FaraPython | فرا پایتون: آموزش برنامه‌نویسی پایتون

‌ 💥 رایگان شد... 🔗 آموزش آمار و احتمال مهندسی با حل تمرین — [کلیک کنید] 🎁 کد تخفیف ۱۰۰ درصدی: FRBP34 📆 اعتبار: پایان روز پنج‌شنبه ۷ بهمن ۱۴۰۰ 📌 آموزش‌های رایگان بعدی را در کانال تلگرام فرادرس [‎@FaraDars] دنبال کنید. @FaraDars — فرادرس‌‌‌ ‌

‏✳️ ‌۴ قابلیت جدید پایتون ۳.۹ — راهنمای پیشرفته ‏چندین ماه است که پایتون ۳.۹ با کلی قابلیت‌های ساختاری جدید و بهینه‌سازی‌های مختلف معرفی شده است. در این مقاله قصد داریم ۴ قابلیت جدید پایتون ۳.۹ را بررسی کنیم که بسیار مفید هستند. همچنین شیوه ارتقا به پایتون ۳.۹ را نیز بررسی خواهیم کرد. ══ فهرست مطالب ══ ‏ ○ ادغام دیکشنر‌ی‌ها ‏ ○ به‌روزرسانی دیکشنری‌ها ‏ ○ حذف یک پیشوند از رشته‌ها ‏ ○ حذف پسوند از رشته‌ها ‏ ○ ‏ ○ شیوه نصب پایتون ۳.۹ ‏ ○ سخن پایانی ‏🔸 ادغام دیکشنر‌ی‌ها ‏از پایتون ۳.۹ امکان استفاده از عملگر | برای ادغام دو یا چند دیکشنری در هم وجود دارد. در صورت وجود کلیدهای تکراری، آن دیکشنری که در سمت راست قرار دارد تقدم خواهد داشت. این تغییر جزئی بخشی از PEP-۵۸۴ محسوب می‌شود. ‏🔸 به‌روزرسانی دیکشنری‌ها ‏اگر یک گام فراتر برویم، امکان استفاده از عملگر =| برای به‌روزرسانی درجای یک دیکشنری نیز وجود دارد. در واقع a |= b معادل a = a | b است، اما =| یک دیکشنری جدید بازگشت نمی‌دهد، بلکه a موجود آپدیت خواهد شد. این قابلیت جدید نیز بخشی از PEP-۵۸ است. مطالعه ادامه مطلب 👇👇 ‏🔗 ۴ قابلیت جدید پایتون ۳.۹ — راهنمای پیشرفته — کلیک کنید (+) 📌 کانال اختصاصی آموزشی برنامه‌نویسی آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی برنامه‌نویسی را در کانال اختصاصی [@FaraProg] دنبال کنید. 👇 @FaraProg — مطالب و آموزش‌های برنامه‌نویسی فرادرس ‌

‌ ⏰ ساعات پایانی جشنواره «زمستان آموزشی» آموزش‌های مورد علاقه خود را با ۴۰ درصد تخفیف دریافت کنید. 🎁 🎉 دسترسی به کد تخفیف و جزئیات جشنواره 👇👇 ❄️ لینک جشنواره - [کلیک کنید] 💢 برای دسترسی سریع‌تر به آموزش‌های مورد علاقه‌ی خود، می‌توانید از لینک‌های زیر استفاده کنید: 🔗 جدیدترین آموزش‌های دو ماه اخیر [+] 🔗 پرمخاطب‌‎ترین آموزش‌های یک ماه اخیر [+] 🔗 آموزش‌های پیشنهادی برای شما [+] 🔗 همه فرادرس‌ها با طبقه‌بندی موضوعی [+] ‌@FaraDars — فرادرس‌ ‌

[In reply to FaraVest | فرا وست: آموزش بورس] ‌ ⏰ ساعات پایانی جشنواره «زمستان آموزشی» — آموزش‌های مورد علاقه خود را با ۴۰ درصد تخفیف دریافت کنید. 🎁 🎉 دسترسی به کد تخفیف و جزئیات جشنواره 👇👇 ❄️ لینک جشنواره - [کلیک کنید] 💢 برای دسترسی سریع‌تر به آموزش‌های مورد علاقه‌ی خود، می‌توانید از لینک‌های زیر استفاده کنید: 🔗 جدیدترین آموزش‌های دو ماه اخیر [+] 🔗 پرمخاطب‌‎ترین آموزش‌های یک ماه اخیر [+] 🔗 آموزش‌های پیشنهادی برای شما [+] 🔗 همه فرادرس‌ها با طبقه‌بندی موضوعی [+] ‌@FaraDars — فرادرس‌ ‌

