# پیدا کردن اولین عدد فرد
numbers = [2, 4, 6, 8, 7, 9, 12]
for num in numbers:
if num % 2 != 0: # بررسی عدد فرد
print("اولین عدد فرد پیدا شد :", num)
break # خروج از حلقه
# پیدا کردن اولین عدد زوج
numbers = [21, 43, 6, 8, 3, 1, 7, 9, 12, 45, 13, 67]
for num in numbers:
if num % 2 == 0: # بررسی عدد زوج
print("اولین عدد زوج پیدا شد :", num)
break # خروج از حلقه
numbers = [2, 4, 6, 8, 7, 9, 12]
for num in numbers:
if num % 2 != 0: # بررسی عدد فرد
print("اولین عدد فرد پیدا شد :", num)
break # خروج از حلقه
# پیدا کردن اولین عدد زوج
numbers = [21, 43, 6, 8, 3, 1, 7, 9, 12, 45, 13, 67]
for num in numbers:
if num % 2 == 0: # بررسی عدد زوج
print("اولین عدد زوج پیدا شد :", num)
break # خروج از حلقه
Media is too big
VIEW IN TELEGRAM
چطور میشه اولین عدد فرد یا اولین عدد زوج رو از داخل یک لیست پیدا کرد.
🔹 توضیح کد اول (پیدا کردن اولین عدد فرد):
یک لیست از اعداد داریم: numbers = [2, 4, 6, 8, 7, 9, 12]
با استفاده از یک حلقه for، هر عدد (num) رو یکییکی بررسی میکنیم.
شرط میذاریم: if num % 2 != 0: یعنی اگر باقیمانده تقسیم عدد بر ۲ برابر با صفر نبود ⇒ عدد فرده.
وقتی اولین عدد فرد پیدا شد، چاپش میکنیم و با دستور break از حلقه خارج میشیم.
✅ خروجی این کد میشه:
اولین عدد فرد پیدا شد : 7
🔹 توضیح کد دوم (پیدا کردن اولین عدد زوج):
لیست جدید داریم: numbers = [21, 43, 6, 8, 3, 1, 7, 9, 12, 45, 13, 67]
دوباره حلقه for میذاریم و تکتک اعداد بررسی میشن.
این بار شرط میذاریم: if num % 2 == 0: یعنی اگر باقیمانده تقسیم عدد بر ۲ برابر با صفر بود ⇒ عدد زوجه.
اولین عدد زوج پیدا بشه چاپ میکنیم و با break از حلقه خارج میشیم.
✅ خروجی این کد میشه:
اولین عدد زوج پیدا شد : 6
🔹 نسخه کامل کد
🔹 توضیح کد اول (پیدا کردن اولین عدد فرد):
یک لیست از اعداد داریم: numbers = [2, 4, 6, 8, 7, 9, 12]
با استفاده از یک حلقه for، هر عدد (num) رو یکییکی بررسی میکنیم.
شرط میذاریم: if num % 2 != 0: یعنی اگر باقیمانده تقسیم عدد بر ۲ برابر با صفر نبود ⇒ عدد فرده.
وقتی اولین عدد فرد پیدا شد، چاپش میکنیم و با دستور break از حلقه خارج میشیم.
✅ خروجی این کد میشه:
اولین عدد فرد پیدا شد : 7
🔹 توضیح کد دوم (پیدا کردن اولین عدد زوج):
لیست جدید داریم: numbers = [21, 43, 6, 8, 3, 1, 7, 9, 12, 45, 13, 67]
دوباره حلقه for میذاریم و تکتک اعداد بررسی میشن.
این بار شرط میذاریم: if num % 2 == 0: یعنی اگر باقیمانده تقسیم عدد بر ۲ برابر با صفر بود ⇒ عدد زوجه.
اولین عدد زوج پیدا بشه چاپ میکنیم و با break از حلقه خارج میشیم.
