اگه یه AI میخواید که دستیار نوشتن مخصوصا برای ایمیل یا پر کردن فیلد داخل سایت‌ها، تماس و ... باشه الان میتونید مرورگر کروم رو آپدیت و رایگان استفاده کنید.
کافیه تو هر سایتی که متن مینویسید اون متن رو انتخاب و بعد کلیک راست بزنید و Help me write رو انتخاب کنید.
support.google

#هوش_مصنوعی


💻 @Qcode_ir | برنامه نویسی

مجموعه ای از منابع مفید برای طراحان وب و توسعه دهندگان فرانت اند

Icons:
— Font Awesome icons
— Bootstrap icons
— Material Symbols

Fonts:
— Google Fonts
— Awwwards collection
— Fonts.com

Illustrations:
— Humaaans
— unDraw
— icons8

Stock images :
— Unsplash
— Pexels
— Pinterest

Color palettes :
— Coolors
— Color hunt
— Canva Colors

Tools:
— Smooth box shadow generator
— Cubic bezier generator
— Grid layout generator
— Flex layout generator

💻 @Qcode_ir | برنامه نویسی

معرفی سایتهایی برای دانلود رایگان مقالات

در این پست نام سایتهای فوق اورده شده است برخی از انها اکستنشن دارند برای کروم که میتوانید به کوگل کروم اضافه کنید و هر زمان نیاز داشتید از ان استفاده کنید .
فیلترشکن خود را روشن کنید و از سایتهای فوق استفاده کنید.

1. Sci-Hub
2. Z-Library
3. Library Genesis
4. Unpaywall
5.GetTheResearch.org
6. Directory of Open Access Journals (DOAJ)
7. Researcher
8. Science Open
9. OA.mg
10 Internet Archive Scholar
11. Citationsy Archives
12. CORE
13. Dimensions
14. PaperPanda

💻 @Qcode_ir | برنامه نویسی

📌اینم هوش مصنوعی که عکس یا متن کتاب و جزوه اتونو بهش میدید ازش سوال طراحی میکنه و با توضیحات بهتون میده

از این بهتر دیگه نمیشه انگار با شما درس میخونه

#هوش_مصنوعی

💻 @Qcode_ir | برنامه نویسی

✔️ معرفی کتابخانه MarkItDown از مایکروسافت

مایکروسافت ابزار پایتونی جدیدی به نام MarkItDown منتشر کرده که می‌تواند فایل‌های مختلف مثل ورد، اکسل، پاورپوینت و PDF را به فرمت ساده و کاربردی Markdown تبدیل کند.

این ابزار به‌ویژه برای مدل‌های هوش مصنوعی متنی و تجزیه و تحلیل متن عالی است.

فقط کافیست فایل مورد نظر را به ابزار بدهید و خروجی Markdown دریافت کنید:

from markitdown import MarkItDown  

markitdown = MarkItDown()  
result = markitdown.convert("test.docx")  
print(result.text_content)  

Github: https://github.com/microsoft/markitdown

Online Test: https://msftmd.replit.app

💻 @Qcode_ir | برنامه نویسی

💸 آموزش برنامه نویسی 0 تا 100 با کاتلین

🔸 قسمت 1


⭐️ @QCode_ir

💸 آموزش برنامه نویسی 0 تا 100 با کاتلین

🔸 قسمت 2


⭐️ @QCode_ir

💸 آموزش برنامه نویسی 0 تا 100 با کاتلین

🔸 قسمت 3


⭐️ @QCode_ir

💸 آموزش برنامه نویسی 0 تا 100 با کاتلین

🔸 قسمت 4


⭐️ @QCode_ir

💸 آموزش برنامه نویسی 0 تا 100 با کاتلین

🔸 قسمت 5


⭐️ @QCode_ir

💸 آموزش برنامه نویسی 0 تا 100 با کاتلین

🔸 قسمت پایانی


⭐️ @QCode_ir

✔️چطور محتویات داخل یک شی (Object) را ببینیم؟

وقتی در پایتون با آبجکت‌ها کار می‌کنید، گاهی لازم است تمامی ویژگی‌ها و مقادیر داخلی آن را بررسی کنید. در پایتون، هر آبجکت ویژگی‌ای به نام __dict__ دارد که تمام ویژگی‌های آن آبجکت را به صورت دیکشنری ذخیره می‌کند.

