FaraPython | فرا پایتون: آموزش برنامه‌نویسی پایتون

‏✳️ ‌تابع‌های لامبدا (Lambda) در پایتون — یک راهنمای مقدماتی ‏لامبداها در پایتون یکی از مفیدترین، مهم‌ترین و جالب‌ترین ویژگی‌هایی هستند که می‌توان آموخت. متأسفانه اغلب افراد در مورد این توابع دچار سوءبرداشت شده و مسیر اشتباهی را طی می‌کنند. در این نوشته می‌خواهیم هر چیزی که لازم است در مورد این توابع اسرارآمیز، شیوه استفاده از آن‌ها و میزان مفید بودنشان بدانید را توضیح دهیم. ══ فهرست مطالب ══ ‏ ○ لامبدا در پایتون چیست؟ ‏ ○ چگونه از لامبداها در پایتون استفاده کنیم؟ ‏ ○ لامبداهای پایتون به همراه نگاشت، فیلتر و کاهش ‏ ○ مسائلی که هنگام استفاده از لامبدا باید در نظر داشت ‏🔸 لامبدا در پایتون چیست؟ ‏لامبدا یک روش ساده برای تعریف تابع در پایتون است. این توابع غالباً به نام «عملگرهای لامبدا» یا «تابع‌های لامبدا» نامیده می‌شوند. ‏اگر قبلاً از پایتون استفاده کرده باشید، احتمالاً توابع خود را با استفاده از کلیدواژه def تعریف می‌کنید و این روش نیز تاکنون برای شما به خوبی جواب داده است. پس چرا باید از روش دیگری برای تعریف تابع‌ها استفاده کنیم؟ ‏دلیل این مسئله آن است که تابع‌های لامبدا ناشناس هستند. بدین معنی که این‌ها توابعی هستند که لازم نیست نامی برایشان تعیین کنید. این روش برای تعریف تابع‌های کوچک یک‌بار مصرف در مواردی که تابع اصلی بسیار بزرگ و حجیم است، استفاده می‌شود. ‏🔸 چگونه از لامبداها در پایتون استفاده کنیم؟ ‏پیش از آن‌که تابع‌های لامبدا را بررسی کنیم، می‌بایست به یک تابع بسیار مقدماتی که به روش سنتی تعریف شده است، نگاهی داشته باشیم: def add_five(number): return number + 5 print(add_five(number=4)) ‏این تابع کاملاً ابتدایی است؛ اما به منظور نمایش کارکرد لامبداها ارائه شده است. تابعی که شما استفاده می‌کنید، ممکن است بسیار پیچیده‌تر از این باشد. این تابع به هر عددی که از طریق پارامتر number به آن ارسال می‌شود، ۵ واحد اضافه می‌کند. ‏تابع لامبدای معادل آن چنین است: add_five = lambda number: number + 5 print(add_five(number=4)) مطالعه ادامه مطلب 👇👇 ‏🔗 تابع‌های لامبدا (Lambda) در پایتون — یک راهنمای مقدماتی — 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 ‌

