استارتاپ آمریکایی Lightmatter مستقر در سیلیکون ولی، از توسعه ی نسل جدیدی از تراشهها رونمایی کرده که با استفاده از پرتوهای نور به جای سیگنالهای الکترونیکی نه تنها سرعت پردازش هوش مصنوعی را افزایش میدهند بلکه مصرف برق را به طور قابل توجهی کاهش مید
دهند
این تراشه با هدایت پرتوهای دقیق نور به یکدیگر و تحلیل نتیج
آنها، محاسبات را انجام میدهد برخلاف نسل قبلی کامپیوترهای فوتونیکی که دقت کمی داشتند Lightmatter توانسته است با تقسیم اعداد بزرگ و کوچک به گروههای قابل مدیریت دقتی مشابه تراشه های سنتی ارائه دهد. به گفته «نیک هریس»، مدیرعامل این شرکت، تا ۱۰ سال آینده این فناوری به جریان اصلی بازار تبدیل خواهد شد.
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛
دهند
این تراشه با هدایت پرتوهای دقیق نور به یکدیگر و تحلیل نتیج
آنها، محاسبات را انجام میدهد برخلاف نسل قبلی کامپیوترهای فوتونیکی که دقت کمی داشتند Lightmatter توانسته است با تقسیم اعداد بزرگ و کوچک به گروههای قابل مدیریت دقتی مشابه تراشه های سنتی ارائه دهد. به گفته «نیک هریس»، مدیرعامل این شرکت، تا ۱۰ سال آینده این فناوری به جریان اصلی بازار تبدیل خواهد شد.
#هوش_مصنوعی #AI #هایتک #HiTech
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛
HiTech | آموزش پایتون و هوش مصنوعی
Photo
📝 برگه تقلب پانداس
پانداس یه کتابخونه ی معروف پایتونه که مخصوص کار با دادهها ساخته شده! مثل یه اَبَر ابزار میمونه که بتونی دادههاتو مرتب کنی، تمیزشون کنی، تحلیلشون کنی یا حتی تغییرشون بدی.
چیکار میکنه؟
- دادههای جدولی (مثل اکسل) رو راحت مدیریت میکنه (با چیزی به اسم DataFrame)
- میتونی دادههای گمشده رو پیدا کنی یا پر کنی
- فیلتر کردن، مرتبسازی و گروهبندی دادهها رو آسون میکنه
- از فایلا مختلف مثل CSV یا اکسل داده بخونی/بنویسی
کجاها استفاده میشه؟
تحلیل داده، هوش مصنوعی، مالی، تحقیقات علمی و هر جایی که داده ی جدولی داشته باشی!
یه خط کد نمونه:
پانداس با کتابخونه هایی مثل NumPy و Matplotlib هم تیم میشه و واقعاً زندگی رو راحتتر میکنه 🚀
┏━━━━━━━━┓
〓@HiTech_Codes
┗━━━━━━━━┛
پانداس یه کتابخونه ی معروف پایتونه که مخصوص کار با دادهها ساخته شده! مثل یه اَبَر ابزار میمونه که بتونی دادههاتو مرتب کنی، تمیزشون کنی، تحلیلشون کنی یا حتی تغییرشون بدی.
چیکار میکنه؟
- دادههای جدولی (مثل اکسل) رو راحت مدیریت میکنه (با چیزی به اسم DataFrame)
- میتونی دادههای گمشده رو پیدا کنی یا پر کنی
- فیلتر کردن، مرتبسازی و گروهبندی دادهها رو آسون میکنه
- از فایلا مختلف مثل CSV یا اکسل داده بخونی/بنویسی
کجاها استفاده میشه؟
تحلیل داده، هوش مصنوعی، مالی، تحقیقات علمی و هر جایی که داده ی جدولی داشته باشی!
