10327
برای موفق شدن 🌱 با این عبارت خداحافظی کن: "باشه فردا"🍃 💻 برای دسترسی راحت تر به مطالب به "لیست پین شده" برو🙃 👩💻 Support: @narges_madhi 🪧 ads: @teachifyads 💁♀️ instagram : instagram.com/teachify_ir
✔️ Python: Your All-in-One Toolkit! 🐍
#Python #پایتون
✅ @Teachify | برنامه نویسی
فردا تعطیله ولی من باید برم سرکار :))
#fun
✅ @Teachify | برنامه نویسی
✔️ برنامه نویس های گشاد خبر خوب دارم براتون: قهوه لوله‌ای به بازار آمد :))
اولین قهوه لوله‌ای جهان در سوئیس ساخته شد. سازنده مطمئن است که این فرمت برای ورزشکاران و مسافران مناسب خواهد بود.
خمیر را می توان با آب رقیق کرد، روی نان پخش کرد یا مستقیماً از لوله خورد.
سازندگان ادعا می کنند که این محصول هم برای مارتینیس اسپرسو و هم برای سس استیک مناسب است.
✅ @Teachify | برنامه نویسی
✔️ کپچا باید اینجوری باشه :))
با ۳ تا کیل گرفتن تایید میکنه که انسانی !
✅ @kaliboys | کالی بویز
باورتون میشه؟ سال 2025 شد !!
تبریک میگم خدمت دوستان
ولی تنها سالیه که من با تغییر سالش ناراحت نشدم و خوشحالم ...
چون اتفاقات خیلی بزرگی توی زندگی من افتاد.
از کوچ کردن به یه شهر دیگه گرفته تا پیدا کردن شغل برنامه نویسی که واقعا عاشقش بودم و ...
امیدوارم سال 2024 برای شما هم خوب بوده باشه و همچنین سال 2025 هم پر خیر و برکت باشه براتون.
✅ @Teachify | برنامه نویسی
✔️ پیدا کردن کدهای بی‌استفاده در پروژه پایتون با ابزار Vulture 🐍
گاهی اوقات در پروژه‌های پایتون، کدهایی وجود دارند که دیگر استفاده نمی‌شوند، اما همچنان در فایل‌ها باقی مانده‌اند. این کدها می‌توانند شامل توابع، کلاس‌ها یا حتی متغیرهایی باشند که هیچ جایی فراخوانی نمی‌شوند. Vulture یک ابزار فوق‌العاده برای شناسایی این کدهای بی‌استفاده است.
برای نصب این ابزار، کافی است از دستور زیر استفاده کنید:
pip install vulture
vulture your_project/
✔️ کتاب Pandas Crash Course for Beginners 🐼
در این آموزش فشرده، یاد می‌گیرید:
+ مدیریت و تحلیل داده‌ها
+ کار با DataFrame و Series
+ فیلتر، گروه‌بندی، و مصورسازی داده‌ها
#Python #Pandas #تحلیل_داده #یادگیری
✅ @Teachify | برنامه نویسی
✔️ موقعیت: وقتی ویندوز به پادشاهی جهان رسیده و همه توزیع های لینوکس رو زندانی کرده :))
کدوم توزیع رو شناختین؟ :))
#fun #فان
✅ @Teachify | برنامه نویسی
ولکام پکی که گرفتم 🥹❤️
✅ @Teachify | برنامه نویسی
✔️ لیست متد های پایتون (List Methods)
متد append() : یک عنصر به انتهای لیست اضافه می‌کند. عالی برای رشد لیست!
متد extend() : عناصر یک لیست را به انتهای لیست دیگر اضافه می‌کند. شبیه ترکیب دو لیست با هم.
متد insert() : یک عنصر را در یک موقعیت مشخص از لیست قرار می‌دهد. کنترل بیشتری روی مکان عنصر دارید.
متد pop() : آخرین عنصر لیست را حذف و بازمی‌گرداند. همچنین می‌توان با آرگومان ایندکس کار کرد.
متد remove() : اولین عنصر مطابق مقدار داده‌شده را حذف می‌کند. لیست خود را تمیز و مرتب نگه دارید!
متد sort() : عناصر لیست را به ترتیب صعودی مرتب می‌کند. خداحافظی با بی‌نظمی!
متد count() : تعداد دفعات تکرار یک مقدار مشخص در لیست را برمی‌گرداند.
#برنامه‌نویسی #پایتون #python
✅ @Teachify | برنامه نویسی
✔️ #مسئله حل کنیم!
