✅ چند تا از میانبرهای vscode برای کد زنی سریع و راحت

⌨ Ctrl + Shift + F
🏷 جستجوی یکباره متن در همه فایل‌ها

⌨ Ctrl + Backspace 
🏷 حذف کلمه قبلی

⌨ Ctrl + Shift + K
🏷 حذف خط

⌨ Ctrl + Shift + N
🏷 پنجره جدید

⌨ Ctrl + L
🏷 انتخاب خط فعلی

⌨ Ctrl + Shift + D
🏷 کپی گرفتن از یک خط

⌨ Ctrl + Shift + T
🏷 باز کردن ادیتور بسته شده

#میانبر
#vscode #programming



🆔 @code_pedia

📌 Curated list of project-based tutorials
ریپازیتوری آموزش‌های برنامه‌نویسی پروژه محور
مجموعه آموزش‌های پروژه‌ محور که بهتون کمک می‌ده از پایه یه برنامه‌ رو بنویسید. آموزش‌ها برای زبان‌های مختلف هست، بخش پایتون آموزش‌ها شامل یادگیری‌ماشین، علم‌داده و یادگیری عمیق هست.

🔗 https://github.com/practical-tutorials/project-based-learning

#Programming #Projects
#Python #DataScience
#DeepLearning #MachineLearning


🆔 @code_pedia

✔️ یک مقاله خوب فارسی که قابلیت‌ها و آپدیت‌های پایتون ۳.۱۲ رو توضیح داده.

🔗 https://virgool.io/@liewpl/python-3-12-whats-new-vpq99njtytc6

*برای مطالعه فیلترشکنتون رو خاموش کنید.


#Python #Programming
#News




🆔 @code_pedia

💢 چاپ ایموجی با پایتون

#برنامه_نویسی #Python #Programming



🆔 @code_pedia

چرا در سال جدید باید rust یاد بگیریم؟

راست یک زبان برنامه‌نویسی سیستمی است که برای داشتن سرعت بالا، توانایی در موازی‌سازی و امنیت حافظه ایجاد شده است. این زبان چندین ویژگی دارد که می‌تواند دلایل خوبی برای یادگیری آن باشد. برخی از این ویژگی‌ها عبارتند از:
@code_pedia
مدیریت منابع: راست با استفاده از یک سیستم منحصر به فرد به نام Resource Acquisition Is Initialization (RAII) اطمینان می‌دهد که منابع به درستی مدیریت می‌شوند و حافظه به صورت خودکار آزاد می‌شود.
بدون نرخ انتزاع: راست می‌تواند میزان استفاده از حافظه را در زمان اجرا دنبال کند و از تکنیک‌هایی مانند reference counting و garbage collection استفاده نمی‌کند. این باعث می‌شود که راست بتواند کارایی بالایی داشته باشد و با زبان‌های سطح پایین مانند C و C++ رقابت کند.
@code_pedia
امنیت حافظه: راست یکی از معدود زبان‌های برنامه‌نویسی است که حفاظت از حافظه را برای شما تضمین می‌کند. این ویژگی باعث می‌شود که خطاها و مشکلات امنیتی کمتری در زمان دسترسی به حافظه RAM اتفاق بیافتد. شما دیگر نیاز ندارید که با Null سر و کار داشته باشید.
الگوی تطبیقی: راست از این ویژگی برای بررسی الگوی توکن‌ها استفاده می‌کند. با استفاده از این روش می‌توان متوجه شد که یک توکن از الگوی خاصی پیروی می‌کند یا نه. منظور از توکن‌ها اساسا یک لیست از داده‌ها هستند.
نوع داده‌ای: راست در عبارات برنامه‌نویسی قابلیت تشخیص نوع داده‌ای را به صورت خودکار دارد. بنابراین شما سرعت بسیار بیشتری را در زمان توسعه اپلیکیشن‌های‌تان در راست خواهید داشت.
#rust #programming

قسمت سوم کدکست منتشر شد

@code_pedia

در این قسمت در رابطه با اینکه در سال جدید برنامه نویس بشیم یا نه صحبت میکنیم

دوره سی برای شروع برنامه نویسی
@code_pedia
#codecast

ویدئوی جدید یوتیوب آپلود شد

در این قسمت با هم بیشتر از فلسک یاد میگیرم.
اگر ویدئوهای قبلی رو ندیدید باید بگم که ما در این سری پایتون رو از صفر شروع کردیم.
با کدپدیا همراه باشید

کتابخانه های پایتون مورد استفاده در حوزه علم داده

🔹پردازش داده‌:

CuPy
Datatable
Vaex
Pandas
Modin
Polars
NumPy

🔹 تحلیل آماری:

SciPy
PyMC3
PyStan
Statsmodels
Lifelines
Pingouin

🔹 مصورسازی داده‌ها:

Plotly
Altair
Matplotlib
Seaborn
Geoplotlib
Pygal
Folium
Bokeh

🔹 پایگاه داده:

Dask
PySpark
Ray
Koalas
Kafka
Hadoop

🔹 استخراج داده‌ها از وب:

