🔰 List Methods in Python

بیا با هم لیست متدهای پایتون رو مرور کنیم. این یکی از پرکاربردترین ساختارهای داده در پایتونه و دونستن متدهاش حسابی سرعت کدنویسیت رو بالا می‌بره.

📌 ایجاد لیست

ساده‌ترین راه تعریف لیست استفاده از براکت [] هست.

fruits = ["apple", "banana", "cherry"]
empty_list = []

🔧 متدهای اصلی

append() — اضافه کردن به انتها

یک آیتم به انتهای لیست اضافه می‌کنه.

fruits = ["apple", "banana"]
fruits.append("cherry")
print(fruits) # ['apple', 'banana', 'cherry']

extend() — اضافه کردن چند آیتم

چند آیتم از یک iterable رو به انتهای لیست اضافه می‌کنه.

fruits = ["apple", "banana"]
fruits.extend(["cherry", "date"])
print(fruits) # ['apple', 'banana', 'cherry', 'date']

insert() — اضافه کردن در موقعیت خاص

یک آیتم رو در اندیس مشخص قرار می‌ده.

fruits = ["apple", "cherry"]
fruits.insert(1, "banana")
print(fruits) # ['apple', 'banana', 'cherry']

🗑 متدهای حذف

remove() — حذف بر اساس مقدار

اولین occurrence از مقدار مشخص شده رو حذف می‌کنه.

fruits = ["apple", "banana", "cherry"]
fruits.remove("banana")
print(fruits) # ['apple', 'cherry']

pop() — حذف و بازگشت آیتم

آیتم در یک اندیس خاص رو حذف و برمی‌گردونه. اگه اندیس ندادی، آخرین آیتم رو حذف می‌کنه.

fruits = ["apple", "banana", "cherry"]
removed = fruits.pop(1)
print(removed) # banana
print(fruits) # ['apple', 'cherry']

clear() — خالی کردن لیست

تمام آیتم‌های لیست رو حذف می‌کنه.

fruits = ["apple", "banana", "cherry"]
fruits.clear()
print(fruits) # []

🔍 متدهای جستجو

index() — پیدا کردن اندیس

اندیس اولین occurrence از مقدار مورد نظر رو برمی‌گردونه.

fruits = ["apple", "banana", "cherry"]
print(fruits.index("cherry")) # 2

count() — شمارش تعداد تکرار

تعداد تکرار یک مقدار در لیست رو می‌شماره.

nums = [1, 2, 2, 3, 2, 4]
print(nums.count(2)) # 3

📊 متدهای مرتب‌سازی و معکوس کردن

sort() — مرتب‌سازی درجا

لیست رو به ترتیب صعودی مرتب می‌کنه. با reverse=True نزولی می‌شه.

nums = [3, 1, 4, 1, 5, 9, 2]
nums.sort()
print(nums) # [1, 1, 2, 3, 4, 5, 9]

nums.sort(reverse=True)
print(nums) # [9, 5, 4, 3, 2, 1, 1]

reverse() — معکوس کردن

ترتیب آیتم‌های لیست رو برعکس می‌کنه.

fruits = ["apple", "banana", "cherry"]
fruits.reverse()
print(fruits) # ['cherry', 'banana', 'apple']

📋 متدهای کپی

copy() — کپی سطحی

یه کپی از لیست برمی‌گردونه.

original = [1, 2, 3]
new_list = original.copy()
print(new_list) # [1, 2, 3]

💡 نکات تکمیلی مهم

عملگر in برای بررسی وجود:

fruits = ["apple", "banana", "cherry"]
print("banana" in fruits) # True

عملگر + برای اتصال:

list1 = [1, 2]
list2 = [3, 4]
print(list1 + list2) # [1, 2, 3, 4]

عملگر * برای تکرار:

print([0] * 4) # [0, 0, 0, 0]

List Comprehension — روش پایتونی:

squares = [x**2 for x in range(5)]
print(squares) # [0, 1, 4, 9, 16]

len() برای گرفتن طول:

print(len([1, 2, 3])) # 3
min() و max():
nums = [3, 1, 4, 1, 5, 9, 2]
print(min(nums)) # 1
print(max(nums)) # 9

🆔 @python4all_pro


🧩لینک کانال در بله 👇👇
https://ble.ir/Python4all_pro

🐍 همه چیز درمورد یادگیری Typing در پایتون! 🐍

اگه می‌خوای کد Pythonت رو حرفه‌ای‌تر، امن‌تر و قابل نگهداری‌تر کنی، یادگیری Type Annotations یکی از مهم‌ترین قدم‌هاست. این ریپو یه آرشیو کامل و دسته‌بندی‌شده از بهترین منابع یادگیری typing در Python هست.