✅ خروجی این کد میشه:
اولین عدد زوج پیدا شد : 6
🔹 نسخه کامل کد
This media is not supported in your browser
VIEW IN TELEGRAM
# ✅ اتوماسیون ساده با کتابخانه schedule
# وارد کردن کتابخانههای لازم
import schedule
import time
# تعریف تابعی که قرار است بهصورت زمانبندیشده اجرا شود
def greet():
print("👋 Hello! Time to learn Python!")
# زمانبندی اجرای تابع greet هر ۵ ثانیه
schedule.every(5).seconds.do(greet)
# حلقه بینهایت برای بررسی و اجرای وظایف زمانبندیشده
while True:
schedule.run_pending() # اجرای وظایف در صف
time.sleep(1) # مکث ۱ ثانیهای برای جلوگیری از مصرف زیاد منابع
# وارد کردن کتابخانههای لازم
import schedule
import time
# تعریف تابعی که قرار است بهصورت زمانبندیشده اجرا شود
def greet():
print("👋 Hello! Time to learn Python!")
# زمانبندی اجرای تابع greet هر ۵ ثانیه
schedule.every(5).seconds.do(greet)
# حلقه بینهایت برای بررسی و اجرای وظایف زمانبندیشده
while True:
schedule.run_pending() # اجرای وظایف در صف
time.sleep(1) # مکث ۱ ثانیهای برای جلوگیری از مصرف زیاد منابع
✅ اتوماسیون ساده در پایتون با کتابخانه schedule
گاهی وقتها دوست داریم بعضی کارها بهصورت خودکار و زمانبندیشده انجام بشن. مثلاً:
هر روز صبح یک پیام خوشآمد چاپ بشه
هر چند ثانیه یک کار تستی اجرا بشه
یا حتی بکاپ گرفتن از فایلها و ارسال گزارش
در پایتون، یکی از سادهترین ابزارها برای این کار، کتابخانهی schedule هست.
نصب کتابخانه
نمونهی ساده
🔹 خروجی: هر ۵ ثانیه یک بار پیام چاپ میشه.
مثال پیشرفتهتر
مزایا
✨ سادگی و خوانایی بالا (نیاز به پیچیدگی نداره)
🛠 انعطافپذیری (ثانیهای، دقیقهای، روزانه، یا حتی روز خاص هفته)
💡 جایگزین سبک برای cron مخصوصاً در ویندوز یا پروژههای کوچک
🔗 قابل ترکیب با هر اسکریپت پایتونی (مثلاً ارسال ایمیل، اسکرپینگ، بکاپ و …)
⚠️ محدودیتها
مناسب پروژههای کوچک یا شخصی هست
در سطح production بهتره از ابزارهایی مثل APScheduler یا Celery استفاده بشه
اسکریپت باید همیشه در حال اجرا باشه (در غیر این صورت کارها متوقف میشن)
✅ با همین چند خط کد میتونی اتوماسیون سبک و سریع برای کارهای روزمرهات داشته باشی.
گاهی وقتها دوست داریم بعضی کارها بهصورت خودکار و زمانبندیشده انجام بشن. مثلاً:
هر روز صبح یک پیام خوشآمد چاپ بشه
هر چند ثانیه یک کار تستی اجرا بشه
یا حتی بکاپ گرفتن از فایلها و ارسال گزارش
در پایتون، یکی از سادهترین ابزارها برای این کار، کتابخانهی schedule هست.
نصب کتابخانه
pip install schedule نمونهی ساده
import schedule import time # تابعی که قراره بهصورت زمانبندیشده اجرا بشه def greet(): print("👋 Hello! Time to learn Python!") # اجرای تابع هر ۵ ثانیه schedule.every(5).seconds.do(greet) # حلقهی اصلی برای اجرای وظایف while True: schedule.run_pending() # اجرای کارهای آماده time.sleep(1) # مکث برای مصرف کمتر CPU 🔹 خروجی: هر ۵ ثانیه یک بار پیام چاپ میشه.