‏✳️ ‌تابع‌های لامبدا (Lambda) در پایتون — یک راهنمای مقدماتی ‏لامبداها در پایتون یکی از مفیدترین، مهم‌ترین و جالب‌ترین ویژگی‌هایی هستند که می‌توان آموخت. متأسفانه اغلب افراد در مورد این توابع دچار سوءبرداشت شده و مسیر اشتباهی را طی می‌کنند. در این نوشته می‌خواهیم هر چیزی که لازم است در مورد این توابع اسرارآمیز، شیوه استفاده از آن‌ها و میزان مفید بودنشان بدانید را توضیح دهیم. ══ فهرست مطالب ══ ‏ ○ لامبدا در پایتون چیست؟ ‏ ○ چگونه از لامبداها در پایتون استفاده کنیم؟ ‏ ○ لامبداهای پایتون به همراه نگاشت، فیلتر و کاهش ‏ ○ مسائلی که هنگام استفاده از لامبدا باید در نظر داشت ‏🔸 لامبدا در پایتون چیست؟ ‏لامبدا یک روش ساده برای تعریف تابع در پایتون است. این توابع غالباً به نام «عملگرهای لامبدا» یا «تابع‌های لامبدا» نامیده می‌شوند. ‏اگر قبلاً از پایتون استفاده کرده باشید، احتمالاً توابع خود را با استفاده از کلیدواژه def تعریف می‌کنید و این روش نیز تاکنون برای شما به خوبی جواب داده است. پس چرا باید از روش دیگری برای تعریف تابع‌ها استفاده کنیم؟ ‏دلیل این مسئله آن است که تابع‌های لامبدا ناشناس هستند. بدین معنی که این‌ها توابعی هستند که لازم نیست نامی برایشان تعیین کنید. این روش برای تعریف تابع‌های کوچک یک‌بار مصرف در مواردی که تابع اصلی بسیار بزرگ و حجیم است، استفاده می‌شود. ‏🔸 چگونه از لامبداها در پایتون استفاده کنیم؟ ‏پیش از آن‌که تابع‌های لامبدا را بررسی کنیم، می‌بایست به یک تابع بسیار مقدماتی که به روش سنتی تعریف شده است، نگاهی داشته باشیم: def add_five(number): return number + 5 print(add_five(number=4)) ‏این تابع کاملاً ابتدایی است؛ اما به منظور نمایش کارکرد لامبداها ارائه شده است. تابعی که شما استفاده می‌کنید، ممکن است بسیار پیچیده‌تر از این باشد. این تابع به هر عددی که از طریق پارامتر number به آن ارسال می‌شود، ۵ واحد اضافه می‌کند. ‏تابع لامبدای معادل آن چنین است: add_five = lambda number: number + 5 print(add_five(number=4)) مطالعه ادامه مطلب 👇👇 ‏🔗 تابع‌های لامبدا (Lambda) در پایتون — یک راهنمای مقدماتی — 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 فتوشاپ سه‌بعدی - طراحی و متحرک‌سازی [+] 🎁 کد تخفیف ۱۰۰ درصدی: FRCD23 📆 اعتبار: پایان روز دوشنبه ۱۵ آذر ۱۴۰۰ 📌 آموزش‌های رایگان آتی را در کانال تلگرام فرادرس [@FaraDars] دنبال کنید. @FaraDars — فرادرس‌‌

‌ 🎉 بزرگترین جشنواره سال ۱۴۰۰ فرادرس با ۵۰ درصد تخفیف روی تمام آموزش‌ها، آغاز شد. 💫 به مناسبت فرا رسیدن روز دانشجو، فرادرس، بزرگترین جشنواره تخفیف سال ۱۴۰۰ خود را با آموزش‌های تخصصی، دانشگاهی و مهارتی، برگزار می‌کند. 🔗 ورود به صفحه جشنواره - [کلیک کنید] 🎁 کد تخفیف ۵۰ درصدی: DRS34 ✳️ همه فرادرس‌ها - بیش از ۱۶,۰۰۰ ساعت آموزش ویدئویی [+] @FaraDars - فرادرس

‌ 📙 دسته داده کاوی: پربازدیدترین مطالب اخیر «داده کاوی» مجله فرادرس 1️⃣ رسم نمودار داده ها در پایتون ‏─────────────── 2️⃣ پردازش زبان طبیعی (NLP) با پایتون ‏─────────────── 3️⃣ یادگیری عمیق (Deep Learning) با پایتون ‏─────────────── 4️⃣ آموزش یادگیری ماشین با مثال‌ های کاربردی ‏─────────────── 5️⃣ مفاهیم کلان داده (Big Data) و انواع تحلیل داده #داده_کاوی 📚 سایر مطالب مجله فرادرس 🔗 fdrs.ir/blog @FaraDarsMag — مجله فرادرس