یه تابع بنویسید که یه لیست از اعداد رو بگیره و اولین عددی که بیش از یک بار تکرار شده رو پیدا کنه.
مثال:
input_list = [2, 5, 1, 2, 3, 5, 1, 2, 4]
output: 2
input_list = [2, 1, 1, 2, 3, 5, 1, 2, 4]
output: 1
input_list = [2, 3, 4, 5]
output: None
✔️ یلدا مبارک
import datetime
def is_yalda():
today = datetime.datetime.now().date() # Today's date
# Possible dates for the last day of autumn (21st or 22nd December)
last_days_of_autumn = [datetime.date(today.year, 12, 21), datetime.date(today.year, 12, 22)]
for last_day_of_autumn in last_days_of_autumn:
# Finding the last Friday of autumn
days_to_friday = (last_day_of_autumn.weekday() - 4) % 7
last_friday_of_autumn = last_day_of_autumn - datetime.timedelta(days=days_to_friday)
# Checking if today is the last Friday of autumn
if today == last_friday_of_autumn:
return True
return False
def display_message():
if is_yalda():
return "🎉 Hello dear programmer! May your Yalda be as bug-free as your clean code and as sweet as pomegranate! 🍉\n" \
"It's Yalda, so spend time with your family like loops in harmony and have fun! ❤️"
else:
return "It's not Yalda, but always stay happy and code with a warm heart! 😉"
print(display_message())
✔️ ماژول pprint: نمایش زیبای داده‌ها در پایتون!
ماژول pprint یا Pretty Print یکی از ابزارهای مفید در پایتون است که به شما کمک می‌کند دیکشنری‌ها، لیست‌ها و دیگر ساختارهای داده را به شکل خوانا و مرتب در ترمینال نمایش دهید. این ابزار به‌ویژه برای داده‌های پیچیده و بزرگ کاربرد دارد.
import pprint
data = {
"name": "Yousef",
"age": 27,
"skills": ["Python", "Django", "Git"],
"projects": [
{"name": "Website", "status": "Completed"},
{"name": "Telegram Bot", "status": "In Progress"},
],
}
pprint.pprint(data)
{'age': 27,
'name': 'Yousef',
'projects': [{'name': 'Website', 'status': 'Completed'},
{'name': 'Telegram Bot', 'status': 'In Progress'}],
'skills': ['Python', 'Django', 'Git']}print خسته شده‌اید، حتماً از این ابزار استفاده کنید!
✔️ هوش مصنوعی GitHub Copilot رایگان برای همه!
گیت‌هاب به مناسبت عبور از مرز 150 میلیون کاربر، اعلام کرد که هوش مصنوعی GitHub Copilot برای تمامی کاربران رایگان شده است. برنامه‌نویسان می‌توانند از این ابزار هوشمند در VS Code برای نوشتن، تکمیل، ریفکتور و بهینه‌سازی کدها استفاده کنند.
امکانات نسخه رایگان:
- 2000 پیشنهاد تکمیل کد و 50 سوال در ماه
- محدود به ادیتور VS Code
برای استفاده نامحدود و دسترسی به سایر ادیتورها، می‌توانید اشتراک Copilot Pro با قیمت 10 دلار در ماه تهیه کنید.
روش استفاده و توضیحات بیشتر را در کالی بویز بخوانید: هوش مصنوعی GitHub Copilot و نحوه استفاده آن در VSCode
✅ @kaliboys | کالی بویز
✔️ دستورات پایه و پیشرفته QuerySet ها در Django ORM. (هر دستور به‌صورت خلاصه چیزی را از دیتابیس ایجاد یا دریافت می‌کند)
✅ @Teachify | برنامه نویسی
✔️ مدیریت پکیج‌ها در پایتون با Poetry 🐍
اگر از pip و virtualenv برای مدیریت وابستگی‌های پروژه‌هات استفاده می‌کنی، Poetry قراره تجربه‌ات رو متحول کنه!
یک ابزار قدرتمند برای مدیریت وابستگی‌ها، ساخت و انتشار پکیج‌های پایتونی که همه‌چیز رو در یک محیط یکپارچه و ساده ارائه می‌ده.