مثال پیشرفتهتر
import schedule import time def daily_task(): print("☀️ صبح بخیر! آمادهی شروع یک روز پایتونی باش!") def test_task(): print("✅ تست هر ۱۰ ثانیه") # اجرای روزانه ساعت ۸ صبح schedule.every().day.at("08:00").do(daily_task) # اجرای هر ۱۰ ثانیه schedule.every(10).seconds.do(test_task) while True: schedule.run_pending() time.sleep(1) مزایا
✨ سادگی و خوانایی بالا (نیاز به پیچیدگی نداره)
🛠 انعطافپذیری (ثانیهای، دقیقهای، روزانه، یا حتی روز خاص هفته)
💡 جایگزین سبک برای cron مخصوصاً در ویندوز یا پروژههای کوچک
🔗 قابل ترکیب با هر اسکریپت پایتونی (مثلاً ارسال ایمیل، اسکرپینگ، بکاپ و …)
⚠️ محدودیتها
مناسب پروژههای کوچک یا شخصی هست
در سطح production بهتره از ابزارهایی مثل APScheduler یا Celery استفاده بشه
اسکریپت باید همیشه در حال اجرا باشه (در غیر این صورت کارها متوقف میشن)
✅ با همین چند خط کد میتونی اتوماسیون سبک و سریع برای کارهای روزمرهات داشته باشی.
import schedule
import time
# تابعی که قراره بهصورت زمانبندیشده اجرا بشه
def greet():
print("👋 Hello! Time to learn Python!")
# اجرای تابع هر ۵ ثانیه
schedule.every(5).seconds.do(greet)
# حلقهی اصلی برای اجرای وظایف
while True:
schedule.run_pending() # اجرای کارهای آماده
time.sleep(1) # مکث برای مصرف کمتر CPU
import time
# تابعی که قراره بهصورت زمانبندیشده اجرا بشه
def greet():
print("👋 Hello! Time to learn Python!")
# اجرای تابع هر ۵ ثانیه
schedule.every(5).seconds.do(greet)
# حلقهی اصلی برای اجرای وظایف
while True:
schedule.run_pending() # اجرای کارهای آماده
time.sleep(1) # مکث برای مصرف کمتر CPU
import schedule
import time
def daily_task():
print("☀️ صبح بخیر! آمادهی شروع یک روز پایتونی باش!")
def test_task():
print("✅ تست هر ۱۰ ثانیه")
# اجرای روزانه ساعت ۸ صبح
schedule.every().day.at("08:00").do(daily_task)
# اجرای هر ۱۰ ثانیه
schedule.every(10).seconds.do(test_task)
while True:
schedule.run_pending()
time.sleep(1)
import time
def daily_task():
print("☀️ صبح بخیر! آمادهی شروع یک روز پایتونی باش!")
def test_task():
print("✅ تست هر ۱۰ ثانیه")
# اجرای روزانه ساعت ۸ صبح
schedule.every().day.at("08:00").do(daily_task)
# اجرای هر ۱۰ ثانیه
schedule.every(10).seconds.do(test_task)
while True:
schedule.run_pending()
time.sleep(1)
هوش مصنوعی در برنامهنویسی چطور کمک میکند؟
1. تولید و تکمیل خودکار کد
- هوش مصنوعی خطوط کد را بر اساس زمینه و الگوهای رایج پیشنهاد میدهد.
- ابزارهایی مثل GitHub Copilot و TabNine هنگام تایپ، ادامهی کد را با دقت بالا تکمیل میکنند.
- این قابلیت سرعت پیادهسازی توابع ساده و تکراری را تا ۳–۵ برابر افزایش میدهد.
2. کشف و رفع خودکار باگ و آسیبپذیری
- سیستمهای تحلیل استاتیک مثل DeepCode (تحت Snyk) کد را برای باگهای منطقی و ایرادات رایج بررسی میکنند.
- پیشنهادهای اصلاح خودکار برای رفع باگ یا جلوگیری از رخداد آن ارائه میشود.
- بسیاری از آسیبپذیریهای امنیتی مشهور (SQL Injection، XSS و…) در این مرحله شناسایی میشوند.
3. خودکارسازی تست و تضمین کیفیت
- AI قادر است تستهای واحد (unit tests) و تستهای یکپارچه (integration tests) را بر اساس رفتار تابعی بهصورت خودکار بسازد.