‌ 💥 رایگان شد... 🔗 آموزش طراحی الگوریتم — [کلیک کنید] 🎁 کد تخفیف ۱۰۰ درصدی: FRAN34 📆 اعتبار: پایان روز دوشنبه ۴ بهمن ۱۴۰۰ 📌 آموزش‌های رایگان بعدی را در کانال تلگرام فرادرس [‎@FaraDars] دنبال کنید. @FaraDars — فرادرس‌‌‌ ‌

‌ 💥 رایگان شد... 🔗 آموزش دینامیک مهندسی با حل تمرین — [کلیک کنید] 🎁 کد تخفیف ۱۰۰ درصدی: FRBM32 📆 اعتبار: پایان روز پنج‌شنبه ۳۰ دی ۱۴۰۰ 📌 آموزش‌های رایگان بعدی را در کانال تلگرام فرادرس [‎@FaraDars] دنبال کنید. @FaraDars — فرادرس‌‌

‌ 🔴 فرصت محدود — آموزش‌های مورد نیاز خود را با ۴۰ درصد تخفیف دریافت کنید. ✳️ لینک برخی از آموزش‌های پرطرفدار فرادرس در ادامه آمده است. برای مشاهده و دریافت هر آموزش روی عنوان مورد نظر خود کلیک کنید: ▫️ برنامه‌نویسی پایتون — مقدماتی ▫️ ساخت نرم‌افزار برای ویندوز و لینوکس با پایتون ▫️ یادگیری ماشین Machine Learning با پایتون ▫️ تجزیه و تحلیل و آماده‌سازی داده‌ها با پایتون ▫️ پیاده‌سازی گام به گام شبکه‌های عصبی‌ در پایتون 🎁 مشاهده سایر آموزش‌ها و کد تخفیف 👇👇 ❄️ ورود به صفحه جشنواره - [کلیک کنید] @FaraDars - فرادرس‌ ‌

‏✳️ ‌ساخت ربات تلگرام با پایتون و BigQuery گوگل برای خودکارسازی کارها — به زبان ساده ‏برخی از ما با وظایف تکراری سر و کار داریم و کار خاصی را باید هر هفته و یا هر روز انجام دهیم یا گزارشی هست که باید به صورت روزانه یا هفتگی به انجام برسد. برای نمونه باید یک کوئری داده بزنیم یا برخی کارهای بصری‌سازی انجام داده و به مافوق خود گزارش دهیم. اما چه می‌شود اگر این کارها را به جای این که دستی انجام دهیم، خودکار سازی کنیم و از شر این کارهای تکراری خسته‌کننده راحت شویم؟ ══ فهرست مطالب ══ ‏ ○ نصب کتابخانه‌ها ‏ ○ فعالسازی API BigQuery گوگل ‏ ○ ایجاد کلید حساب سرویس ‏ ○ نوشتن برنامه ‏🔸 نصب کتابخانه‌ها ‏ما قصد داریم از google-cloud-bigquery (+) برای کوئری زدن به داده‌های موجود در BigQuery گوگل استفاده کنیم. همچنین کتابخانه‌های matplotlib ،numpy و pandas به ما کمک می‌کنند که داده‌های خود را به صورت بصری ارائه کنیم. کتابخانه python-telegram-bot (+) تصاویر بصری‌سازی شده را در گفتگوهای تلگرام ارسال می‌کند. ‏🔸 فعالسازی API BigQuery گوگل ‏برای استفاده از خدمات BigQuery گوگل ابتدا API آن را فعال کنیم. به این منظور به کنسول توسعه‌دهندگان گوگل (+) بروید و یک پروژه جدید بسازید. البته می‌توانید در صورت تمایل از پروژه‌های موجود نیز استفاده کنید. ‏در بخش داشبورد پروژه روی گزینه ENABLE APIS AND SERVICES کلیک کنید و به دنبال API BigQuery بگردید. ‏روی گزینه Enable کلیک کنید تا API مورد نظر فعال شود. مطالعه ادامه مطلب 👇👇 ‏🔗 ساخت ربات تلگرام با پایتون و BigQuery گوگل برای خودکارسازی کارها — به زبان ساده — کلیک کنید (+) 📌 کانال اختصاصی آموزشی برنامه نویسی پایتون آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی برنامه نویسی پایتون را در کانال اختصاصی [@FaraPython] دنبال کنید. 👇 @FaraPython — مطالب و آموزش‌های برنامه نویسی پایتون فرادرس ‌

