پایتون | Data Science | Machine Learning
24.6K subscribers
620 photos
79 videos
122 files
494 links
◀️اینجا با تمرین و چالش با هم پایتون رو یاد می گیریم

بانک اطلاعاتی پایتون
پروژه / code/ cheat sheet
+ویدیوهای آموزشی

+کتابهای پایتون
تبلیغات:
@alloadv

🔁ادمین :
@maryam3771
Download Telegram
🔰 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
3
🐍 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
👾1
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
1
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
4👍2
GenAI with Python & PyTorch.pdf
6.5 MB
📕 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
1❤‍🔥1👍1🔥1
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
❤‍🔥11👍1
Python Interview Handbook.pdf
277 KB
📘 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
3
🔢 Must Know Python-Pandas Operations for working with Data


🐍 اگه با پایتون کار می‌کنی و کلی داده داری، این اینفوگرافیک یه خلاصه طلاییه از اون دستورهای Pandas که واقعاً به‌دردت می‌خوره. از خوندن فایل و پاک‌سازی داده گرفته تا فیلتر، گروه‌بندی و محاسبات آماری. همه چیز یه‌جا جمع شده تا مجبور نباشی هر بار سرچ کنی.

💡 چرا Pandas؟
چون کار با دیتاست‌های بزرگ رو ساده می‌کنه، مخصوصاً وقتی با Excel، CSV یا دیتابیس سروکار داری.

🆔 @python4all_pro


🧩لینک کانال در بله 👇👇
https://ble.ir/Python4all_pro
2👍1
🔰 10 python one liners


چطور با یه خط کد می‌تونی کارای معمول برنامه‌نویسی رو تموم کنی؛ از ساختن دیکشنری و مرتب‌سازی لیست گرفته تا خوندن فایل و کار با stringها.

💡 این تک‌خطی‌ها کمکت می‌کنن سریع‌تر prototype بزنی، کد کمتری بنویسی و در عین حال خوانایی کدت حفظ بشه.


🆔 @python4all_pro


🧩لینک کانال در بله 👇👇
https://ble.ir/Python4all_pro
2
Forwarded from FaraDars_Course
🔥 تخفیف ويژه اشتراک فرادرس برای اعضای همین کانال — ظرفیت محدود
 
با اشتراک فرادرس، به بیش از ۱۸,۰۰۰ آموزش در موضوعات مختلف دسترسی دارید؛ از دروس دانشگاهی و کنکور تا برنامه‌نویسی، هوش مصنوعی، نرم‌افزارهای تخصصی، مهارت‌های شغلی، کسب‌وکار، هنر و ده‌ها حوزه دیگر.
 
قیمت فعلی اشتراک یک ساله با ۷۵٪ تخفیف:
۱,۹۸۰,۰۰۰ تومان
 
اشتراک یک ساله با قیمت ویژه:
۱,۶۹۰,۰۰۰ تومان
 
🔴 ظرفیت: ۱۵۰ نفر
 
🎁 کد تخفیف ویژه اعضای کانال: FSTE21G
 
همین حالا اشتراک خود را با تخفیف ویژه فعال کنید: 👇
 
🔗 فعال‌سازی اشتراک فرادرس – کلیک کنید

🔄 FaraDars - فرادرس