- پوشش (coverage) تست را ارزیابی و نقاط ضعف را برای اضافه کردن تست جدید پیشنهاد میدهد.
- کاهش بار ذهنی توسعهدهنده روی نوشتن و نگهداری تستها.
4. مستندسازی هوشمند و ترجمه کد
- توضیحات توابع، کلاسها و APIها را بهصورت خودکار تولید میکند.
- قابلیت ترجمهی داکیومنت از یک زبان به زبان دیگر (مثلاً انگلیسی به فارسی) بدون افت کیفیت.
- تولید خلاصهی تغییرات (changelog) و مستندات توسعه مداوم.
5. بازسازی و بهینهسازی کد (Refactoring)
- پیشنهاد نامگذاری معنادار برای متغیرها و توابع با توجه به استانداردهای پروژه.
- شناسایی و حذف بخشهای زائد یا تکراری در کد.
- کمک به تبدیل کد از یک زبان به زبان دیگر یا به ورژن جدیدتر چارچوبها.
6. همکاری تیمی، مدیریت و پیشبینی پروژه
- اولویتبندی خودکار issueها بر اساس پیچیدگی و تأثیرشان روی کارفرما.
- پیشبینی مدتزمان تقریبی انجام هر تسک با دقت تحلیل تاریخی پروژههای مشابه.
- تحلیل احساسات کامنتها و PR reviews برای شناسایی نقاط اختلاف و بهبود ارتباط تیم.
نمونهی ابزارها بهصورت تعریف
- GitHub Copilot
ابزاری برای تکمیل خودکار کد و ارائه پیشنهادهای لحظهای هنگام نوشتن، بهگونهای که سرعت پیادهسازی توابع ساده و تکراری را تا چند برابر افزایش میدهد.
- Amazon CodeWhisperer
سیستمی که بر اساس توصیفهای زبانی ساده، قطعات کد تولید میکند و به شما کمک میکند بدون نوشتن جزئیات زیاد، بخشهای ابتدایی پروژه را سریعتر آماده کنید.
- DeepCode (Snyk)
پلتفرمی برای تحلیل استاتیک کد، کشف باگها و آسیبپذیریهای
1. تولید و تکمیل خودکار کد
- هوش مصنوعی خطوط کد را بر اساس زمینه و الگوهای رایج پیشنهاد میدهد.
- ابزارهایی مثل GitHub Copilot و TabNine هنگام تایپ، ادامهی کد را با دقت بالا تکمیل میکنند.
- این قابلیت سرعت پیادهسازی توابع ساده و تکراری را تا ۳–۵ برابر افزایش میدهد.
2. کشف و رفع خودکار باگ و آسیبپذیری
- سیستمهای تحلیل استاتیک مثل DeepCode (تحت Snyk) کد را برای باگهای منطقی و ایرادات رایج بررسی میکنند.
- پیشنهادهای اصلاح خودکار برای رفع باگ یا جلوگیری از رخداد آن ارائه میشود.
- بسیاری از آسیبپذیریهای امنیتی مشهور (SQL Injection، XSS و…) در این مرحله شناسایی میشوند.
3. خودکارسازی تست و تضمین کیفیت
- AI قادر است تستهای واحد (unit tests) و تستهای یکپارچه (integration tests) را بر اساس رفتار تابعی بهصورت خودکار بسازد.
- پوشش (coverage) تست را ارزیابی و نقاط ضعف را برای اضافه کردن تست جدید پیشنهاد میدهد.
- کاهش بار ذهنی توسعهدهنده روی نوشتن و نگهداری تستها.
4. مستندسازی هوشمند و ترجمه کد
- توضیحات توابع، کلاسها و APIها را بهصورت خودکار تولید میکند.
- قابلیت ترجمهی داکیومنت از یک زبان به زبان دیگر (مثلاً انگلیسی به فارسی) بدون افت کیفیت.
- تولید خلاصهی تغییرات (changelog) و مستندات توسعه مداوم.