‌ 💥 رایگان شد... 🔗 آموزش حل تمرین الکترونیک ۱ — [کلیک کنید] 🎁 کد تخفیف ۱۰۰ درصدی: FRAK32 📆 اعتبار: پایان روز دوشنبه ۲۷ دی ۱۴۰۰ 📌 آموزش‌های رایگان بعدی را در کانال تلگرام فرادرس [‎@FaraDars] دنبال کنید. @FaraDars — فرادرس‌‌

‌ 💥 رایگان شد... 🔗 آموزش تدوین فیلم و ویدئو - [کلیک کنید] 🎁 کد تخفیف ۱۰۰ درصدی: FRBK29 📆 اعتبار: پایان روز پنج‌شنبه ۲۳ دی ۱۴۰۰ 📌 آموزش‌های رایگان بعدی را در کانال تلگرام فرادرس [‎@FaraDars] دنبال کنید. @FaraDars — فرادرس‌‌

‌ ❄️ جشنواره «زمستان آموزشی» فرادرس — ۴۰ درصد تخفیف برای تمامی آموزش‌های «پایتون Python» 🎉 برای شروع مطالعه و یادگیری، همین حالا روی لینک زیر کلیک کنید و آموزش‌های مورد نظر خود را با ۴۰ درصد تخفیف دریافت کنید: 📚 فهرست کامل آموزش‌ها - [کلیک کنید] 🎁 کد تخفیف: DAY39 ♦️ دسترسی به سایر آموزش‌ها و جزئیات جشنواره 👇👇 🔗 جشنواره «زمستان آموزشی» - [کلیک کنید] @FaraDars - فرادرس

‌ 💥 رایگان شد... 🔗 آموزش ابزارهای کاربردی اکسل Excel - [کلیک کنید] 🎁 کد تخفیف ۱۰۰ درصدی: FRAH29 📆 اعتبار: پایان روز دوشنبه ۲۰ دی ۱۴۰۰ 📌 آموزش‌های رایگان بعدی را در کانال تلگرام فرادرس [@FaraDars] دنبال کنید. @FaraDars — فرادرس‌‌