‌ 📘 آموزش پروژه‌محور پایتون - ساخت بازی Snake ✳️ منتشر شد. 🔗 fdrs.ir/7r58 🔖 در این آموزش تصمیم گرفتیم که یک بازی ساده، زیبا و کاربردی را برای علاقه‌مندان این حوزه با استفاده از زبان پایتون پیاده‌سازی کنیم. در این بازی شما علاوه بر نحوه کدزنی و یاد گرفتن روش‌های خلاقانه برای پیاده‌سازی، با کتابخانه Pygame نیز آشنا می‌شوید. در این آموزش به راحتی نحوه کدزنی بازی‌های مختلف را با استفاده از زبان برنامه‌نویسی پایتون و کتابخانه Pygame فرا می‌گیرید. مناسب برای رشته‌های: 🔹 برنامه‌نویسی 💲 هزینه اصلی آموزش: ۷۵,۰۰۰ تومان هزینه با احتساب هدیه ویژه انتشار: ۳۷,۵۰۰ تومان ‌(‌۵۰ درصد تخفیف) ‌‌‌‌ 👈 کد تخفیف: NW2319PH ❗️اعتبار: تا چهارشنبه، ۱۷ آذر ۱۴۰۰ ___________‏ ‌‌‌ 📚 فرادرس دانش در دسترس همه همیشه و همه جا ‌ @FaraDars — فرادرس @FDPub — تازه‌های نشر فرادرس .

‌ 💥 فقط برای امروز رایگان شد... 📕 آموزش مقدماتی نگارش زبان انگلیسی [+] کد تخفیف ویژه اعضای تلگرام فرادرس👇👇 🎁 کد تخفیف ۱۰۰ درصدی - [کلیک کنید] ❌ اعتبار: پایان روز چهارشنبه ۱۰ آذر ۱۴۰۰ 📌 آموزش‌های رایگان آتی را در کانال تلگرام فرادرس [@FaraDars] دنبال کنید. @FaraDars — فرادرس‌‌

‌ 🛑 تمدید شد — اضافه شدن ۵۰ آموزشِ جدیدِ دیگر به جشنواره شگفتی آموختن 🤩 ۵۰ + ۵۰ + ۲۰۰ = ۳۰۰ آموزش — هزینه هر آموزش فقط ۲۰ هزار تومان! 🔗 لینک جشنواره - [مشاهده ۳۰۰ آموزش] @FaraDars - فرادرس

‌ 🎊 اضافه شدن ۵۰ آموزشِ جدید به جشنواره شگفتی آموختن 🤩 ۵۰ + ۲۰۰ = ۲۵۰ آموزش؛ هر آموزش ۲۰ هزار تومان! 💯 با اضافه شدن ۵۰ آموزش جدید، تعداد آموزش‌های ارائه شده در جشنواره شگفتی آموختن، به ۲۵۰ عنوان رسید! برای دسترسی سریع‌تر، برخی از این آموزش‌ها در ادامه آمده است: ▫️ آموزش Web Scraping - استخراج داده‌های سایت با پایتون ▫️ پایتون گرافیکی (رابط‌های گرافیکی پایتون) ▫️ برنامه‌نویسی Raspberry Pi با پایتون ▫️ کدنویسی تمیز برای بهینه‌سازی و خواناتر شدن کد ▫️ مبانی برنامه‌نویسی (الگوریتم و فلوچارت) ▫️ پایگاه داده MySQL 🔴 مشاهده و دریافت ۲۵۰ آموزش 👇👇 🔗 لیست کامل آموزش‌ها - [کلیک کنید] @FaraDars - فرادرس

‌ 💥 فقط برای امروز رایگان شد... 📕 آموزش نمایش داده‌ها و ترسیم نمودار در اکسل Excel کد تخفیف ویژه اعضای تلگرام فرادرس👇👇 🎁 کد تخفیف ۱۰۰ درصدی - [کلیک کنید] ❌ اعتبار: پایان روز یک‌شنبه، ۷ آذر ۱۴۰۰ 📌 آموزش‌های رایگان آتی را در کانال تلگرام فرادرس [@FaraDars] دنبال کنید. @FaraDars - فرادرس

‌ 🤩 پیشنهاد شگفت‌انگیز فرادرس — ۲۰۰ آموزش؛ هر آموزش ۲۰ هزار تومان! 🎉 تا این لحظه از جشنواره «شگفتی آموختن»، ۲۰۰ عنوان آموزش ارائه شده که هر آموزش، تنها با ۲۰ هزار تومان قابل تهیه است. ♦️ برای مشاهده ۲۰۰ آموزش و شرکت در جشنواره، روی لینک زیر کلیک کنید:👇 🔗 ورود به صفحه جشنواره - [کلیک کنید] @FaraDars - فرادرس