5. بازسازی و بهینهسازی کد (Refactoring)
- پیشنهاد نامگذاری معنادار برای متغیرها و توابع با توجه به استانداردهای پروژه.
- شناسایی و حذف بخشهای زائد یا تکراری در کد.
- کمک به تبدیل کد از یک زبان به زبان دیگر یا به ورژن جدیدتر چارچوبها.
6. همکاری تیمی، مدیریت و پیشبینی پروژه
- اولویتبندی خودکار issueها بر اساس پیچیدگی و تأثیرشان روی کارفرما.
- پیشبینی مدتزمان تقریبی انجام هر تسک با دقت تحلیل تاریخی پروژههای مشابه.
- تحلیل احساسات کامنتها و PR reviews برای شناسایی نقاط اختلاف و بهبود ارتباط تیم.
نمونهی ابزارها بهصورت تعریف
- GitHub Copilot
ابزاری برای تکمیل خودکار کد و ارائه پیشنهادهای لحظهای هنگام نوشتن، بهگونهای که سرعت پیادهسازی توابع ساده و تکراری را تا چند برابر افزایش میدهد.
- Amazon CodeWhisperer
سیستمی که بر اساس توصیفهای زبانی ساده، قطعات کد تولید میکند و به شما کمک میکند بدون نوشتن جزئیات زیاد، بخشهای ابتدایی پروژه را سریعتر آماده کنید.
- DeepCode (Snyk)
پلتفرمی برای تحلیل استاتیک کد، کشف باگها و آسیبپذیریهای
🌟 برنامهنویس بودن یعنی...
نه فقط نوشتن کد.
برنامهنویس بودن یعنی دیدن دنیا به چشم یک سازنده.
یعنی:
💡 خلق کردن از هیچ
🔧 ساختن ابزار برای حل مسئله
🧠 رشد ذهن در هر باگ و چالش
⏳ صبر در مسیر یادگیری
🌍 تغییر دنیا با چند خط کد
برنامهنویسی فقط یک مهارت نیست،
یه طرز فکره. یه سبک زندگیه.
جایی که خلاقیت با منطق دست میدن و چیزهای شگفتانگیز میسازن.
اگه عاشق ساختنی، حل مسئله و رشد دائمی هستی...
برنامهنویسی مال توئه.
ما اینجاییم تا توی این مسیر کنارت باشیم،
برای یادگیری بهتر، رشد بیشتر و ساختن آیندهای که دوستش داری.
#برنامهنویسی #کدنویسی #زندگی_کدنویس #تفکر_خلاق #یادگیری_مداوم #ساختن #توسعه_فردی
نه فقط نوشتن کد.
برنامهنویس بودن یعنی دیدن دنیا به چشم یک سازنده.
یعنی:
💡 خلق کردن از هیچ
🔧 ساختن ابزار برای حل مسئله
🧠 رشد ذهن در هر باگ و چالش
⏳ صبر در مسیر یادگیری
🌍 تغییر دنیا با چند خط کد
برنامهنویسی فقط یک مهارت نیست،
یه طرز فکره. یه سبک زندگیه.
جایی که خلاقیت با منطق دست میدن و چیزهای شگفتانگیز میسازن.
اگه عاشق ساختنی، حل مسئله و رشد دائمی هستی...
برنامهنویسی مال توئه.
ما اینجاییم تا توی این مسیر کنارت باشیم،
برای یادگیری بهتر، رشد بیشتر و ساختن آیندهای که دوستش داری.
#برنامهنویسی #کدنویسی #زندگی_کدنویس #تفکر_خلاق #یادگیری_مداوم #ساختن #توسعه_فردی
This media is not supported in your browser
VIEW IN TELEGRAM
🎙️ تفاوت پرامپت در پایتون و هوش مصنوعی:
در پایتون، پرامپت علامت >>> یا ... است که نشان میدهد مفسر آماده دریافت کد جدید است.
در هوش مصنوعی، پرامپت همان متن ورودی است که شما به مدل میدهید؛ مثل یک سؤال، دستور، یا توضیح.