‏✳️ ‌پیاده سازی الگوریتم های یادگیری ماشین با پایتون و R — به زبان ساده ‏«هوش مصنوعی» (Artificial Intelligence)، «یادگیری ماشین» (Machine Learning)، «علم داده» (Data Scientist) و «داده‌کاوی» (Data Mining) از جمله موضوعات داغ روز هستند. این روزها، کمتر صنعتی مشاهده می‌شود که در آن به طور مستقیم یا غیرمستقیم از یادگیری ماشین استفاده نشود. از جمله ابزارهای مهمی که برای پیاده‌سازی روش‌ها و الگوریتم‌های یادگیری ماشین از آن‌ها استفاده می‌شود، زبان‌های برنامه‌نویسی پایتون و R‌ هستند. در این مطلب، علاوه بر ارائه توضیحات پیرامون انواع روش‌های یادگیری ماشین، پیاده سازی الگوریتم های یادگیری ماشین با پایتون و R نیز انجام می‌شود. ══ فهرست مطالب ══ ‏ ○ این راهنما برای چه افرادی مناسب است؟ ‏ ○ الگوریتم‌های یادگیری ماشین ‏ ○ پیاده سازی الگوریتم های یادگیری ماشین با پایتون ‏ ○ ۱. رگرسیون خطی ‏ ○ ۲. رگرسیون لجستیک ‏ ○ ۳. درخت تصمیم ‏ ○ ۴. ماشین بردار پشتیبان ‏ ○ ۵. نایو بیز ‏ ○ ۶. k نزدیک‌ترین همسایگی ‏ ○ ۷. K-Means ‏ ○ ۸. جنگل تصادفی ‏ ○ ۹. الگوریتم‌های کاهش ابعاد ‏ ○ ۱۰. الگوریتم‌های گرادیان تقویتی ‏ ○ جمع‌بندی ‏🔸 این راهنما برای چه افرادی مناسب است؟ ‏ایده نهفته در پس این راهنما آن است که سفر دانشمندان داده مشتاق و علاقمندان به یادگیری ماشین را آسان‌تر سازد. با بهره‌گیری از این راهنما، افراد قادر می‌شوند مسائل یادگیری ماشین را حل و ضمن آن تجربه کسب کنند. در ادامه، علاوه بر ارائه توضیحات مناسب و کافی که درک خوبی از الگوریتم‌های یادگیری ماشین متعدد مطرح شده در این مطلب ارائه می‌کنند، کدهای پایتون و R هر یک از الگوریتم‌ها نیز ارائه شده‌اند. اما از پرداختن به جزئیات مباحث آماری نهفته در پس این الگوریتم ها اجتناب شده است. زیرا افراد در آغاز راه، نیازی به دانستن حجم بالایی از مباحث ریاضیاتی ندارند. بنابراین، به افرادی که به دنبال یادگیری مفاهیم آماری نهفته در پس این الگوریتم‌ها هستند، استفاده از دیگر مطالب موجود در «مجله فرادرس» توصیه می‌شود. ‏🔸 الگوریتم‌های یادگیری ماشین ‏در حالت کلی، سه دسته از الگوریتم‌های یادگیری ماشین وجود دارند. این دسته‌ها عبارتند از «یادگیری نظارت شده» (Supervised Learning)، «یادگیری نظارت نشده» (Unsupervised Learning) و «یادگیری تقویتی» (Reinforcement Learning)، که هر یک در ادامه شرح داده شده‌اند. ‏این نوع از الگوریتم‌ها دارای یک متغیر «هدف» (Target)/«خروجی» (Outcome)/«متغیر وابسته» (Dependent Variable) هستند که باید برای یک مجموعه از «پیش‌بین‌ها» (Predictors)، پیش‌بینی شود. با استفاده از این مجموعه متغیرها، می‌توان تابعی ساخت که ورودی‌ها را به خروجی‌های موردنظر نگاشت کند. فرآیند آموزش تا هنگامی ادامه پیدا می‌کند که مدل به سطح مناسبی از «صحت» (Accuracy) روی داده‌های آموزش دست پیدا کند. از جمله الگوریتم‌های یادگیری نظارت شده می‌توان به «رگرسیون» (Regression)، «درخت تصمیم» (Decision Tree)، «جنگل تصادفی» (Random Forest)، «رگرسیون لوجستیک» (Logistic Regression) و «K-نزدیک‌ترین همسایگی» (K Nearest Neighbors) و دیگر موارد اشاره کرد. ‏در الگوریتم‌های یادگیری نظارت نشده، هیچ متغیر هدف یا خروجی وجود ندارد که برای پیش‌بینی/«برآورد» (Estimate) مورد استفاده قرار بگیرد. این الگوریتم‌ها برای «خوشه‌بندی» (Clustering) جامعه در گروه‌های مختلف مورد استفاده قرار می‌گیرند و برای مثال به طور گسترده‌ای برای بخش‌بندی مشتریان در گروه‌های مختلف استفاده می‌شوند. از جمله الگوریتم‌های نظارت نشده می‌توان به «K-میانگین» (K-means) و «اَپریوری» (Apriori) اشاره کرد. مطالعه ادامه مطلب 👇👇 ‏🔗 پیاده سازی الگوریتم های یادگیری ماشین با پایتون و R — به زبان ساده — کلیک کنید (+) 📌 کانال اختصاصی آموزشی علم داده آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی علم داده را در کانال اختصاصی [@Fara_DS] دنبال کنید. 👇 @Fara_DS — مطالب و آموزش‌های علم داده فرادرس ‌

