This media is not supported in your browser
VIEW IN TELEGRAM
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
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
Please open Telegram to view this post
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
📌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
از این بهتر دیگه نمیشه انگار با شما درس میخونه
#هوش_مصنوعی
Please open Telegram to view this post
VIEW IN TELEGRAM
✔️ 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:
Github: https://github.com/microsoft/markitdown
Online Test: https://msftmd.replit.app
💻 @Qcode_ir | برنامه نویسی
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
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
✔️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
فرض کنید یک کلاس ساده داریم:
خروجی:
#برنامهنویسی #پایتون #python
⭐️ @QCode_ir
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
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
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]
⭐️ @QCode_ir
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]
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
✔️ 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
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.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM