ممکن حلش کنید. (حل مسئلع همراه توضیح که روشتون از نظر زمانی و فضایی چطوره) #algorithm @khat_academy

لغات ضروری برنامه نویسی       (پارت اول) البته اگر طی فرایند یادگیری اینارو متوجه بشید قطعا نتیجه بهتری میگیرید

رشد F(n) بر اسا n در توابع مختلف: ایده آل ترین حالت اینه الگوریتم ما constant باشه و o(1) ولی خب در عمل اکثر مواقع امکان پذیر نیست. اگه constant نشد. لگاریتمی و log n هم خیلی عالیه و اونم نزدیک constant هستش. ولی اغلب اوقات log n و o(1) برای آرایه ای که n تا ورودی میگیره رخ نمیده اگه واقع بین باشیم، معلولا الگوریتم های Linear همون o(n) و N-Log-N خیلی بدرد بخور و قابل تحمل هستند. یه پله بالا تر یعنی Quadratic هم یه جاهایی قابل تحمله اما از o(n^^2) به بعد برای ورودی های بزرگ غیر قابل تحمل میشه پس اگه الگوریتیم طراحی میکنید برای یک مسئله ای که ورودیش n هستش تا حد معقول o(n) و یا N-Log-N باشه. این نکته رو هم در نظر بگیرید بعضی مسائل اصلا براش پیچیدگی های زیر نمایی پیدا نشده #algorithm @khat_academy

میخوای شبکه عصبی رو یاد بگیری؟ playground.tensorflow.org/ زمین‌بازی تنسورفلو به صورت تصویری و جذاب نحوه‌ی یادگیری شبکه‌ی عصبی رو به شما نشون می‌ده. می‌تونید با انواع داده‌ها و مقادیر بازی کنید تا راجع به کارکرد شبکه‌های عصبی بیشتر بدونید. این پروژه با استفاده از سری مقالات colah و با کتابخانه‌ی d3.js که برای تصویرسازی در جاوا اسکریپت مورد استفاده قرار می‌گیره تحت اجازه‌نامه‌ی آپاچی ۲.۰ نوشته و منتشر شده و می‌تونید کدمنبعش رو در زیر ببینید و بخونید: https://github.com/tensorflow/playground [Amiria] #machine_learning @khat_academy

آشنایی با ساختار داده ی لیست های پایتون تو این ویدیو با Array و Dynamic array آشنا میشید که لیست های پایتون dynamic array هستند. توضیحات تکمیلی: در لیست پایتون ما بجای ذخیره دیتا میایم اشاره گر (pointer) رو ذخیره میکنیم که به فضای دیتا اشاره میکنه. توی لیست پایتون insert, remove کردن o(n) هستش. اما خب با توجه به ایندکس میتونه متفاوت باشه. برای مثال remove کردن آخر لیست o(1) هستش. در آخر ویدیو اشاره شد که در linked list ها insert, add, remove همیشه o(1) هستند که بعدا در مورد پیاده سازیش و تفاوتش با Array list صحبت میکنیم. همچنین برای آشنایی بیشتر با ساختمان داده میتونید این ریپو دنبال کنید: https://github.com/alireza-fa/data-structures-python #data_structure #python @khat_academy

دوستان کسی هست که با لایبری pulp اشنایی داشته باشه اگ بود لطفا به پیوی بیاید چند تا سوال دارم در مورد حل جداول سیمپلکس https://t.me/Devilsfer

#Deep_Python ⌨ تعریف شرط در پایتون 🚧 تمرکز: بررسی‌ حدودی مفاهیم پایه تا پیشرفته شرط در پایتون. ♥️ Source: GitHub @khat_academy

راهنمای سریع نمادگذاری Big O برای محاسبه پیچیدگی محاسباتی (Time complexity) خواندن # @khat_academy

وقتی خودت و پارنترت برنامه نویسید😂😂 #fun @khat_academy

سلام دوستان بنده رادین پرهامی، ادمین جدید هستم. 🌹 امیدوارم در کنار هم بتونیم مسیر پیشرفت رو هم‌وارتر و سطح مهارت و حرفه کشور رو استوارتر بسازیم. ♥️ #Deep_Python ⌨ عملگرهای مقایسه‌ای 🚧 تمرکز: بررسی‌ و مقایسه باینری. @khat_academy

اگه این زبان ها رو دارید یاد میگیرید این سایت ها کمکتون میکنه

آموزش ساختمان داده بطور مختصر‌ (برای قسمت عملیش با پایتون انجامش دادم اما توضیحات بصورت جامع هستش) https://github.com/alireza-fa/data-structures-python اول راه ساختمان داده هستیم و تو روز های آینده کامل میشه. اگه امکانش هست star بدید ❤️ #data_structure @khat_academy

♨️ زبان پایتون تو چه زمینه هایی کاربرد داره ؟! #python @khat_academy

ربات هوش مصنوعی بینگ توی گروه خط اضافه شد 🔥 برای سوال پرسیدن اول پیامتون bing بنویسید و ادامه سوال #ai @khat_academy

یک روش دیگه هم برای مدریت و ساخت انواع جدید به اسم aggregation هستش. یعنی یک سری از آبجکت ها، اشیا رو کنار هم قرار بدم تا یک چیز بزرگ تری رو بسازم مثلا تعدادی دانشجو رو کنار هم قرار میدیم و کلاس رو میسازیم این اشیا بصورت مستقل خودشون هویت دارن و شخصیت مستقل دارد وقتی کنار هم میذاریمشون بهش میگیم aggregation حالا وقتی که میایم آبجکت ها رو کنار هم قرار میدیم، جاییه که Data Structure به دادمون میرسه. یعنی وقتی میخوایم چند تا آبجکت رو کنار هم قرار بدیم، باید از یک ساختار داده، از یک ساختمان داده استفاده کنیم تا این آبجکت ها رو کنار هم بچینیم یکی از اساسی ترین نوع داده ای که داریم آرایه (array) هستش که کاملا بیسیک هستش و توی همه ی زبان ها وجود داره (پایتون کارا در نظر بگیرید همون لیست هستش) پس اینهمه توضیح  دادیم تا رسیدیم به اینجا که ساختمان داده چیه و چه کاربردی داره امیدوارم قابل فهم توضیح داده باشم #data_structure @khat_academy

خب تا اینجا هر نوع تایپی که اشاره کردیم عدد بود و همچنین کل چیزی که CPU میفهمه اعداد هستش ولی خب سوال اینجاست. ما که فقط اعداد نداریم مثلا چیزی به اسم رشته (String) رو داریم. پس چطور باهاش کار می کنیم؟ رشته چطوری ساخته میشه؟ رشته به این شکل ساخته میشه که میایم بر اساس هر حرف عددی رو تعریف میکنیم. اگه یادتون باشه چیزی به اسم جدل ascii codes داریم که توی این جدول مشخص شده مثلا A میشه 65 پس چیزی که توی حافظه برای رشته نوشتیم در واقع عدد هستش پس اگه همه چی عدد هستش. چجوری داده های پیچیده تر رو میسازیم؟ اینجا از Composition استفاده میکنیم. یعنی میایم چند تا نوع داده رو با هم ترکیب میکنیم یک نوع داده پیچیده تر رو میسازیم. مثلا دانش آموز رو میسازیم دانش آموز خودش از                     name: str Student      code: int                     age: int تشکیل شده. #data_structure @khat_academy