‌ ‌ 📘 آموزش پیاده‌سازی گام به گام شبکه‌های عصبی‌ در پایتون ✳️ منتشر شد. 🔗 fdrs.ir/ydgj 🔖 شبکه‌های عصبی که الهام گرفته شده از مغز انسان هستند، به دلیل توانایی بالایی که در یادگیری دارند، در علوم مختلف از جمله: هوش مصنوعی (Artificial Intelligence)، یادگیری ماشین (Machine Learning)، علم داده (Data Science) و حتی در صنعت بسیار مورد توجه هستند. در این آموزش قصد داریم همزمان با آموزش مباحث تئوریک شبکه عصبی، به پیاده‌سازی آن‌ها در محیط زبان برنامه‌نویسی پایتون بپردازیم. مناسب برای: 🔹 هوش مصنوعی 🔹 داده‌کاوی 🔹 الگوریتم شبکه‌های عصبی 💲 هزینه اصلی آموزش: ۱۱۰,۰۰۰ تومان 🎁 هزینه با احتساب هدیه ویژه انتشار: ۵۵,۰۰۰ تومان ‌(‌۵۰ درصد تخفیف) ‌‌‌‌ 👈 کد تخفیف: NW2426NP ❗️اعتبار: تا سه‌شنبه، ۲۱ دی ۱۴۰۰ ‌ ___________‏ ‌‌‌ 📚 فرادرس دانش در دسترس همه همیشه و همه جا ‌ @FaraDars — فرادرس @FDPub — تازه‌های نشر فرادرس .

‏✳️ ‌پردازش تصویر با پایتون — راهنمای کاربردی ‏در این مطلب، با مبحث پردازش تصویر با پایتون آشنا خواهید شد. «پردازش تصویر» (Image Processing) یکی از حوزه‌های تأثیرگذار و مهم در «هوش مصنوعی» (Artificial Intelligence) محسوب می‌شود و در حوزه‌های دیگر نظیر «بینایی کامپیوتر» (Computer Vision) و استخراج اطلاعات بامعنی از داده‌های تصویری، نقش بسیار مهمی ایفا می‌کند. ══ فهرست مطالب ══ ‏ ○ پردازش تصویر با پایتون ‏ ○ پردازش تصاویر با پایتون با ابزار SciKit-Image ‏ ○ کتابخانه Numpy و پردازش تصویر با پایتون ‏ ○ کتابخانه SciPy ‏ ○ کتابخانه‌های PIL و Pillow ‏ ○ کتابخانه OpenCV-Python ‏ ○ کتابخانه SimpleCV ‏ ○ کتابخانه Mahotas ‏ ○ کتابخانه SimpleITK ‏ ○ کتابخانه pgmagick ‏ ○ ابزار Pycairo ‏ ○ جمع‌بندی‌ ‏🔸 پردازش تصویر با پایتون ‏تاکنون ابزارهای متنوعی برای پردازش تصویر با پایتون معرفی شده‌اند. این دسته از ابزارها، «کتابخانه‌ها» (Libraries) و «بسته‌های» (Packages) برنامه‌نویسی، امکانات بسیار متنوع و مفیدی برای «تبدیل تصاویر» (Image Transformation)، فهمیدن اطلاعات موجود در این داده‌ها و به طور کلی، دستکاری و پردازش تصاویر در اختیار کاربران و برنامه‌نویسان قرار می‌دهند. به عبارت دیگر، ابزارهای پردازش تصویر با پایتون به کاربران این امکان را می‌دهند تا به شکل بسیار ساده و «شهودی» (Intuitive) داده‌های تصویری را تحلیل و اطلاعات بامعنی از آن‌ها استخراج کنند. ‏جهان امروز و زندگی انسان‌ها، توسط داده‌ها احاطه شده‌اند و تصاویر بخش عمده‌ای از این داده‌ها را تشکیل می‌دهند. با این حال، پیش از اینکه تصاویر دیجیتالی قابل استفاده شوند نیاز است تا پردازش، تحلیل و دستکاری شوند؛ پردازش، تحلیل و دستکاری تصاویر، با هدف بهبود کیفیت آن‌ها یا استخراج اطلاعات مفید از تصاویر انجام می‌شود. ‏زبان پایتون می‌تواند به عنوان ابزاری برای انجام عملیات پردازشی روی تصاویر دیجیتالی مورد استفاده قرار بگیرد. از جمله متداول‌ترین فرایندهای پردازش تصویر با پایتون که توسط ابزارها و کتابخانه‌های این زبان برنامه‌نویسی قابل اجرا هستند، می‌توان به مواردی نظیر «برش» (Cropping)، «برعکس کردن» (Flipping)، «چرخاندن» (Rotating)، «قطعه‌بندی تصویر» (Image Segmentation)، «دسته‌بندی تصویر» (Image Classification)، «استخراج ویژگی» (Feature Extraction)، «ترمیم تصاویر» (Image Restoration) و «بازشناسی تصویر» (Image Recognition) اشاره کرد. ‏🔸 پردازش تصاویر با پایتون با ابزار SciKit-Image ‏ابزار SciKit-Image، یک بسته برنامه‌نویسی «منبع باز» (Open Source) است که با ساختار آرایه‌ای تعریف شده توسط کتابخانه NumPy کار می‌کند. این ابزار، یکی از مهم‌ترین کتابخانه‌های پردازش تصویر با پایتون محسوب می‌شود که به طور رایگان در دسترس کاربران و برنامه‌نویسان قرار گرفته شده است. در بسته SciKit-Image، مجموعه‌ای از الگوریتم‌ها و ابزارهای پردازش تصویر، جهت استفاده در کاربردهای تحقیقاتی، آموزشی و صنعتی در اختیار کاربران قرار داده شده است. ‏کار کردن با توابع و الگوریتم‌های SciKit-Image (که جهت پردازش تصویر با پایتون استفاده می‌شوند)، حتی برای کسانی که برنامه‌نویس مبتدی هستند و آشنایی ابتدایی از اکوسیستم پایتون دارند، بسیار ساده و سر راست است. کدهای پیاده‌سازی شده در ابزار SciKit-Image از کیفیت بسیار بالایی برخوردارند و توسط جامعه برنامه‌نویسی بسیار فعال و متشکل از برنامه‌نویسان داوطلب پشتیبانی و به‌روزرسانی می‌شوند. ‏این بسته را می‌توان با استفاده از skimage در زبان پایتون import کرد. همچنین، بسیاری از توابع و الگوریتم‌های پیاده‌سازی شده را می‌توان در «زیر واحدهای» (Submodules) این بسته برنامه‌نویسی پیدا کرد و مورد استفاده قرار داد. در ادامه، برخی از فرایندهای پردازش تصویر با پایتون که توسط ابزار SciKit-Image قابل انجام است، نمایش داده خواهد شد. مطالعه ادامه مطلب 👇👇 ‏🔗 پردازش تصویر با پایتون — راهنمای کاربردی — کلیک کنید (+) 📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇 @FaraAI — مطالب و آموزش‌های هوش مصنوعی و علم داده فرادرس ‌