در پایتون، پرامپت علامت >>> یا ... است که نشان میدهد مفسر آماده دریافت کد جدید است.
در هوش مصنوعی، پرامپت همان متن ورودی است که شما به مدل میدهید؛ مثل یک سؤال، دستور، یا توضیح.
چی هست break؟
break یه دستوریه توی پایتون (و خیلی از زبانها) که وقتی توی یه حلقه (for یا while) هستی، میگه:
«همینجا بسه! دیگه نمیخوام ادامه بدم. از حلقه بزن بیرون!»
✅ چرا مهمه؟ کاربردش چیه؟
گاهی یه شرطی توی حلقه هست که اگه اون اتفاق افتاد، دیگه ادامه دادن به حلقه بیفایده یا اشتباهه.
اونجا break به کمکمون میاد. مثلاً:
* دنبال یه مقدار خاص میگردی، وقتی پیدا شد، دیگه ادامه نمیدی.
* یه شرط خاص اومد که باید اجرای حلقه رو قطع کنی.
🔍 یه مثال ساده:
numbers = [2, 4, 6, 7, 10, 12]
for num in numbers:
if num % 2 != 0: # اگر عدد فرد بود
print("اولین عدد فرد پیدا شد:", num)
break # از حلقه خارج شو
چی میکنه این کد؟
میگرده دنبال اولین عدد فرد داخل لیست. وقتی اون رو پیدا کرد (۷)، چاپش میکنه و break باعث میشه دیگه ادامه نده.
بدون break، حلقه تا ته ادامه پیدا میکرد.
🎯 حالا یه سؤال:
اگه ما break رو برنمیداشتیم، چی میشد توی این مثال؟
بهنظرت چه فرقی میکرد؟
📌 اگه میخوای پایتون و هوش مصنوعی رو حرفهای یاد بگیری، پیج ما رو دنبال کن و به دوستات هم معرفی کن.
🎯 هر روز کلی نکته و ترفند کاربردی!
#پایتون_نویسی
#هوش_مصنوعی
#پایتون
break یه دستوریه توی پایتون (و خیلی از زبانها) که وقتی توی یه حلقه (for یا while) هستی، میگه:
«همینجا بسه! دیگه نمیخوام ادامه بدم. از حلقه بزن بیرون!»
✅ چرا مهمه؟ کاربردش چیه؟
گاهی یه شرطی توی حلقه هست که اگه اون اتفاق افتاد، دیگه ادامه دادن به حلقه بیفایده یا اشتباهه.
اونجا break به کمکمون میاد. مثلاً:
* دنبال یه مقدار خاص میگردی، وقتی پیدا شد، دیگه ادامه نمیدی.
* یه شرط خاص اومد که باید اجرای حلقه رو قطع کنی.
🔍 یه مثال ساده:
numbers = [2, 4, 6, 7, 10, 12]
for num in numbers:
if num % 2 != 0: # اگر عدد فرد بود
print("اولین عدد فرد پیدا شد:", num)
break # از حلقه خارج شو
چی میکنه این کد؟
میگرده دنبال اولین عدد فرد داخل لیست. وقتی اون رو پیدا کرد (۷)، چاپش میکنه و break باعث میشه دیگه ادامه نده.
بدون break، حلقه تا ته ادامه پیدا میکرد.
🎯 حالا یه سؤال:
اگه ما break رو برنمیداشتیم، چی میشد توی این مثال؟
بهنظرت چه فرقی میکرد؟
📌 اگه میخوای پایتون و هوش مصنوعی رو حرفهای یاد بگیری، پیج ما رو دنبال کن و به دوستات هم معرفی کن.
🎯 هر روز کلی نکته و ترفند کاربردی!
#پایتون_نویسی
#هوش_مصنوعی
#پایتون
This media is not supported in your browser
VIEW IN TELEGRAM
🔹 تفاوت بین if، elif، و else در پایتون:
if:
اولین شرطی که بررسی میشود. اگر درست باشد، اجرا میشود و دیگر شرطها نادیده گرفته میشوند.
elif:
مخفف "else if" است. فقط زمانی بررسی میشود که شرط قبلی (if یا elif قبلی) درست نباشد. میتوان چند بار از elif استفاده کرد.
else:
هیچ شرطی ندارد. فقط زمانی اجرا میشود که هیچکدام از شرطهای قبلی درست نباشند. فقط یک بار و در انتهای بلوک استفاده میشود.