‌ 🎁 فقط امروز فرصت دارید — دریافت تخفیف آموزشی تا ۱۶۰ هزار تومان برای همه آموزش‌ها ♦️ زمان محدودی برای استفاده از جشنواره «کتاب و کتابخوانی» باقی مانده است. در طی این جشنواره، هزاران ساعت آموزش تخصصی فرادرس برای شروع مطالعه و یادگیری همراه با تخفیف ویژه در دسترس هستند. ❇️ برای اطلاع از جزئیات تخفیف و مشاهده آموزش‌ها، روی لینک زیر کلیک کنید:👇 🔗 لینک جشنواره - [مشاهده تخفیف‌ها] @FaraDars - فرادرس

‌ 📘 آموزش مفاهیم آماری در داده کاوی و پیاده‌سازی آن در پایتون Python ✳️ منتشر شد. 🔗 fdrs.ir/t4a3 🔖 در این آموزش مفاهیم آماری مورد نیاز برای تحلیل داده‌ها و پیاده‌سازی الگوریتم‌های یادگیری ماشین آموزش داده می‌شوند، به گونه‌ای که نیازی به آشنایی قبلی با این مفاهیم وجود نداشته باشد و سپس تمام روش‌ها و مفاهیم ارائه شده به صورت عملی و در محیط پایتون که یکی از قوی‌ترین زبان‌های برنامه‌نویسی در حوزه داده‌کاوی است، پیاده‌سازی می‌شوند به گونه‌ای که مخاطب توانایی استفاده عملی از مفاهیم آماری را داشته باشد و بتواند از آن‌ها در حوزه‌های مختلف داده‌کاوی استفاده کند. مناسب برای رشته‌های: 🔹 مهندسی صنایع 🔹 مهندسی کامیپوتر - نرم‌افزار 🔹 آمار 💲 هزینه اصلی آموزش: ۱۱۰,۰۰۰ تومان هزینه با احتساب هدیه ویژه انتشار: ۵۵,۰۰۰ تومان ‌(‌۵۰ درصد تخفیف) ‌‌‌‌ 👈 کد تخفیف: NW2287DM ❗️اعتبار: تا دوشنبه، ۸ آذر ۱۴۰۰ ___________‏ ‌‌‌ 📚 فرادرس دانش در دسترس همه همیشه و همه جا ‌ @FaraDars — فرادرس @FDPub — تازه‌های نشر فرادرس

‏✳️ ‌الگوریتم K-نزدیک‌ترین همسایگی به همراه کد پایتون ‏«k-نزدیک‌ترین همسایگی» (k-Nearest Neighbors) یک روش ناپارامتری است که در داده‌کاوی، یادگیری ماشین و تشخیص الگو مورد استفاده قرار می‌گیرد. بر اساس آمارهای ارائه شده در وب‌سایت kdnuggets الگوریتم k-نزدیک‌ترین همسایگی یکی از ده الگوریتمی است که بیشترین استفاده را در پروژه‌های گوناگون یادگیری ماشین و داده‌کاوی، هم در صنعت و هم در دانشگاه داشته است. ══ فهرست مطالب ══ ‏ ○ چه زمانی باید از الگوریتم k-نزدیک‌ترین همسایگی استفاده کرد؟ ‏ ○ الگوریتم k-نزدیک‌ترین همسایگی چگونه کار می‌کند؟ ‏ ○ شبه کد k-نزدیک‌ترین همسایگی ‏ ○ مقایسه مدل ارائه شده در این نوشتار با scikit-learn ‏ ○ سخن پایانی ‏🔸 چه زمانی باید از الگوریتم k-نزدیک‌ترین همسایگی استفاده کرد؟ ‏الگوریتم k-نزدیک‌ترین همسایگی برای مسائل طبقه‌بندی و رگرسیون قابل استفاده است. اگرچه، در اغلب مواقع از آن برای مسائل طبقه‌بندی استفاده می‌شود. برای ارزیابی هر روشی به طور کلی به سه جنبه مهم آن توجه می‌شود: ‏– سهولت تفسیر خروجی‌ها ‏– زمان محاسبه ‏– قدرت پیش‌بینی ‏در جدول ۱ الگوریتم نزدیک‌ترین همسایگی با الگوریتم‌های «رگرسیون لجستیک»، «CART» و «جنگل‌های تصادفی» (random forests) مقایسه شده است. همان‌گونه که از جدول مشخص است، الگوریتم k-نزدیک‌ترین همسایگی بر اساس جنبه‌های بیان شده در بالا، نسبت به دیگر الگوریتم‌های موجود در جایگاه مناسبی قرار دارد. این الگوریتم اغلب به دلیل سهولت تفسیر نتایج و زمان محاسبه پایین مورد استفاده قرار می‌گیرد. ‏🔸 الگوریتم k-نزدیک‌ترین همسایگی چگونه کار می‌کند؟ ‏برای درک بهتر شیوه کار این الگوریتم، عملکرد آن با یک مثال ساده مورد بررسی قرار گرفته است. مطالعه ادامه مطلب 👇👇 ‏🔗 الگوریتم K-نزدیک‌ترین همسایگی به همراه کد پایتون — 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 ‌

