پایتون ( Machine Learning | Data Science )
23.6K subscribers
468 photos
57 videos
103 files
335 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
📚 آموزش الگوریتمی برای حل مسائل پیچیده ریاضی در پایتون 📚

سلام دوستان! امروز می‌خوایم یاد بگیریم چطور یک الگوریتم برای حل مسائل پیچیده ریاضی رو در پایتون پیاده‌سازی کنیم. این آموزش برای کسانی که می‌خوان اصول پایه حل مسائل ریاضی با استفاده از الگوریتم‌ها رو بفهمند بسیار مناسب هست.

1. تنظیمات اولیه 🛠️
ابتدا نیاز داریم که کتابخانه‌های ضروری پایتون رو وارد کنیم. برای این کار از کتابخانه‌ی math و numpy استفاده می‌کنیم.

نصب numpy
برای نصب numpy از دستور زیر استفاده کنید:
pip install numpy

2. ایجاد توابع مورد نیاز 📋
برای حل مسائل پیچیده ریاضی، نیاز به برخی توابع پایه‌ای داریم. در اینجا الگوریتمی برای حل معادلات خطی با استفاده از روش گاوس-ژردن (Gaussian Elimination) رو پیاده‌سازی می‌کنیم.

حل معادلات خطی با استفاده از روش گاوس-ژردن
import numpy as np

def gaussian_elimination(A, b):
n = len(b)
M = A

for i in range(n):
M[i] = M[i] / M[i, i]
b[i] = b[i] / M[i, i]
for j in range(i + 1, n):
ratio = M[j, i]
M[j] = M[j] - ratio * M[i]
b[j] = b[j] - ratio * b[i]

x = np.zeros(n)
for i in range(n - 1, -1, -1):
x[i] = b[i] - np.dot(M[i, i + 1:], x[i + 1:])
return x

3. تست الگوریتم 📈
حالا که الگوریتم رو پیاده‌سازی کردیم، می‌تونیم اون رو تست کنیم.

تعریف ماتریس A و بردار b
A = np.array([[2, 1, -1],
[-3, -1, 2],
[-2, 1, 2]], dtype=float)

b = np.array([8, -11, -3], dtype=float)

solution = gaussian_elimination(A, b)
print("راه‌حل معادلات:")
print(solution)

4. مزایا و کاربردهای استفاده از الگوریتم گاوس-ژردن

مزایا:
1. دقت بالا: روش گاوس-ژردن دقت بالایی در حل معادلات خطی دارد.
2. سرعت: این الگوریتم نسبت به روش‌های دیگر برای حل سیستم‌های خطی سریع‌تر عمل می‌کند.
3. سادگی پیاده‌سازی: الگوریتم گاوس-ژردن ساده و قابل فهم است و پیاده‌سازی آن پیچیدگی زیادی ندارد.

کاربردها:
1. حل مسائل فیزیک و مهندسی: این الگوریتم در حل مسائل مختلف فیزیک و مهندسی که به حل سیستم‌های خطی نیاز دارند، استفاده می‌شود.
2. بهینه‌سازی: در بسیاری از مسائل بهینه‌سازی، حل معادلات خطی ضروری است و این الگوریتم کاربرد دارد.
3. مدل‌سازی مالی: در تحلیل‌های مالی و اقتصادی برای مدل‌سازی و پیش‌بینی از این الگوریتم استفاده می‌شود.

#Python #library

🆔 https://t.me/Python4all_pro
Adding a Watermark to a Plot in Matplotlib


#Code

🆔 @Python4all_pro
📚 آموزش ساخت سیستم مکان‌یابی ساده (GPS) در پایتون بدون ماژول‌های خارجی 📚

سلام دوستان! امروز می‌خوایم یاد بگیریم چطور یک سیستم مکان‌یابی ساده (GPS) رو بدون استفاده از هیچ ماژول خارجی در پایتون پیاده‌سازی کنیم. این آموزش برای کسانی که می‌خوان اصول پایه مکان‌یابی رو بفهمند بسیار مناسب هست.

1. تنظیمات اولیه 🛠️
ابتدا نیاز داریم که کتابخانه‌های ضروری پایتون رو وارد کنیم.

import math

2. ایجاد توابع مورد نیاز 📋
برای پیاده‌سازی سیستم GPS، نیاز به برخی توابع پایه‌ای داریم:

محاسبه فاصله بین دو نقطه جغرافیایی با استفاده از فرمول هاروسین
def haversine(lat1, lon1, lat2, lon2):
R = 6371 # شعاع زمین به کیلومتر
dlat = math.radians(lat2 - lat1)
dlon = math.radians(lon2 - lon1)
a = math.sin(dlat / 2) ** 2 + math.cos(math.radians(lat1)) * math.cos(math.radians(lat2)) * math.sin(dlon / 2) ** 2
c = 2 * math.atan2(math.sqrt(a), math.sqrt(1 - a))
distance = R * c
return distance