یه خط کد نمونه:
import pandas as pd
data = pd.read_csv('data.csv')
print(data.head())
`
پانداس با کتابخونه هایی مثل NumPy و Matplotlib هم تیم میشه و واقعاً زندگی رو راحتتر میکنه 🚀
#برنامه_نویسی #پایتون #Python #ML #PandasAI #Programming #Pandas #DataScience #Cheat_Sheet #HiTech #هایتک #Data_Science #Jupyter #NumPy
┏━━━━━━━━┓
〓@HiTech_Codes
┗━━━━━━━━┛
لطفا برای حمایت از #HiTech مطالب و پست ها رو برای دوستان تون بفرستید ❤️🙏
🔥این هوش مصنوعی شاهکاره ؛ ترکیبی از بهترین مدل های حال حاضر دنیا!
✅ وقتشه که با Super Agent آشنات کنم ؛ یه عامل هوش مصنوعی همهکاره که 9 تا مدل تاپ مثل GPT-4o، Claude، Gemini رو با 80 ابزار کاربردی و 10 دیتاست حرفهای ترکیب کرده!
چی کارا میتونه بکنه؟
✅خلاصه کردن ویدیوی 5 ساعته تو 5 اسلاید
✅طراحی یه سایت مثل دیجیکالا و...
✅برنامهریزی کامل سفر + انجام کلیه رزروها
✅از یه ایده، ویدیوی کامل تیکتاک میسازه!
+ واقعا یه ابزار همهچیز تمومه ، تا باهاش کار نکنی نمیفهمی چقدر قویه! ضمناً ، برای یه اکانت رایگان حدود ۲۰۰ کردیت میده.
https://www.genspark.ai/
┏━━━━━━━━┓
〓@HiTech_Codes
┗━━━━━━━━┛
✅ وقتشه که با Super Agent آشنات کنم ؛ یه عامل هوش مصنوعی همهکاره که 9 تا مدل تاپ مثل GPT-4o، Claude، Gemini رو با 80 ابزار کاربردی و 10 دیتاست حرفهای ترکیب کرده!
چی کارا میتونه بکنه؟
✅خلاصه کردن ویدیوی 5 ساعته تو 5 اسلاید
✅طراحی یه سایت مثل دیجیکالا و...
✅برنامهریزی کامل سفر + انجام کلیه رزروها
✅از یه ایده، ویدیوی کامل تیکتاک میسازه!
+ واقعا یه ابزار همهچیز تمومه ، تا باهاش کار نکنی نمیفهمی چقدر قویه! ضمناً ، برای یه اکانت رایگان حدود ۲۰۰ کردیت میده.
https://www.genspark.ai/
┏━━━━━━━━┓
〓@HiTech_Codes
┗━━━━━━━━┛
👍1
ساعت 23:30 یه Python Quiz داریم ✅😍
لطفا جواب هاتون رو توی کامنت ها بنویسین به تک تک شون پاسخ داده میشه🙏🏻❤️
لطفا جواب هاتون رو توی کامنت ها بنویسین به تک تک شون پاسخ داده میشه🙏🏻❤️
اگه هنوز یوتیوب مون رو نداری !
فقط کافیه اینجا کلیک کنی تا به دنیایی از آموزش های رایگان #پایتونی دسترسی داشته باشی😍👌🏻
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛
فقط کافیه اینجا کلیک کنی تا به دنیایی از آموزش های رایگان #پایتونی دسترسی داشته باشی😍👌🏻
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛
HiTech | آموزش پایتون و هوش مصنوعی pinned «اگه هنوز یوتیوب مون رو نداری ! فقط کافیه اینجا کلیک کنی تا به دنیایی از آموزش های رایگان #پایتونی دسترسی داشته باشی😍👌🏻 ┏━━━━━━━━┓ 〓 @HiTech_Codes ┗━━━━━━━━┛»
0️⃣2️⃣ تابع پرکاربرد Pandas
✍️ اولین باری که از Pandas استفاده کردم، قرار بود با کمک توابع Pandas یک دیتاست خام و پیچیده را سریعاً تمیز و سازماندهی کنم. با استفاده از تابع groupby توانستم دادهها را دستهبندی کنم و تجزیه و تحلیل عمیقی از رفتار مشتریان به دست آورم. بهترین قسمت زمانی بود که از loc و iloc استفاده کردم و توانستم دادهها را به راحتی فیلتر کنم.