🧠 خلاصه:
فقط یکی از مسیرها اجرا میشود.
اول if بررسی میشود، اگر برقرار نبود، elifها بررسی میشوند.
اگر هیچکدام برقرار نبود، else اجرا میشود.
if:
اولین شرطی که بررسی میشود. اگر درست باشد، اجرا میشود و دیگر شرطها نادیده گرفته میشوند.
elif:
مخفف "else if" است. فقط زمانی بررسی میشود که شرط قبلی (if یا elif قبلی) درست نباشد. میتوان چند بار از elif استفاده کرد.
else:
هیچ شرطی ندارد. فقط زمانی اجرا میشود که هیچکدام از شرطهای قبلی درست نباشند. فقط یک بار و در انتهای بلوک استفاده میشود.
🧠 خلاصه:
فقط یکی از مسیرها اجرا میشود.
اول if بررسی میشود، اگر برقرار نبود، elifها بررسی میشوند.
اگر هیچکدام برقرار نبود، else اجرا میشود.
This media is not supported in your browser
VIEW IN TELEGRAM
🔷️یک تمرین چالشی
names = input("Enter names separated by space:✨️ ").split()
for name in names:
if len(name) > 5:
print(name)
#پایتون #هوش_مصنوعی #ai
names = input("Enter names separated by space:✨️ ").split()
for name in names:
if len(name) > 5:
print(name)
#پایتون #هوش_مصنوعی #ai
This media is not supported in your browser
VIEW IN TELEGRAM
....
🚀 میخوای تو دنیای هوش مصنوعی و علم داده بدرخشی؟
اینجا ۸ تا از مهمترین ابزارهای پایتون رو برات آوردم که هرکدوم یه قهرمان تو زمینه خودشونه! 👇
🔢 NumPy – قلب محاسبات عددی
📊 Pandas – سلطان تحلیل داده
📈 Matplotlib – استاد رسم نمودار
🧪 SciPy – ابزار پیشرفته برای مسائل علمی
🧠 Scikit-learn – یادگیری ماشین آسون و سریع
🔥 PyTorch / TensorFlow – برای ساخت مدلهای هوش مصنوعی حرفهای
🌐 OpenCV – پردازش تصویر با قدرت بالا
📦 Statsmodels – تحلیل آماری دقیق
💡 هر کدوم دنیایی از امکانات دارن. اگه میخوای حرفهای شی، از این ابزارها غافل نشو!
🧠 یادت نره:
مدل خوب بدون داده خوب، مثل مغز بدون تجربهست—هیچ کاری ازش بر نمیاد.
📌 ذخیره کن ✅
📤 با دوست برنامهنویست به اشتراک بذار 💬
#پایتون#کتابخانه#هوش_مصنوعی_و_آینده
🚀 میخوای تو دنیای هوش مصنوعی و علم داده بدرخشی؟
اینجا ۸ تا از مهمترین ابزارهای پایتون رو برات آوردم که هرکدوم یه قهرمان تو زمینه خودشونه! 👇
🔢 NumPy – قلب محاسبات عددی
📊 Pandas – سلطان تحلیل داده
📈 Matplotlib – استاد رسم نمودار
🧪 SciPy – ابزار پیشرفته برای مسائل علمی
🧠 Scikit-learn – یادگیری ماشین آسون و سریع
🔥 PyTorch / TensorFlow – برای ساخت مدلهای هوش مصنوعی حرفهای
🌐 OpenCV – پردازش تصویر با قدرت بالا
📦 Statsmodels – تحلیل آماری دقیق
💡 هر کدوم دنیایی از امکانات دارن. اگه میخوای حرفهای شی، از این ابزارها غافل نشو!