‌ 💥 رایگان شد... 🔗 آموزش روش صحیح جستجو در گوگل Google - [کلیک کنید] 🎁 کد تخفیف ۱۰۰ درصدی: FRBH28 📆 اعتبار: پایان روز پنج‌شنبه ۱۶ دی ۱۴۰۰ 📌 آموزش‌های رایگان آتی را در کانال تلگرام فرادرس [@FaraDars] دنبال کنید. @FaraDars — فرادرس‌‌

‌ 🔴 فرصت محدود — تا ۱۶۰ هزار تومان تخفیف بگیرید. 🎉 تخفیف‌های متنوع برای بیش از ۱۶,۰۰۰ ساعت آموزش ویدئویی در جشنواره «آغاز زمستان» فرادرس ✳️ سبد سفارش خود را با آموزش‌های پرطرفدار کامل کنید: ▫️ برنامه‌نویسی پایتون Python - مقدماتی ▫️ برنامه‎‌نویسی شی‌گرا در پایتون ▫️ یادگیری ماشین Machine Learning با پایتون ▫️ پایتون گرافیکی - رابط‌های گرافیکی پایتون ▫️ پردازش تصویر با OpenCV در پایتون 🎁 مشاهده سایر آموزش‌ها و کد تخفیف 👇👇 ❄️ ورود به صفحه جشنواره - [کلیک کنید] @FaraDars - فرادرس

‌ 💥 رایگان شد... 🔗 آموزش افتر‌افکت و ایلوستریتور برای طراحی پوسترهای متحرک و انیمیشنی - [کلیک کنید] 🎁 کد تخفیف ۱۰۰ درصدی: FRAG28 📆 اعتبار: پایان روز دوشنبه ۱۳ دی ۱۴۰۰ 📌 آموزش‌های رایگان آتی را در کانال تلگرام فرادرس [@FaraDars] دنبال کنید. @FaraDars — فرادرس‌‌

‌ 🟢 رایگان آموزش ببینید و مهارت کسب کنید. 🌟 برای مشاهده آموزش‌های پرطرفدار فرادرس روی لینک زیر کلیک کنید و آموزش‌های مورد علاقه خود را رایگان دانلود کنید:👇 🔸 آموزش‌های رایگان پایتون Python [+] 🔹 تمامی آموزش‌های رایگان و پرمخاطب [+] @FaraDars - فرادرس