HiTech | آموزش پایتون و هوش مصنوعی
میدونی چطوری میشه بدون DEF یه تابع تعریف کرد؟🤔
اگه جز دستهی دومی این ویدیو رو
از دست نده😉👇
https://youtu.be/3-8drcHOj94
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛
از دست نده😉👇
https://youtu.be/3-8drcHOj94
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛
YouTube
جادوی Lambda در پایتون: یادگیری در 9 دقیقه و تسلط برای همیشه!
🌟جادوی Lambda در پایتون: یادگیری در 9 دقیقه و تسلط برای همیشه! 🌟
در ویدیو HiTech با رازهای شگفت انگیز تابع Lambda در پایتون آشنا شوید.
در عرض ۵ دقیقه مهارت های Python خود را به سطح حرفه ای ارتقا دهید.
Lambda یکی از ابزارهای قدرتمند برای نوشتن توابع تک…
در ویدیو HiTech با رازهای شگفت انگیز تابع Lambda در پایتون آشنا شوید.
در عرض ۵ دقیقه مهارت های Python خود را به سطح حرفه ای ارتقا دهید.
Lambda یکی از ابزارهای قدرتمند برای نوشتن توابع تک…
🥇 دستورات طلایی Pandas و NumPy که هر دیتا ساینتیستی باید بلد باشه!
1️⃣ بررسی و شناخت دیتا
✅ ستونها، نوع داده، تعداد مشاهده:
df.info()
✅ آمار توصیفی:
df.describe()
✅ نمایش چند ردیف اول یا آخر:
df.head(5)
df.tail(5)
✅ شکل و ابعاد دیتافریم:
df.shape
➖ ➖ ➖
2️⃣ مدیریت دادههای گمشده
✅ شمارش دادههای Null هر ستون:
df.isna().sum()
✅ حذف ردیفهایی که داده گمشده دارن:
df.dropna(subset=['column_name'])
✅ جایگذاری مقدار جدید به جای missing values:
df.fillna({'col1': 0, 'col2': 'unknown'})
✅ پر کردن مقادیر گمشده با روش Interpolation:
df.interpolate(method='linear')
➖ ➖ ➖
3️⃣ انتخاب و فیلتر کردن دیتا
✅ انتخاب چند ستون خاص:
df[['col1', 'col2']]
انتخاب بر اساس ایندکس:
df.iloc[:, 1:5]
✅ انتخاب با لیبل:
df.loc[:, 'col1':'col5']
✅ فیلتر کردن براساس شرط:
df[df['age'] > 30]
✅ اعمال فیلتر پیچیده:
df.query('age > 30 & salary > 50000')
✅ انتخاب n ردیف با بزرگترین مقدار:
df.nlargest(5, 'value')
✅ نمونهگیری تصادفی:
df.sample(frac=0.1, random_state=42)
➖ ➖ ➖
4️⃣ تغییر و تبدیل دیتا
✅ گروهبندی داده و محاسبه میانگین:
df.groupby('category').mean()
✅ ساخت Pivot Table:
df.pivot_table(index='category', values='value', aggfunc='mean')
✅ جدول Cross Tabulation:
pd.crosstab(df.category, df.subcategory)
✅ تبدیل به تاریخ:
pd.to_datetime(df['date_column'])
✅ بازنمونهگیری دادهها:
df.resample('M').mean()
✅ استخراج ماه از ستونهای تاریخ:
df['month'] = df['date'].dt.month
✅ محاسبه میانگین متحرک:
df.set_index('date').rolling(window=7).mean()
➖ ➖ ➖
5️⃣ دستورات مهم NumPy
✅ ساخت آرایه از یک لیست:
np.array([1, 2, 3])
✅ ایجاد آرایه صفر:
np.zeros((3, 4))
✅ ایجاد نقاط با فاصلهی یکسان:
np.linspace(0, 1, 100)
✅ تغییر شکل آرایه:
np.reshape(arr, (3, 4))
✅ محاسبه میانگین و انحراف معیار:
np.mean(arr, axis=0)
np.std(arr)
✅ ضرب ماتریسها:
np.dot(a, b)
✅ محاسبه معکوس ماتریس:
np.linalg.inv(matrix)
➖ ➖ ➖
6️⃣ تمیز کردن و ترکیب دیتا
✅ انجام Join:
pd.merge(df1, df2, on='key')
✅ اتصال دیتافریمها به همدیگه:
pd.concat([df1, df2], axis=0)
✅ حذف رکوردهای تکراری:
df.drop_duplicates()
✅ جایگذاری مقدار جدید داخل دیتا:
df.replace({'old_val': 'new_val'})
✅ استفاده از فانکشن روی ستون:
df['col'].apply(lambda x: x.lower())
✅ تبدیل نوع دادهها:
df.astype({'col1': 'int', 'col2': 'category'})
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 یوتیوب HiTech :
📊 YouTube