تعیین موقعیت جغرافیایی ی **📍
فرض کنیم چند موقعیت جغرافیایی داریم و می‌خواهیم فاصله بین آن‌ها را محاسبه کنیم.

locations = {
"location1": (35.6892, 51.3890), # تهران
"location2": (34.0522, -118.2437), # لس‌آنجلس
"location3": (48.8566, 2.3522) # پاریس
}

def calculate_distances(locations):
distances = {}
keys = list(locations.keys())
for i in range(len(keys)):
for j in range(i + 1, len(keys)):
loc1, loc2 = keys[i], keys[j]
lat1, lon1 = locations[loc1]
lat2, lon2 = locations[loc2]
distance = haversine(lat1, lon1, lat2, lon2)
distances[(loc1, loc2)] = distance
return distances

distances = calculate_distances(locations)
for loc_pair, dist in distances.items():
print(f"فاصله بین {loc_pair[0]} و {loc_pair[1]}: {dist:.2f} کیلومتر")



#Python #library

🆔 https://t.me/Python4all_pro
🆕 آخرین دوره جامع علم داده در تابستان 1403

📣 دوستان، آشنایان و همکاران خود را دانشگاه تهرانی کنید و هر سه تخفیف بگیرید!

🩷دوره ی ۳۵۰ ساعته( آنلاین و پروژه محور) مناسب تمامی مقاطع🩷

آموزش 16 سرفصل کاربردی با 12 ابزار و نرم افزار تخصصی

0️⃣2⃣🔣 تخفیف با شرایط اقساطی ویژه🎁

💯 بهره گیری از مطرحترین و برجسته ترین اساتید دیتایی👍

🎓 اعطای گواهی دوزبانه با قابلیت ترجمه رسمی و تحت نظارت وزارت علوم با امکان استعلام از دانشگاه تهران

ℹ️ اطلاعات بیشتر
https://tehrandata.org/courses/datascience

🔝 دریافت مشاوره رایگان جهت ثبت‌نام 🆓
👩‍💻 @tehrandata_admin
📞 09377516759
📱 کانال تلگرامی
🌐 واتساپ
🌐 لینکدین
📲 اینستا
🌐 وبسایت
Please open Telegram to view this post
VIEW IN TELEGRAM
🖥 removal

یک email validator بسیار سریع پایتون است که به زبان Rust نوشته شده است که عملکرد ۱۰۰ تا ۱۰۰۰ برابری را نسبت به اعتبارسنجی‌های استاندارد بهبود می‌بخشد.


Github



#python #programming #developer

💎 آموزش پایتون برای همه

🆔 @Python4all_pro
This media is not supported in your browser
VIEW IN TELEGRAM
📹Supervision

یک کتابخانه پایتون برای حل آسان انواع مشکلات بینایی کامپیوتر

🔗Links:
https://github.com/roboflow/supervision

📖Docs: https://roboflow.github.io/supervision/




#Python #library

🆔 https://t.me/Python4all_pro
Modern_Tkinter_for_Busy_Python_Developers_Quickly_learn_to_create.pdf
2.1 MB
Modern Tkinter for Busy Python Developers

Quickly learn to create great looking user interfaces for Windows, Mac and Linux using Python's standard GUI toolkit



#pdf
#Python_tricks
#python

🆔 @Python4all_pro
ترجمه سایت محبوب w3schools

این مخزن شامل مجموعه‌ای جامع از نکات و دستورالعمل‌های پایه‌ای پایتون به زبان فارسی است. مناسب برای کسانی که تازه وارد دنیای برنامه‌نویسی شده‌اند یا به دنبال تمرین و تقویت مهارت‌های اولیه خود در پایتون هستند. با این مخزن می‌توانید مباحث مختلف شامل متغیرها، توابع، حلقه‌ها و استثناها را به طریقی ساده و روان یاد بگیرید. مناسب برای دانش‌آموزان، دانشجویان و هر کسی که می‌خواهد پایتون را از صفر تا صد بیاموزد و در پروژه‌های ساده خود استفاده کند.

📱 GitHub Repo



🆔 @Python4all_pro
This media is not supported in your browser
VIEW IN TELEGRAM
⚡️ PaletteSnap

PaletteSnap is a Python program designed to create readable color palettes from any image, ensuring good contrast and ease of use.

The application is installed via pip and automatically applies the generated palette as the system wallpaper.

PaletteSnap also supports software updates, allowing you to apply new palettes without having to reboot.

The program creates separate folders to store configuration and cache files, making it convenient for users familiar with pywal, a similar tool.

Additionally, PaletteSnap supports templating, allowing you to apply color palettes system-wide.


Github

#Python

🆔 @Python4all_pro