این مخزن شامل بهترین مقالات، کتاب‌ها، ابزارها، کتابخانه‌ها و سایر منابع اختصاص داده شده به تایپ‌نویسی و استفاده از آن در پروژه‌های واقعی است. 💻📚

این هم لینک: GitHub
https://github.com/typeddjango/awesome-python-typing


🆔 @python4all_pro


🧩لینک کانال در بله 👇👇
https://ble.ir/Python4all_pro

اینجا تمام کد ها و آموزش های لازم برای تشخیص چهره و اشیا‌ توی عکس با پاییتون رو گذاشه و توی 3 ساعت کلش رو می تونید یاد بگیرید، کلی چیز آماده هم داره که در طول مسیر یادگیری به دردتون می‌خوره:

github.com/murtazahassan/Learn-OpenCV-in-3-hours

@python4all_pro

دوستان کانال بله پایتون رو دنبال کنید.

اگه زمانی اینترنت بین‌الملل محدود شد، ما همچنان از طریق بله کنارتون هستیم و آموزشها رو از همون‌جا ادامه می‌دیم.💙

https://ble.ir/Python4all_pro

فریمورک Pytest چیه
یه ابزار تست برای پایتونه که کدها رو خیلی ساده و خوانا می‌کنه. معمولاً هر وقت یه برنامه‌نویس پایتون می‌خواد مطمئن بشه کدش درست کار می‌کنه، ازش استفاده می‌کنه.

🔹 چرا محبوبه؟

سینتکس خیلی ساده و تمیز

پیام خطای واضح نشون میده

پلاگین‌های فراوون داره

هم برای پروژه‌های کوچیک و هم بزرگ مناسبه

🔹 یه مثال ساده:

# math_tools.py
def add(a, b):
return a + b# test_math_tools.py
from math_tools import add

def test_add():
assert add(2, 3) == 5
assert add(-1, 1) == 0

بعد فقط می‌زنی:
pytest
و خودش همه‌ی تست‌ها رو اجرا می‌کنه و می‌گه کدوم رد شد، کدوم شکست خورد.

🔗 لینک‌ها:

🌎 سایت رسمی: https://docs.pytest.org

🐱 گیت‌هاب: https://github.com/pytest-dev/pytest

📦 PyPI: https://pypi.org/project/pytest/


🆔 @python4all_pro


🧩لینک کانال در بله 👇👇
https://ble.ir/Python4all_pro

‼️ فقط با ۱۱۹ هزار تومن، مهارت جدید یاد بگیر ‼️
 
♨️ قیمت استثنایی برای ۶۰۰ دوره آموزشیِ فرادرس
 
📣 برای مشاهده آموزش‌های هر دسته بندی، روی عنوان مورد نظر کلیک کنید: 👇
 
✅ هوش مصنوعی  | برنامه نویسی
 
✅ علوم کامپیوتر و شبکه | پایتون
 
✅ زبان‌های خارجی  | اکسل Excel
 
✅ بازاریابی و کسب و کار  | بازارهای مالی
 
✅ مهارت‌های عمومی  | طراحی سایت
 
🔗 لیست تمامی ۶۰۰ آموزش - [کلیک کنید]

🔄 FaraDars - فرادرس

📕 کتاب«GenAI با پایتون و PyTorch» — چاپ دوم، مارس ۲۰۲۵

👨🏻‍💻 اگه از کتابایی خسته شدی که فقط تئوری می‌گن و آخرش نمی‌دونی چطوری کد بزنی، وقتشه با این کتاب آشنا بشی.

📚 چاپ دوم این کتاب (مارس ۲۰۲۵) یه بازنویسی کامله: از TensorFlow به PyTorch مهاجرت کرده، مدل‌های LLM و Diffusion رو هم اضافه کرده و کل چرخه‌ی آموزش رو پوشش میده.

🧠 توش چی پیدا میشه؟

🔸 فصل ۱–۲: پایه‌ها
؛GenAI چیه و چطوری با Midjourney، DALL-E و ChatGPT زندگی‌مون رو عوض کرده
🔸 فصل ۳–۵: NLP و Transforme
🔸 فصل ۶–۷: Open-Source LLM و Prompt Engineering
🔸 فصل ۸–۱۰: Multimodal
🔸 فصل ۱۱–۱۲: VAE و GAN
🔸 فصل ۱۳–۱۴: Style Transfer و Deepfakes

چرا این کتاب خاصه؟

✅ انتقال از تئوری به کد در یه فصل — فرمول ریاضی می‌بینی، بعد بلافاصله PyTorch پیاده‌سازیش می‌کنی
✅ پروژه‌های واقعی — ترجمه، نقد فیلم، Deepfake، Style Transfer
✅ ۴۵۴ صفحه پر از تمرین و کد عملی
✅ استفاده از Google Colab — نیازی به GPU گرون نداری
✅ ترکیب PyTorch + جامعه‌ی اوپن‌سورس — همه‌چیز قابل اجراست

گیت هاب

🆔 @python4all_pro


🧩لینک کانال در بله 👇👇
https://ble.ir/Python4all_pro

معرفی کتابخانه پایتونی xy (توسعه‌یافته توسط تیم Reflex)؛ یک جایگزین متن‌باز و فوق‌سریع برای Matplotlib، Plotly و Bokeh که با زبان Rust نوشته شده و در رندر ۱۰ میلیون نقطه داده، عملکردی بی‌نظیر از خود نشان می‌دهد.