📱 پیج اینستاگرام:
📊 Instagram
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛
1️⃣ بررسی و شناخت دیتا
✅ ستونها، نوع داده، تعداد مشاهده:
df.info()
✅ آمار توصیفی:
df.describe()
✅ نمایش چند ردیف اول یا آخر:
df.head(5)
df.tail(5)
✅ شکل و ابعاد دیتافریم:
df.shape
➖ ➖ ➖
2️⃣ مدیریت دادههای گمشده
✅ شمارش دادههای Null هر ستون:
df.isna().sum()
✅ حذف ردیفهایی که داده گمشده دارن:
df.dropna(subset=['column_name'])
✅ جایگذاری مقدار جدید به جای missing values:
df.fillna({'col1': 0, 'col2': 'unknown'})
✅ پر کردن مقادیر گمشده با روش Interpolation:
df.interpolate(method='linear')
➖ ➖ ➖
3️⃣ انتخاب و فیلتر کردن دیتا
✅ انتخاب چند ستون خاص:
df[['col1', 'col2']]
انتخاب بر اساس ایندکس:
df.iloc[:, 1:5]
✅ انتخاب با لیبل:
df.loc[:, 'col1':'col5']
✅ فیلتر کردن براساس شرط:
df[df['age'] > 30]
✅ اعمال فیلتر پیچیده:
df.query('age > 30 & salary > 50000')
✅ انتخاب n ردیف با بزرگترین مقدار:
df.nlargest(5, 'value')
✅ نمونهگیری تصادفی:
df.sample(frac=0.1, random_state=42)
➖ ➖ ➖
4️⃣ تغییر و تبدیل دیتا
✅ گروهبندی داده و محاسبه میانگین:
df.groupby('category').mean()
✅ ساخت Pivot Table:
df.pivot_table(index='category', values='value', aggfunc='mean')
✅ جدول Cross Tabulation:
pd.crosstab(df.category, df.subcategory)
✅ تبدیل به تاریخ:
pd.to_datetime(df['date_column'])
✅ بازنمونهگیری دادهها:
df.resample('M').mean()
✅ استخراج ماه از ستونهای تاریخ:
df['month'] = df['date'].dt.month
✅ محاسبه میانگین متحرک:
df.set_index('date').rolling(window=7).mean()
➖ ➖ ➖
5️⃣ دستورات مهم NumPy
✅ ساخت آرایه از یک لیست:
np.array([1, 2, 3])
✅ ایجاد آرایه صفر:
np.zeros((3, 4))
✅ ایجاد نقاط با فاصلهی یکسان:
np.linspace(0, 1, 100)
✅ تغییر شکل آرایه:
np.reshape(arr, (3, 4))
✅ محاسبه میانگین و انحراف معیار:
np.mean(arr, axis=0)
np.std(arr)
✅ ضرب ماتریسها:
np.dot(a, b)
✅ محاسبه معکوس ماتریس:
np.linalg.inv(matrix)
➖ ➖ ➖
6️⃣ تمیز کردن و ترکیب دیتا
✅ انجام Join:
pd.merge(df1, df2, on='key')
✅ اتصال دیتافریمها به همدیگه:
pd.concat([df1, df2], axis=0)
✅ حذف رکوردهای تکراری:
df.drop_duplicates()
✅ جایگذاری مقدار جدید داخل دیتا:
df.replace({'old_val': 'new_val'})
✅ استفاده از فانکشن روی ستون:
df['col'].apply(lambda x: x.lower())
✅ تبدیل نوع دادهها:
df.astype({'col1': 'int', 'col2': 'category'})
🌐 #علم_داده #DataScience #NumPy #ML #هوش_مصنوعی
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 یوتیوب HiTech :
📊 YouTube
📱 پیج اینستاگرام:
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛
🔥2
HiTech | آموزش پایتون و هوش مصنوعی pinned «اگه جز دستهی دومی این ویدیو رو از دست نده😉👇 https://youtu.be/3-8drcHOj94 ┏━━━━━━━━┓ 〓 @HiTech_Codes ┗━━━━━━━━┛»
👨💻 خداحافظی با مشکلات کار با تاریخ و زمان در پایتون!
👨🏻💻 اگه همیشه با کدنویسی تاریخ و زمان در پایتون درگیر بودی، وقتشه که Pendulum رو امتحان کنی!
✅ یه نسخه پیشرفتهتر از کتابخانهی datetime داخلی پایتون هست که کار رو خیلی سادهتر میکنه.
┌ Pendulum
├ ✍️ Documentation
└ 🐱 GitHub-Repos
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛
👨🏻💻 اگه همیشه با کدنویسی تاریخ و زمان در پایتون درگیر بودی، وقتشه که Pendulum رو امتحان کنی!
✅ یه نسخه پیشرفتهتر از کتابخانهی datetime داخلی پایتون هست که کار رو خیلی سادهتر میکنه.