فرض کنید یک کلاس ساده داریم:

class User:
    def __init__(self, name, age):
        self.name = name
        self.age = age
        self.skills = ["Python", "Django"]

user = User("Yousef", 27)

print(user.__dict__)

خروجی:

{'name': 'Yousef', 'age': 27, 'skills': ['Python', 'Django']}

#برنامه‌نویسی #پایتون #python

⭐️ @QCode_ir

💸 آموزش ES6 در جاوا اسکریپت

🔸 قسمت 1


⭐️ @QCode_ir

چطوری به این خروجی برسیم؟

میخواییم وقتی یک لیست به ما دادن، تعداد بیشترین تکرارها رو از داخلش در بیاریم که در مثال زیر عدد 1 نسبت به بقیه بیشتر تکرار شده
Top : [1, 2, 1, 1, 3, 4, 2] > [1]

def top(arr):
    values = {}
    result = []
    f_val = 0

    for i in arr:
        if i in values:
            values[i] += 1
        else:
            values[i] = 1
    print(values)  # {1: 3, 2: 2, 3: 1, 4: 1}

    f_val = max(values.values()) # 3

    for i in values.keys():
        if values[i] == f_val:
            result.append(i)
        else:
            continue
    return result


print(top([1, 2, 1, 1, 3, 4, 2])) # [1]

⭐️ @QCode_ir

💸 آموزش ES6 در جاوا اسکریپت

🔸 قسمت 2


⭐️ @QCode_ir

💸 آموزش ES6 در جاوا اسکریپت

🔸 قسمت 3


⭐️ @QCode_ir

💸 آموزش ES6 در جاوا اسکریپت

🔸 قسمت 4


⭐️ @QCode_ir

💸 آموزش ES6 در جاوا اسکریپت

🔸 قسمت 5


⭐️ @QCode_ir

✔️ معرفی کتابخانه‌های محبوب پایتون در حوزه هوش مصنوعی (AI):

1. TensorFlow
یک کتابخانه قدرتمند برای ساخت و آموزش مدل‌های یادگیری عمیق و یادگیری ماشین. توسط گوگل توسعه داده شده و از CPU و GPU پشتیبانی می‌کند.

2. PyTorch
محبوب در میان محققان و توسعه‌دهندگان به دلیل سادگی و انعطاف بالا. توسط فیسبوک ارائه شده و برای ساخت مدل‌های پیچیده مناسب است.

3. Scikit-learn
کتابخانه‌ای قدرتمند برای یادگیری ماشین کلاسیک شامل الگوریتم‌هایی مانند رگرسیون، دسته‌بندی، خوشه‌بندی و پیش‌پردازش داده‌ها.

4. Keras
یک رابط کاربری آسان برای توسعه و آزمایش شبکه‌های عصبی. معمولاً همراه TensorFlow استفاده می‌شود.

5. OpenCV
کتابخانه‌ای قدرتمند برای پردازش تصویر و بینایی کامپیوتری. برای تشخیص اشیا، چهره‌ها و تحلیل ویدیوها بسیار کاربردی است.

6. NLTK
مناسب برای پردازش زبان طبیعی (NLP)، مانند تحلیل متن، ساخت چت‌بات‌ها، و استخراج اطلاعات از داده‌های متنی.

7. Hugging Face Transformers
بهترین ابزار برای کار با مدل‌های پیشرفته NLP مثل BERT و GPT. مناسب برای ترجمه متن، چت‌بات‌ها و خلاصه‌سازی متن.

8. Pandas
برای تحلیل و پردازش داده‌ها. معمولاً در پیش‌پردازش داده‌های ورودی مدل‌های یادگیری ماشین استفاده می‌شود.

9. Matplotlib و Seaborn
برای مصورسازی داده‌ها و تحلیل بصری مدل‌ها و داده‌ها.

10. FastAPI یا Flask
برای ایجاد API جهت ارتباط بین مدل‌های هوش مصنوعی و اپلیکیشن‌ها.


⭐️ @QCode_ir

⌨️ فریم‌ورک‌ها و کتابخانه های پایتون!


⭐️ @QCode_ir

💸 آموزش ES6 در جاوا اسکریپت

🔸 قسمت 6


⭐️ @QCode_ir