😄 از آن زمان تصمیم گرفتم فهرستی از پرکاربردترین توابع Pandas که به صورت روزانه از آنها استفاده میکنم تهیه کنم. حالا این فهرست آماده است! در ادامه، 20 تا از بهترین و پرکاربردترین توابع Pandas را معرفی میکنم:
🖥 read_csv():
بارگذاری سریع دادهها از فایلهای CSV
🖥 head():
مشاهده پنج ردیف اول دیتابیس برای شروع.
🖥 info():
بررسی ساختار دادهها مانند نوع داده و مقادیر خالی.
🖥 describe():
تولید آمار توصیفی برای ستونهای عددی.
🖥 loc[ ]:
دسترسی به ردیفها و ستونها بر اساس برچسب یا شرط.
🖥 iloc[ ]:
دسترسی به دادهها بر اساس شماره ردیف.
🖥 merge():
ادغام DataFrameها با ستونهای مشترک.
🖥 groupby():
دستهبندی برای تحلیل آسانتر.
🖥 pivot_table():
خلاصهسازی دادهها به فرمت Pivot Table.
🖥 to_csv():
ذخیره دادهها به صورت فایل CSV.
🖥 pd.concat():
ادغام چندین DataFrame در ردیفها یا ستونها.
🖥 pd.melt():
تبدیل دادهها از فرمت گسترده به فرمت طولانی.
🖥 pd.pivot_table():
ایجاد Pivot Table با چندین سطح.
🖥 pd.cut():
تقسیم دادهها به فواصل مشخص.
🖥 pd.qcut():
مرتبسازی دادهها بر اساس درصد.
🖥 pd.merge():
ادغام دادهها به سبک پایگاه داده برای لینکدهی پیشرفته.
🖥 DataFrame.apply():
اعمال یک تابع سفارشی به دادهها.
🖥 DataFrame.groupby():
تحلیل دادههای دستهبندی شده.
🖥 DataFrame.drop_duplicates():
حذف ردیفهای تکراری.
🖥 DataFrame.to_excel():
ذخیره دادهها مستقیماً به فایل اکسل.
┌ 🐼 Pandas Functions
└ 📄 PDF
┏━━━━━━━━┓
〓@HiTech_Codes
┗━━━━━━━━┛
✍️ اولین باری که از Pandas استفاده کردم، قرار بود با کمک توابع Pandas یک دیتاست خام و پیچیده را سریعاً تمیز و سازماندهی کنم. با استفاده از تابع groupby توانستم دادهها را دستهبندی کنم و تجزیه و تحلیل عمیقی از رفتار مشتریان به دست آورم. بهترین قسمت زمانی بود که از loc و iloc استفاده کردم و توانستم دادهها را به راحتی فیلتر کنم.
😄 از آن زمان تصمیم گرفتم فهرستی از پرکاربردترین توابع Pandas که به صورت روزانه از آنها استفاده میکنم تهیه کنم. حالا این فهرست آماده است! در ادامه، 20 تا از بهترین و پرکاربردترین توابع Pandas را معرفی میکنم:
🖥 read_csv():
بارگذاری سریع دادهها از فایلهای CSV
🖥 head():
مشاهده پنج ردیف اول دیتابیس برای شروع.
🖥 info():
بررسی ساختار دادهها مانند نوع داده و مقادیر خالی.
🖥 describe():
تولید آمار توصیفی برای ستونهای عددی.
🖥 loc[ ]:
دسترسی به ردیفها و ستونها بر اساس برچسب یا شرط.
🖥 iloc[ ]:
دسترسی به دادهها بر اساس شماره ردیف.
🖥 merge():
ادغام DataFrameها با ستونهای مشترک.
🖥 groupby():
دستهبندی برای تحلیل آسانتر.
🖥 pivot_table():
خلاصهسازی دادهها به فرمت Pivot Table.
