python_developer

🌟 دوره آموزشی هوش تجاری (Business Intelligence) 🦾مناسب کلیه رشته‌ها و استخدام در #ایران 📌 مناسب برای مهاجرت شغلی یا تحصیلی به #آمریکا، #اروپا و #استرالیا 💎 آموزش #آنلاین و با موردکاوی‎های واقعی و پروژه ✅ با گواهینامه مورد تایید وزارت علوم، تحقیقات و فناوری 🔗 مشاهده جزئیات دوره و مشاوره رایگان: https://tihe.ac.ir/preregistration-bi

🔸 چالش پردازش هوشمند داده‌های دیوار 🔹 ششمین دوره مسابقات هوش مصنوعی امیرکبیر (مهما) 📅 دی و بهمن ۱۴۰۰ ☑️ ثبت نام رایگان 🔗 اطلاعات بیشتر و ثبت‌ نام: https://aaic.aut.ac.ir/competition/6 🌐 @AUTDMC

🔸 ۱- آموزش ساخت بازی سنگ ، کاغذ و قیچی با پایتون Tkinter - قسمت اول

📌 ساخت بازی سنگ، کاغذ، قیچی با پایتون Tkinter 🔮 زبان : فارسی 🔗 منبع : یوتیوب 💎 تعداد جلسات : 8 📍 سطح : تمامی سطوح ➖➖➖➖➖➖➖➖ #آموزش #پایتون #Python #آموزش_پایتون

سلام دوستان پایتونی عزیز روزتون بخیر و شادی . آموزش پردازش تصویر با پایتون به پایان رسید امیدوارم نهایت استفاده رو از آموزش ها برده باشید . از امروز میریم سراغ آموزش های جدید .

🚀 دوره آموزشی علـــــم داده (Data Science) 🔥 نیاز روز بــــازار کــــار ایــــــران و خـــارج 🏙 مناسب برای تمام رشته‌ها 🖥 آموزش با نرم افزارها و زبــان‌های R، Python و SQL Server 🌟 با گواهینامه مورد تایید وزارت علوم و معتبر 🔬 آموزش #آنلاین و با موردکاوی‎های واقعی و پروژه 🚧 در خــــانه بمانید و آمـــــوزش ببینید 🔗 مشاهده جزئیات دوره و مشاوره رایگان: https://tihe.ac.ir/data-science-course/

✔️بسیاری از برنامه ها و وب سایت ها شامل ویژگی های تشخیص چهره، مخصوصا شبکه اجتماعی و پایگاه داده های عکس / تصویر ، هستند. با استفاده از OpenCV تشخیص چهره در تصاویر و یا حتی ویدئو و یا وب کم بسیار آسان است. کتابخانه OpenCV دارای یک کامپوننتی به نام Haar Cascade Classifier است که این کار را انجام میدهد. این طبقه بند بدون نیاز به آموزش و اصلاح، با داشتن داده های از پیش تعریف شده کار میکند. تنها نکته این است که فقط چهره های جلو تشخیص داده می شوند و تشخیص چهره هایی که در جهت خاصی به سمت چپ یا راست، قرار گرفته اند یا تار هستند،دشوار است. 💢💢💢💢💢💢💢💢💢

https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_objdetect/py_face_detection/py_face_detection.html 🔍جهت مطالعه بیشتر 💢💢💢💢💢💢💢

‍ import numpy as np import cv2 face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml') img = cv2.imread('test3.jpg') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) faces = face_cascade.detectMultiScale(gray, 1.3, 5) for (x,y,w,h) in faces: cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2) roi_gray = gray[y:y+h, x:x+w] roi_color = img[y:y+h, x:x+w] eyes = eye_cascade.detectMultiScale(roi_gray) for (ex,ey,ew,eh) in eyes: cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2) cv2.imshow('img',img) cv2.waitKey(0) cv2.destroyAllWindows() 💢💢💢💢💢💢💢💢💢

http://sufra.ir/%D8%AF%D8%A7%D8%AF%D9%87-%DA%A9%D8%A7%D9%88%DB%8C-%D8%A8%D8%A7-%D9%BE%D8%A7%DB%8C%D8%AA%D9%88%D9%86_%D9%82%D8%B3%D9%85%D8%AA-%DA%86%D9%87%D8%A7%D8%B1%D9%85/ داده کاوی با پایتون

https://docs.opencv.org/2.4.13.2/modules/objdetect/doc/cascade_classification.html#cv2.CascadeClassifier.detectMultiScale 💢💢💢💢💢💢💢💢💢