چرا باید از Poetry استفاده کنیم؟
+ نصب و مدیریت وابستگی‌ها فقط با یک دستور
+ ایجاد و مدیریت محیط‌های مجازی به‌صورت خودکار
+ فرمت استاندارد و خوانا برای وابستگی‌ها (pyproject.toml)
+ نسخه‌بندی دقیق پکیج‌ها و حل هوشمندانه‌ی وابستگی‌ها
+ ساخت و انتشار پکیج‌ها در PyPI با چند دستور ساده
ایجاد پروژه جدید:
poetry new my_project
poetry add requests
poetry shell
poetry run python script.py
poetry build
poetry publish
✔️ روز مرد مبارک
پ.ن: امروز که رسیدم شرکت، روی کیبورم این صحنه رو دیدم.
✅ @Teachify | برنامه نویسی
✔️ تبدیل سویچ به جا سویچی :))
#fun #فان
✅ @kaliboys | کالی بویز
✔️ منبع طلایی APIهای رایگان برای برنامه‌نویس‌ها!
اگه دنبال APIهای رایگان برای پروژه‌هاتی، این مخزن یه گنجینه رایگانه!
از آب‌وهوا تا فیلم و سریال، همه‌چی داره.
https://github.com/public-api-lists/public-api-lists
✅ @Teachify | برنامه نویسی
✔️ وضعیت اکثر پروژه ها :)))
#fun #فان
✅ @Teachify | برنامه نویسی
✔️ کسی پروژه نمیخواد؟
پ.ن: هی میگین کار نیست :))
#fun #فان
✅ @Teachify | برنامه نویسی
✔️ فریم‌ورک‌ها و کتابخانه های پایتون!
✅ @Teachify | برنامه نویسی
✔️ معرفی کتابخانه‌های محبوب پایتون در حوزه هوش مصنوعی (AI):
1. TensorFlow
یک کتابخانه قدرتمند برای ساخت و آموزش مدل‌های یادگیری عمیق و یادگیری ماشین. توسط گوگل توسعه داده شده و از CPU و GPU پشتیبانی می‌کند.
2. PyTorch
محبوب در میان محققان و توسعه‌دهندگان به دلیل سادگی و انعطاف بالا. توسط فیسبوک ارائه شده و برای ساخت مدل‌های پیچیده مناسب است.
3. Scikit-learn
کتابخانه‌ای قدرتمند برای یادگیری ماشین کلاسیک شامل الگوریتم‌هایی مانند رگرسیون، دسته‌بندی، خوشه‌بندی و پیش‌پردازش داده‌ها.
4. Keras
یک رابط کاربری آسان برای توسعه و آزمایش شبکه‌های عصبی. معمولاً همراه TensorFlow استفاده می‌شود.
5. OpenCV
کتابخانه‌ای قدرتمند برای پردازش تصویر و بینایی کامپیوتری. برای تشخیص اشیا، چهره‌ها و تحلیل ویدیوها بسیار کاربردی است.
6. NLTK
مناسب برای پردازش زبان طبیعی (NLP)، مانند تحلیل متن، ساخت چت‌بات‌ها، و استخراج اطلاعات از داده‌های متنی.
7. Hugging Face Transformers
بهترین ابزار برای کار با مدل‌های پیشرفته NLP مثل BERT و GPT. مناسب برای ترجمه متن، چت‌بات‌ها و خلاصه‌سازی متن.
8. Pandas
برای تحلیل و پردازش داده‌ها. معمولاً در پیش‌پردازش داده‌های ورودی مدل‌های یادگیری ماشین استفاده می‌شود.
9. Matplotlib و Seaborn
برای مصورسازی داده‌ها و تحلیل بصری مدل‌ها و داده‌ها.
10. FastAPI یا Flask
برای ایجاد API جهت ارتباط بین مدل‌های هوش مصنوعی و اپلیکیشن‌ها.
✅ @Teachify | برنامه نویسی
✔️ 7 پیچیدگی زمانی مهم که باید بدانید!
𝐎(1) - زمان ثابت
زمان اجرا بدون توجه به اندازه ورودی تغییر نمی‌کند.
مثال: دسترسی به یک عنصر در آرایه با استفاده از ایندکس.
𝐎(𝐥𝐨𝐠 𝐧) - زمان لگاریتمی
زمان اجرا به‌آرامی با افزایش اندازه ورودی رشد می‌کند. معمولاً در الگوریتم‌هایی دیده می‌شود که مسئله را در هر مرحله نصف می‌کنند.
مثال: جستجوی دودویی در یک آرایه مرتب.
𝐎(𝐧) - زمان خطی
زمان اجرا به صورت خطی با اندازه ورودی افزایش می‌یابد.
مثال: یافتن یک عنصر در آرایه با پیمایش تمام عناصر.