🖥 to_csv():
ذخیره دادهها به صورت فایل CSV.
🖥 pd.concat():
ادغام چندین DataFrame در ردیفها یا ستونها.
🖥 pd.melt():
تبدیل دادهها از فرمت گسترده به فرمت طولانی.
🖥 pd.pivot_table():
ایجاد Pivot Table با چندین سطح.
🖥 pd.cut():
تقسیم دادهها به فواصل مشخص.
🖥 pd.qcut():
مرتبسازی دادهها بر اساس درصد.
🖥 pd.merge():
ادغام دادهها به سبک پایگاه داده برای لینکدهی پیشرفته.
🖥 DataFrame.apply():
اعمال یک تابع سفارشی به دادهها.
🖥 DataFrame.groupby():
تحلیل دادههای دستهبندی شده.
🖥 DataFrame.drop_duplicates():
حذف ردیفهای تکراری.
🖥 DataFrame.to_excel():
ذخیره دادهها مستقیماً به فایل اکسل.
┌ 🐼 Pandas Functions
#برنامه_نویسی #پایتون #Python #Programming #Pandas #Datascience #علم_داده #HiTech #هایتک
┏━━━━━━━━┓
〓@HiTech_Codes
┗━━━━━━━━┛
لطفا برای حمایت از #HiTech مطالب و پست ها رو برای دوستان تون بفرستید ❤️🙏
تا حالا شده یه باگ چند ساعت اذیتت کنه و تهش بفهمی یه اشتباه کوچیک بود؟
Anonymous Poll
56%
🔘 بله هر روز 😭
44%
🔘 گاهی
0%
🔘 نه، خیلی دقت میکنم
0%
🔘 باگ؟ من؟ هرگز 😂
چه مدت در روز برای یادگیری پایتون وقت میذاری؟🤔
Anonymous Poll
38%
🔘 کمتر از ۳۰ دقیقه
15%
🔘 ۳۰ تا ۶۰ دقیقه
31%
🔘 بیشتر از ۱ ساعت
15%
🔘 فقط آخر هفتهها 😅
اگر فقط ۳ ماه وقت داشته باشی یه فریمورک پایتونی یاد بگیری، کدومو انتخاب میکنی؟
Anonymous Poll
43%
🔘 Django
0%
🔘 Flask
0%
🔘 FastAPI
57%
🔘 PyTorch
تابع print() رو بیشتر برای چی استفاده میکنی؟
Anonymous Poll
29%
🔘 نمایش خروجی
3%
🔘 دیباگ
3%
🔘 چک کردن مقدار متغیر
65%
🔘 همه موارد بالا 😁
This media is not supported in your browser
VIEW IN TELEGRAM
قابلیت «حافظه» به Grok اضافه شد؛ رقابت جدیتر با ChatGPT و جمینای
شرکت هوش مصنوعی ایلان ماسک بهتدریج درحال نزدیککردن چتبات گراک (Grok) به رقبای اصلیاش مانند ChatGPT و جمینای است. در جدیدترین اقدام، xAI اعلام کرده که ویژگی «حافظه» به Grok اضافه شده است؛ قابلیتی که به این چتبات اجازه میدهد جزئیاتی از مکالمات گذشته خود با کاربران را به خاطر بسپارد.
به کمک این ویژگی، Grok اکنون میتواند پاسخهایی شخصیسازیشدهتر ارائه دهد، بهویژه اگر کاربر بهاندازه کافی از آن استفاده کرده باشد تا الگوریتم بتواند ترجیحات فردی او را تشخیص دهد.
قابلیت حافظه درحالحاضر بهصورت آزمایشی در وبسایت Grok.com و اپلیکیشنهای iOS و اندروید گراک فعال شده است. این ویژگی را میتوان از طریق بخش کنترل دادهها (Data Controls) در تنظیمات غیرفعال کرد.