‌ 🎊 پیشنهاد ویژه فرادرس — تا ۱۶۰ هزار تومان تخفیف برای تمامی دوره‌های «پایتون Python» 🎉 در جشنواره «کتاب و کتابخوانی»، فرصت مناسبی برای شروع یادگیری و ارتقای مهارت‌های خود دارید. در طی این جشنواره، چندین هزار ساعت آموزش تخصصی فرادرس همراه با تخفیف ویژه در دسترس هستند. ❇️ برای اطلاع از جزئیات تخفیف و ورود به صفحه جشنواره، روی لینک زیر کلیک کنید: 🔗 جزئیات جشنواره - [کلیک کنید] ♦️ برخی از جدیدترین آموزش‌های منتشر شده در این حوزه در ادامه آمده است.👇 ▫️ برنامه‌نویسی پایتون - مقدماتی تا پیشرفته ▫️ پیاده‌سازی بینایی ماشین با کتابخانه MediaPipe ▫️ ساخت بازی با کتابخانه Turtle در پایتون ▫️ کتابخانه Tkinter در پایتون ▫️ رابط گرافیکی wxPython در پایتون ▫️ کتابخانه Pillow برای پردازش تصویر در پایتون ▫️ تجزیه و تحلیل و آماده سازی داده‌ها با پایتون ▫️ حل مسائل فیزیک با پایتون 🔗 فهرست کامل آموزش‌ها - [کلیک کنید] @FaraDars - فرادرس

‌ 📘 آموزش کتابخانه استاندارد پایتون ✳️ منتشر شد. 🔗 fdrs.ir/a1xs 🔖 هدف از این فرادرس ارائه ماژول‌هایی است که با پایتون نصب می‌شوند و نیاز به نصب جداگانه ندارند و تحت عنوان کتابخانه استاندارد پایتون شناخته می‌شوند. لازمه یادگیری این آموزش، آشنا بودن به زبان برنامه‌نویسی پایتون است. در این فرادرس موضوعاتی از جمله: دایرکتوری (Directory) و فایل، زمان، اعداد، دسترسی به اینترنت و رمزنگاری و... را بررسی و ماژول‌های مربوط به هر مبحث را آموزش می‌دهیم. مناسب برای رشته‌های: 🔹 مهندسی فناوری اطلاعات (IT) 🔹 برنامه‌نویسی پایتون 🔹 مهندسی کامپیوتر - نرم‌افزا 💲 هزینه اصلی آموزش: ۹۰,۰۰۰ تومان هزینه با احتساب هدیه ویژه انتشار: ۴۵,۰۰۰ تومان ‌(‌۵۰ درصد تخفیف) ‌‌‌‌ 👈 کد تخفیف: NW2261PT ❗️اعتبار: تا دوشنبه، ۱ آذر ۱۴۰۰ ___________‏ ‌‌‌ 📚 فرادرس دانش در دسترس همه همیشه و همه جا ‌ @FaraDars — فرادرس @FDPub — تازه‌های نشر فرادرس .