𝐎(𝐧 𝐥𝐨𝐠 𝐧) - زمان خطی لگاریتمی
زمان اجرا کمی سریع‌تر از زمان خطی رشد می‌کند. این پیچیدگی معمولاً شامل تعداد لگاریتمی عملیات برای هر عنصر ورودی است.
مثال: مرتب‌سازی آرایه با استفاده از الگوریتم‌هایی مانند quick sort یا merge sort.
𝐎(𝐧^2) - زمان درجه دوم
زمان اجرا به مربع اندازه ورودی وابسته است.
مثال: الگوریتم حبابی که هر جفت از عناصر را مقایسه و در صورت نیاز جابجا می‌کند.
𝐎(2^𝐧) - زمان نمایی
زمان اجرا با هر واحد افزایش در ورودی دو برابر می‌شود. این الگوریتم‌ها برای ورودی‌های بزرگ غیرعملی هستند.
مثال: تولید تمام زیرمجموعه‌های یک مجموعه.
𝐎(𝐧!) - زمان فاکتوریل
زمان اجرا متناسب با فاکتوریل اندازه ورودی است.
مثال: تولید تمام جایگشت‌های یک مجموعه.
✅ @Teachify | Hassan Vaezzadeh
✔️ موقعیت: وقتی دوره کارآموزیت تموم نشده!!! ولی برای آگهی شغلی سنیور و تک لید رزومه فرستادی :))
#fun #فان
✅ @Teachify | برنامه نویسی
جذب شدم 🙃
✅ @Teachify | برنامه نویسی
✔️چطور محتویات داخل یک شی (Object) را ببینیم؟
وقتی در پایتون با آبجکت‌ها کار می‌کنید، گاهی لازم است تمامی ویژگی‌ها و مقادیر داخلی آن را بررسی کنید. در پایتون، هر آبجکت ویژگی‌ای به نام __dict__ دارد که تمام ویژگی‌های آن آبجکت را به صورت دیکشنری ذخیره می‌کند.
فرض کنید یک کلاس ساده داریم:
class User:
def __init__(self, name, age):
self.name = name
self.age = age
self.skills = ["Python", "Django"]
user = User("Yousef", 27)
print(user.__dict__)
{'name': 'Yousef', 'age': 27, 'skills': ['Python', 'Django']}
✔️ #مسئله حل کنیم!
یک تابع بنویسید که یک عدد صحیح را به‌عنوان ورودی بگیرد و بررسی کند آیا عدد خاصیت عدد "Armstrong" دارد یا خیر. (عدد Armstrong عددی است که مجموع توان ارقام آن برابر با خود عدد باشد.)
مثال:
- 153 یک عدد Armstrong است چون:
1^3 + 5^3 + 3^3 = 1 + 125 + 27 = 153
- 9474 یک عدد Armstrong است چون:
9^4 + 4^4 + 7^4 + 4^4 = 6561 + 256 + 2401 + 256 = 9474
✅ @Teachify | برنامه نویسی
✔️ جادوی دکوریتورها در پایتون 🐍
دکوریتورها در پایتون یکی از ابزارهای قدرتمند برای اضافه کردن قابلیت به توابع بدون تغییر در ساختار اصلی اون‌ها هستن. این ویژگی بهت کمک میکنه کدت تمیزتر و منعطف‌تر باشه.
فرض کن می‌خوای مدت زمان اجرای یک تابع رو اندازه بگیری. به جای اینکه بارها این کد رو تکرار کنی، یه دکوریتور می‌سازی:
import time
def timer(func):
def wrapper(*args, **kwargs):
# Record the start time
start_time = time.time()
# Execute the original function
result = func(*args, **kwargs)
# Record the end time
end_time = time.time()
# Print the execution time
print(f"Execution time: {end_time - start_time:.2f} seconds")
return result
return wrapper
@timer
def slow_function():
# Simulate a slow function with sleep
time.sleep(2)
print("Function executed!")
slow_function()
Function executed!
Execution time: 2.00 seconds
✨ از انتخاب آنـــی تا خدماتی اختصاصــی ✨
فروش ویژه سرورهای آنی آسیاتک
پلن‌های اختصاصی و متناسب با نیاز هر کسب و کار👇👇
✅ سفارشی‌سازی سرور
✅ تامین برق ثابت و بدون قطعی
✅ پشتیبانی 24 ساعته
و ...
🔗دریافت مشاوره و خرید با تخفیف
🔗دریافت مشاوره و خرید با تخفیف
📞تماس با شماره رایگان ۰۰۰۰ ۹۰۰۰ (داخلی ۱۴۷۰)