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛
شرکت هوش مصنوعی ایلان ماسک بهتدریج درحال نزدیککردن چتبات گراک (Grok) به رقبای اصلیاش مانند ChatGPT و جمینای است. در جدیدترین اقدام، xAI اعلام کرده که ویژگی «حافظه» به Grok اضافه شده است؛ قابلیتی که به این چتبات اجازه میدهد جزئیاتی از مکالمات گذشته خود با کاربران را به خاطر بسپارد.
به کمک این ویژگی، Grok اکنون میتواند پاسخهایی شخصیسازیشدهتر ارائه دهد، بهویژه اگر کاربر بهاندازه کافی از آن استفاده کرده باشد تا الگوریتم بتواند ترجیحات فردی او را تشخیص دهد.
قابلیت حافظه درحالحاضر بهصورت آزمایشی در وبسایت Grok.com و اپلیکیشنهای iOS و اندروید گراک فعال شده است. این ویژگی را میتوان از طریق بخش کنترل دادهها (Data Controls) در تنظیمات غیرفعال کرد.
#هوش_مصنوعی #AI #ChatGPT #Artificial_Intelligence #OpenAI #Grok
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛
ابزار مناسب، نیمی از راهه توی حوزه دیتا!
👨🏻💻 وقتشه بعضی ابزارها رو ارتقا بدی. نه برای اینکه قبلیها بد بودن، بخاطر اینکه ابزارهای جدید کارتو خیلی راحتتر و سریعتر میکنن.
🟠 چند تا جایگزین که بهت کمک میکنن حرفهایتر و بهینهتر کار کنی:
1️⃣ به جای Pandas از Polars استفاده کن!
✅ سرعت بیشتر، حافظه کمتر، سینتکس سادهتر، پشتیبانی از دیتای بزرگ و حالت Lazy Evaluation.
🔢 به جای Numpy از Numba استفاده کن!
✅ با یه دکوراتور ساده سرعت کدتو چند برابر کن، حتی رو GPU اجرا کن!
➖ ➖ ➖ ➖ ➖ ➖
🔢 به جای Tensorflow از JAX استفاده کن!
✅ سبک، سریع، پایتونطور، مناسب تحقیقات پیشرفته، همراه با کتابخونههایی مثل Flax و Haiku.
🔢 به جای Matplotlib از Bokeh استفاده کن!
✅ نمودارهای تعاملی و قابل استفاده توی وب و دشبورد، بدون نیاز به GUI backend.
🔢 به جای XGBoost از LightGBM استفاده کن!
✅ آموزش سریعتر، مصرف کمتر رم، پشتیبانی بهتر از categorical و scale خوب روی دیتاهای بزرگ.
🌐 #علم_داده #DataScience
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛
👨🏻💻 وقتشه بعضی ابزارها رو ارتقا بدی. نه برای اینکه قبلیها بد بودن، بخاطر اینکه ابزارهای جدید کارتو خیلی راحتتر و سریعتر میکنن.
🟠 چند تا جایگزین که بهت کمک میکنن حرفهایتر و بهینهتر کار کنی:
1️⃣ به جای Pandas از Polars استفاده کن!
✅ سرعت بیشتر، حافظه کمتر، سینتکس سادهتر، پشتیبانی از دیتای بزرگ و حالت Lazy Evaluation.
🔢 به جای Numpy از Numba استفاده کن!
✅ با یه دکوراتور ساده سرعت کدتو چند برابر کن، حتی رو GPU اجرا کن!
➖ ➖ ➖ ➖ ➖ ➖
🔢 به جای Tensorflow از JAX استفاده کن!
✅ سبک، سریع، پایتونطور، مناسب تحقیقات پیشرفته، همراه با کتابخونههایی مثل Flax و Haiku.
🔢 به جای Matplotlib از Bokeh استفاده کن!
✅ نمودارهای تعاملی و قابل استفاده توی وب و دشبورد، بدون نیاز به GUI backend.
🔢 به جای XGBoost از LightGBM استفاده کن!
✅ آموزش سریعتر، مصرف کمتر رم، پشتیبانی بهتر از categorical و scale خوب روی دیتاهای بزرگ.
🌐 #علم_داده #DataScience
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