عملکرد محاسباتی (بنچمارک رسمی ۱۰ میلیون نقطه):

🔹 XY ➡ ۰.۰۲۳ ثانیه
🔹 Matplotlib ➡ ۲.۷۸ ثانیه
🔹 Plotly ➡ ۹.۵۸ ثانیه

به این ترتیب، xy در مقایسه با Plotly تا ۴۱۳ برابر و در مقایسه با Matplotlib تا ۱۲۰ برابر سریع‌تر عمل می‌کند.

این کتابخانه علاوه بر امکان مصورسازی بلادرنگ در Jupyter Notebook و وب‌اپلیکیشن‌ها، از خروجی در قالب‌های PNG، HTML و PDF نیز پشتیبانی می‌کند.

نصب و راه‌اندازی
pip install xy

🔗 مستندات: reflex.dev/docs/xy/
🔗 گیت‌هاب: github.com/reflex-dev/xy

🆔 @python4all_pro


🧩لینک کانال در بله 👇👇
https://ble.ir/Python4all_pro

💢 ۶۰۰ آموزش ۱۱۹ هزار تومنی
 
➕ ۸۰٪ تخفیف برای سایر آموزش‌های فرادرس
 
✔️ در این طرح یادگیری، ۶۰۰ آموزش منتخب با قیمت ۱۱۹,۰۰۰ تومن در دسترس شماست و علاوه بر آن، سایر آموزش‌ها با ۸۰ درصد تخفیف قابل دریافت است.
 
👇 دسترسی آسان به منابع آموزشی 👇
 
🔗 [آموزش‌‌های هوش مصنوعی]
 
🔗 [تمامی آموزش‌های ۱۱۹ هزار تومنی]
 
برای مشاهده سایر آموزش‌ها و استفاده از تخفیف ۸۰ درصدی، روی لینک زیر کلیک کنید:
 
🔗 [مشاهده سایر آموزش‌ها]

🔄 FaraDars - فرادرس

🎙صدایتان، امضایِ شخصیت شماست؛ آن را حرفه‌ای بسازید!

🔹️آیا می‌دانستید اولین چیزی که از شما در ذهن دیگران حک می‌شود، نه چهره، که «طنینِ صدای» شماست؟ صدا فقط مجموعه‌ای از کلمات نیست؛ ابزاری قدرتمند برای نفوذ، رهبری و متقاعد کردن است.

🔹️خیلی‌ها تصور می‌کنند صدایِ خوب یک «موهبتِ خدادادی» است؛ اما حقیقت این است که صدا «عضله‌ای» است که با تمرین و تکنیک پرورش می‌یابد. در 《دوره تخصصی صدا در مؤسسه فرهنگی هنری کوروش》، ما به شما کمک می‌کنیم تا:

✅ طنینِ گمشده‌تان را پیدا کنید و از حنجره به عنوان یک سازِ قدرتمند استفاده کنید.
✅ اضطرابِ هنگام صحبت را به اعتماد به نفسِ کلامی تبدیل کنید.
✅ بیاموزید چطور با کلامتان، بر قلبِ مخاطب تأثیر بگذارید.

👈اگر می‌خواهید در سخنرانی‌ها، جلساتِ کاری یا اجراهای هنری، صدایتان «شنیده» شود و نه فقط «گوش داده»، این دوره نقطه شروعِ تحولِ شماست.

🔹️شروع دوره: جمعه ۲۳ مردادماه ۱۴۰۵
📩 جهت اطلاع از شرایط ثبت‌نام، در واتس اپ پیام ارسال نمایید.

https://wa.me/+989199129972
----------
#صداسازی #فن_بیان #اعتماد_به_نفس #قدرت_بیان #آموزش_بازیگری #موسسه_فرهنگی_هنری_کوروش
https://t.me/kourosh_ci_ac

📘 هندبوک مصاحبه‌های پایتون - راهنمای متخصصین هوش مصنوعی

نویسنده: Balawant Kadam
📑 فهرست ۱۰ فصل:

مبانی پایتون (۴۰ سوال)
برنامه‌نویسی شیءگرا (۲۵ سوال)
پایتون پیشرفته (۲۵ سوال)
ساختمان داده و الگوریتم‌ها (۲۰ سوال)
NumPy و Pandas (۳۰ سوال)
یادگیری ماشین با پایتون (۲۵ سوال)
یادگیری عمیق (۲۰ سوال)
هوش مصنوعی مولد و مدل‌های زبانی بزرگ (۴۰ سوال)
سوالات کدنویسی مصاحبه
مرور سریع و چیت‌شیت‌ها

🔍 نمونه سوالات و پاسخ‌های کلیدی
.
این هندبوک با تمرکز ویژه برای متخصصین هوش مصنوعی طراحی شده و تمام مفاهیم رو هم از نظر تئوری و هم از نظر پیاده‌سازی پوشش می‌ده. تعداد کل سوالات به ۲۲۵ سوال می‌رسه که هر کدوم با توضیح و نکته کلیدی همراه هستن.

🆔 @python4all_pro