‏✳️ ‌عملگرها در پایتون (Operators) — به زبان ساده ‏در این مطلب، انواع «عملگرها در پایتون» (Python Operators)، نحو و چگونگی استفاده از آن‌ها همراه با مثال‌هایی آموزش داده شده است. برای مطالعه پیرامون انواع متغیرها در «زبان برنامه‌نویسی پایتون» (Python Programming Language) مطلب «انواع متغیرها در پایتون — به زبان ساده» توصیه می‌شود. در مطلب «انواع داده در پایتون (Data Types) — به زبان ساده» نیز انواع داده موجود در پایتون مورد بررسی قرار گرفته و در «تبدیل نوع در پایتون (Type Conversion) — به زبان ساده» روش تبدیل انواع داده‌ها به یکدیگر در پایتون شرح داده شده است. ══ فهرست مطالب ══ ‏ ○ عملگرها در پایتون ‏ ○ عملگرهای حسابی ‏ ○ عملگرهای مقایسه ‏ ○ عملگرهای منطقی ‏ ○ عملگرهای بیتی ‏ ○ عملگرهای تخصیص ‏ ○ عملگرهای خاص ‏🔸 عملگرها در پایتون ‏«عملگرها» (Operators) سمبل‌های خاصی در پایتون هستند که پردازش‌های حسابی و منطقی را انجام می‌دهند. مثال زیر در این راستا شایان توجه است. >>> 2+3 5 ‏در اینجا، + عملگری است که عمل جمع را انجام می‌دهد. ۲ و ۳ «عملوندها» (Operands) هستند و ۵ خروجی عملیات است. ‏🔸 عملگرهای حسابی ‏«عملگرهای حسابی» (Arithmetic Operators) برای انجام پردازش‌های ریاضی مانند جمع، تفریق، ضرب و دیگر موارد استفاده می‌شود. x = 15 y = 4 # Output: x + y = 19 print('x + y =',x+y) # Output: x - y = 11 print('x - y =',x-y) # Output: x * y = 60 print('x * y =',x*y) # Output: x / y = 3.75 print('x / y =',x/y) # Output: x // y = 3 print('x // y =',x//y) # Output: x y = 50625 print('x y =',x**y) ‏خروجی حاصل از اجرای برنامه بالا به صورت زیر خواهد بود. x + y = 19 x - y = 11 x * y = 60 x / y = 3.75 x // y = 3 x ** y = 50625 مطالعه ادامه مطلب 👇👇 ‏🔗 عملگرها در پایتون (Operators) — 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 ‌

‌ 🔴 فقط امروز فرصت دارید — تخفیف ۴۰ درصدی روی همه آموزش‌ها را از دست ندهید! 🎉 زمان محدودی برای استفاده از جشنواره «پاییز، فصل آموختن» باقی مانده است. در طی این جشنواره، چندین هزار ساعت آموزش تخصصی فرادرس برای شروع مطالعه و یادگیری، همراه با تخفیف ویژه ۴۰ درصدی در دسترسِ شما عزیزان قرار گرفته‌اند. ❇️ برای اطلاع از جزئیات تخفیف و ورود به صفحه جشنواره، روی لینک زیر کلیک کنید: 🔗 جزئیات جشنواره - [کلیک کنید] 🎁 کد تخفیف: ATN29 @FaraDars - فرادرس