🧠 یادت نره:
مدل خوب بدون داده خوب، مثل مغز بدون تجربهست—هیچ کاری ازش بر نمیاد.
📌 ذخیره کن ✅
📤 با دوست برنامهنویست به اشتراک بذار 💬
#پایتون#کتابخانه#هوش_مصنوعی_و_آینده
This media is not supported in your browser
VIEW IN TELEGRAM
.
.
nums = [1, 2, 3]
chars = ['a', 'b', 'c']
nested = [nums, chars]
nested[0][1] = 22
print(nested)
# خروجی: [[1, 22, 3], ['a', 'b', 'c']]
نکته: چون nums قابل تغییره و در nested استفاده شده، هر تغییری در nums، در nested هم دیده میشه!
.
nums = [1, 2, 3]
chars = ['a', 'b', 'c']
nested = [nums, chars]
nested[0][1] = 22
print(nested)
# خروجی: [[1, 22, 3], ['a', 'b', 'c']]
نکته: چون nums قابل تغییره و در nested استفاده شده، هر تغییری در nums، در nested هم دیده میشه!
This media is not supported in your browser
VIEW IN TELEGRAM
نوشتن دادهها در فایل متنی با استفاده از رمزگذاری UTF-8؛ روشی استاندارد برای ثبت اطلاعات بهصورت خطبهخط.
with open('sample.txt', 'w', encoding='utf-8') as f:
f.write("Line 1\n")
f.write("Line 2\n")
with open('sample.txt', 'w', encoding='utf-8') as f:
f.write("Line 1\n")
f.write("Line 2\n")
✦ پایان دوره مقدماتی پایتون ✦
با سلام و احترام 🌹
خدا قوت عرض میکنم خدمت همه همراهان گرامی و همشهریان عزیز و بااستعداد 🌷✨
امروز، پس از یک دوره پُر شور و هیجانانگیز برای یادگیری زبان پایتون ـ که یکی از مهمترین و تأثیرگذارترین زبانهای برنامهنویسی در دنیای فناوری و بهویژه هوش مصنوعی است ـ به ایستگاه پایانی دوره مقدماتی رسیدیم. 🌸💻
در طول این مسیر، شاهد تلاش، پشتکار، خلاقیت و علاقهمندی فراوان شما عزیزان بودیم. من به استعداد و توانایی تکتک شما باور و اعتماد دارم 🌺🌼؛ فقط کافی است با آموزش گامبهگام و استمرار در مسیر، پیش بروید تا به بهترین نتایج و موفقیتهای بزرگ دست پیدا کنید.
امیدواریم با همین انگیزه و توان، در دورههای پایتون متوسط و پیشرفته که به زودی برگزار خواهد شد، با قدرت بیشتری در کنار هم ادامه دهیم و آیندهای روشنتر برای خودمان و برای کشور عزیزمان ایران بسازیم. 🇮🇷✨
با سلام و احترام 🌹
خدا قوت عرض میکنم خدمت همه همراهان گرامی و همشهریان عزیز و بااستعداد 🌷✨
امروز، پس از یک دوره پُر شور و هیجانانگیز برای یادگیری زبان پایتون ـ که یکی از مهمترین و تأثیرگذارترین زبانهای برنامهنویسی در دنیای فناوری و بهویژه هوش مصنوعی است ـ به ایستگاه پایانی دوره مقدماتی رسیدیم. 🌸💻
در طول این مسیر، شاهد تلاش، پشتکار، خلاقیت و علاقهمندی فراوان شما عزیزان بودیم. من به استعداد و توانایی تکتک شما باور و اعتماد دارم 🌺🌼؛ فقط کافی است با آموزش گامبهگام و استمرار در مسیر، پیش بروید تا به بهترین نتایج و موفقیتهای بزرگ دست پیدا کنید.
امیدواریم با همین انگیزه و توان، در دورههای پایتون متوسط و پیشرفته که به زودی برگزار خواهد شد، با قدرت بیشتری در کنار هم ادامه دهیم و آیندهای روشنتر برای خودمان و برای کشور عزیزمان ایران بسازیم. 🇮🇷✨