┌ Pendulum
├ ✍️ Documentation
└ 🐱 GitHub-Repos
🌐 #علم_داده #DataScience #Python #پایتون #هایتک #HiTech
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛
با این سایت میتونین هر چیزی رو که میخواین بنویسین و کدهاش رو به صورت HTML/CSS بگیرین
تازه همونجا هم میتونین خروجی کدهاتونو ببینین و هر تغییری که خواستین روش اعمال کنین😉
https://enzostvs-deepsite.hf.space/
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛
تازه همونجا هم میتونین خروجی کدهاتونو ببینین و هر تغییری که خواستین روش اعمال کنین😉
https://enzostvs-deepsite.hf.space/
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛
DeepSite
DeepSite | Build with AI ✨
DeepSite is a web development tool that helps you build websites with AI, no code required. Let's deploy your website with DeepSite and enjoy the magic of AI.
برترین کتابخونه های #پایتون برای توسعهی وب
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛
#Python #web #web_developer #Flask #Django #Fast_API #HiTech #هایتک
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛
👍1
بهترین کتابخونه های پایتون برای Automation 🤖
تجربه ی کار با کدومشون رو دارین؟ توی کامنتا بنویسین ❤️🙏
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛
تجربه ی کار با کدومشون رو دارین؟ توی کامنتا بنویسین ❤️🙏
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛
👍2
ابزارهای مختلف #پایتون ✅️
┏━━━━━━━━┓
〓@HiTech_Codes
┗━━━━━━━━┛
#علم_داده #DataScience #ML #هوش_مصنوعی #هایتک #HiTech
┏━━━━━━━━┓
〓@HiTech_Codes
┗━━━━━━━━┛
👍5
🔥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.
لینک ابزار 🚀
✅️خودمم استفاده میکنم حتما تستش کنین
خیلی عالیه👌
┏━━━━━━━━┓
〓@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.
لینک ابزار 🚀
✅️خودمم استفاده میکنم حتما تستش کنین
خیلی عالیه👌
┏━━━━━━━━┓
〓@HiTech_Codes
┗━━━━━━━━┛
👍5
👨💻 خداحافظی با دردسرهای استخراج متن از فایلهای pdf!
👨🏻💻 اگه تا حالا خواستی از یه فایل pdf متنی رو بکشی بیرون، احتمالاً با این مشکل روبرو شدی که یه عالمه هدر، فوتر و شماره صفحه هم قاطی متن اصلی میشه! واقعاً اعصاب خورد کنه.
✅ خوشبختانه تو کتابخونه pypdf یه قابلیت به اسم visitor_text هست که دقیقاً برای همین کار ساخته شده:
💬 با استفاده ازش میتونی شرط بذاری. مثلاً فقط متنهایی که فونتشون از یه حدی بزرگتره استخراج بشن و همون بخشهای اضافی و مزاحم رو هم فیلتر کنی.
💯 اینجوری هم خروجیت خیلی شستهرفتهتر میشه و هم میتونی ازش برای پردازش متن، خلاصهسازی یا آموزش مدلهای زبانی استفاده کنی.
pip install pypdf
┌ pypdf
├ 📖 Documentation
└ 🐱 GitHub-Repos
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛
👨🏻💻 اگه تا حالا خواستی از یه فایل pdf متنی رو بکشی بیرون، احتمالاً با این مشکل روبرو شدی که یه عالمه هدر، فوتر و شماره صفحه هم قاطی متن اصلی میشه! واقعاً اعصاب خورد کنه.
✅ خوشبختانه تو کتابخونه pypdf یه قابلیت به اسم visitor_text هست که دقیقاً برای همین کار ساخته شده:
💬 با استفاده ازش میتونی شرط بذاری. مثلاً فقط متنهایی که فونتشون از یه حدی بزرگتره استخراج بشن و همون بخشهای اضافی و مزاحم رو هم فیلتر کنی.
💯 اینجوری هم خروجیت خیلی شستهرفتهتر میشه و هم میتونی ازش برای پردازش متن، خلاصهسازی یا آموزش مدلهای زبانی استفاده کنی.
pip install pypdf
┌ pypdf
├ 📖 Documentation
└ 🐱 GitHub-Repos
🌐 #علم_داده #DataScience #Python #pypdf #HiTech #هایتک
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛
👍2
❓️چطوری اعداد یک List رو به توان 2 برسونیم؟
راه حل معمولی VS راه حل #پایتون😉
┏━━━━━━━━┓
〓@HiTech_Codes
┗━━━━━━━━┛
راه حل معمولی VS راه حل #پایتون😉
┏━━━━━━━━┓
〓@HiTech_Codes
┗━━━━━━━━┛
👍2
اگه یه پادکست کل Git رو بهت آموزش بده چقدر براش هزینه میکنی؟🤔
Anonymous Poll
83%
150,000
11%
250,000
6%
بیشتر از 300,000
HiTech | آموزش پایتون و هوش مصنوعی pinned «اگه یه پادکست کل Git رو بهت آموزش بده چقدر براش هزینه میکنی؟🤔»