‏✳️ ‌ژوپیتر پایتون Jupyter چیست — راهنمای کاربردی به زبان ساده ‏«نتفلیکس» (Netflix) برای یکی از پروژه‌های خود که قصد دارد طی آن محتوای سفارشی‌سازی شده را برای بیش از ۱۳۰ میلیون بازدیدکننده خود ارائه کند از «علم داده» (Data Science) و «یادگیری ماشین» (Machine Learning) بهره می‌برد. یکی از راهکارهای قابل توجهی که «دانشمندان داده» (Data Scientist) و «مهندسان داده» (Data Engineer) در نتفلیکس با بهره‌گیری از آن به تعامل با داده‌های خود می‌پردازند استفاده از «ژوپیتر نوت‌بوک» (Jupyter Notebook) است. ژوپیتر نوت‌بوک، امکان استفاده مشارکتی، گسترده، مقیاس‌پذیر و قابل بازتولید را فراهم می‌کند. هنگامی که صحبت از ساخت «نمونه اولیه» (prototyping) سریع و تحلیل اکتشافی می‌شود، ژوپیتر نوت‌بوک برای بسیاری از افراد یک پلتفرم بالفعل واقعی به شمار می‌آید. اگرچه، بسیاری از قابلیت‌های ژوپیتر از نظرها دورمانده است. در ادامه، به بررسی برخی از ویژگی‌های ژوپیتر پرداخته می‌شود که می‌تواند بهره‌وری را ضمن کار با این پلتفرم افزایش دهد. ══ فهرست مطالب ══ ‏ ○ ۱. اجرای دستورهای شِل ‏ ○ ۲. تم‌های ژوپیتر نوت بوک ‏ ○ ۳. افزونه‌های نوت‌بوک ‏ ○ ۴. ویجت‌های Jupyter ‏ ○ URL‌ها، PDF‌ها و ویدئوهای توکار ‏ ○ جمع‌بندی ‏🔸 ۱. اجرای دستورهای شِل ‏«شِل» (Shell) راهکاری برای تعامل متنی با کامپیوتر است. محبوب‌ترین شل یونیکس، «بَش» (Bash) نام دارد. بَش، شل پیش‌فرض بسیاری از پیاده‌سازی‌های مدرن یونیکس و بسیاری از بسته‌هایی است که ابزارهای یونیکس مانند را برای ویندوز فراهم می‌کنند. هنگام کار با مفسر پایتون، در شرایطی که نیاز به استفاده از ابزارهای خط فرمان باشد نیاز به جا‌به‌جایی مرتب بین شل و IDLE است. اگرچه، Jupyter Notebook سهولت اجرای دستورات شل را از نوت‌بوک با قرار دادن یک «!» اضافی پیش از دستورات فراهم می‌کند. هر دستوری که در خط فرمان کار کند در IPython نیز با قرار دادن کاراکتر پیش‌وند «!» کار می‌کند. In [1]: !ls example.jpeg list tmp In [2]: !pwd /home/Parul/Desktop/Hello World Folder' In [3]: !echo "Hello World" Hello World ‏می‌توان مقادیر را به صورت زیر به شل پاس داد و از آن تحویل گرفت. In [4]: files= !ls In [5]: print(files) ['example.jpeg', 'list', 'tmp'] In [6]: directory = !pwd In [7]: print(directory) ['/Users/Parul/Desktop/Hello World Folder'] In [8]: type(directory) IPython.utils.text.SList ‏توجه به این نکته لازم است که نوع داده نتایج بازگردانده شده «لیست» (List) نیست. مطالعه ادامه مطلب 👇👇 ‏🔗 ژوپیتر پایتون Jupyter چیست — راهنمای کاربردی 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 ‌

‌ 🎉🎉🎉 مسابقه «داستان موفقیت، با آموزش‌های آنلاین فرادرس» ✳️ آیا آموزش‌های آنلاین فرادرس تأثیری در موفقیت تحصیلی، کاری، حرفه‌ای و شخصی شما داشته‌اند؟ 📋 داستان موفقیت خود را برای ما و دیگر مخاطبین فرادرس به اشتراک بگذارید و هدیه ویژه آموزشی دریافت کنید! 🤩 ما از بین ۲۰ داستان و تجربه برگزیده که بیشترین تایید و لایک را از سایر مخاطبین بگیرند، به قید قرعه و به ۴ نفر، ٢۰۰ تا ۸۰۰ هزار تومان هدیه آموزشی اهدا خواهیم کرد. 💫 همچنین از بین تمام افراد شرکت کننده در مسابقه، به قید قرعه و به ۱۰۰ نفر، تخفیف ۵۰ هزار تومانی اهدا خواهد شد. 🎁 هدایای مسابقه: 🥇 برگزیده اول — ۸۰۰ هزار تومان اعتبار آموزشی 🥈 برگزیده دوم — ۶۰۰ هزار تومان اعتبار آموزشی 🥉 برگزیده سوم — ۴۰۰ هزار تومان اعتبار آموزشی 💵 برگزیده چهارم — ۲۰۰ هزار تومان اعتبار آموزشی 🔴 برای شرکت در مسابقه و مشاهده داستان‌های برتر، به صفحه اینستاگرام فرادرس مراجعه کنید: 👉 instagram.com/FaraDars 👉 instagram.com/FaraDars 👉 instagram.com/FaraDars _______________‏ 📚 فرادرس دانش در دسترس همه همیشه و همه جا ‌@FaraDars — فرادرس ‌