Beautiful Soup
Scrapy
Octoparse
Selenium


#DataAnalytics #python #programming




🆔 @code_pedia

یادگیری پایتون برای پروژه های علم داده

در این دوره Tatev و Vahe به شما Python for Data Science را آموزش می دهند. پروژه‌ها را می‌سازید و در مورد تجزیه و تحلیل داده‌های اکتشافی، آزمایش AB، هوش تجاری و موارد دیگر یاد خواهید گرفت

www.freecodecamp.org/news/learn-python-for-data-science-hands-on-projects-with-eda-ab-testing-business-intelligence/



#DataAnalytics #python #programming

🆔 @code_pedia

یادگیری پایتون برای پروژه های علم داده

در این دوره Tatev و Vahe به شما Python for Data Science را آموزش می دهند. پروژه‌ها را می‌سازید و در مورد تجزیه و تحلیل داده‌های اکتشافی، آزمایش AB، هوش تجاری و موارد دیگر یاد خواهید گرفت

www.freecodecamp.org/news/learn-python-for-data-science-hands-on-projects-with-eda-ab-testing-business-intelligence/



#DataAnalytics #python #programming



🆔 @code_pedia

🐍 نکات و ترفندهای پایتون

امروز با ۴ تکنیک کاربردی #پایتون آشنا می‌شوید که کدهایتان را حرفه‌ای‌تر می‌کند:

🔄 تعویض مقادیر بدون متغیر موقت

a, b = 10, 20
a, b = b, a  # حالا a=20 و b=10

📋 چک کردن چند شرط به زیبایی

color = "red"
if color in ["red", "blue", "green"]:
    print("رنگ معتبر است")

🔤 اتصال رشته‌ها با کارایی بالا

words = ["Python", "Tips", "Tricks"]
result = " ".join(words)  # "Python Tips Tricks"

🎯 بازیابی آخرین عنصر لیست با چسبندگی

numbers = [1, 2, 3, 4, 5]
last = numbers[-1]  # 5
two_last = numbers[-2:]  # [4, 5]

نکته طلایی: از enumerate برای دریافت ایندکس و مقدار همزمان استفاده کنید:

for idx, value in enumerate(["a", "b", "c"]):
    print(f"ایندکس: {idx}, مقدار: {value}")

#Python #Programming #CodingTips #PythonTricks

🆔@code_pedia

🐍 نکات و ترفندهای پایتون

با ۴ تکنیک کاربردی دیگر پایتون آشنا شوید:

🌀 چک کردن یک شرط در تمامی عناصر لیست

numbers = [2, 4, 6, 8]
all_even = all(x % 2 == 0 for x in numbers)  # True

🔄 چرخش و برعکس کردن رشته‌ها

text = "Python"
reversed_text = text[::-1]  # "nohtyP"

💡 استفاده از get() برای دیکشنری‌ها

data = {"name": "Ahmed", "age": 25}
city = data.get("city", "قاهره")  # "قاهره"

🔢 تولید اعداد تصادفی با seed ثابت

import random
random.seed(42)
print(random.randint(1, 100))  # همیشه یک عدد ثابت

نکته طلایی:** از zip برای پیمایش همزمان چند لیست استفاده کنید:

names = ["Ali", "Sara"]
ages = [25, 30]
for name, age in zip(names, ages):
    print(f"{name}: {age} سال")

#Python #Programming #CodingTips #PythonTricks

🆔@code_pedia

🐍 آنچه در پایتون ۳.۱۴ جدید است

پایتون ۳.۱۴ با بهبودهای عملکردی و قابلیت‌های جدید ارائه شده است:

⚡ بهبودهای عملکرد:
•سرعت اجرای کلی ۵-۱۰٪ افزایش یافته
•بهینه‌سازی مدیریت حافظه
•بهبود عملکرد ماژول‌های استاندارد

🆕 ویژگی‌های جدید زبان:
•سینتکس پیشرفته برای pattern matching
•قابلیت‌های جدید نوع‌دهی (Type Hints)
•بهبود مدیریت خطاها

📚 کتابخانه استاندارد:
•اضافه شدن ماژول graphlib برای کار با گراف
•بهبودهای asyncio برای برنامه‌نویسی ناهمگام
•اضافه شدن توابع کمکی جدید در itertools

🔧 تغییرات مهم:

· حذف برخی ماژول‌های منسوخ شده
· تغییرات در APIهای قدیمی
· به روزرسانی ماژول‌های امنیتی

💡 نکات مهاجرت:
•تست کامل کدهای موجود قبل از ارتقا
•بررسی تغییرات ماژول‌های استفاده شده
•به روزرسانی نوع‌دهی‌ها

این نسخه بر بهبود عملکرد و توسعه‌پذیری متمرکز است.

#Python #Python314 #Programming #WhatsNew #Coding

🆔@code_pedia

🌍 برنامه توسعه‌دهندگان گوگل در سراسر جهان گسترش می‌یابد

گوگل اعلام کرد که برنامه توسعه‌دهندگان خود را به طور جهانی گسترش می‌دهد تا از جامعه متنوع‌تر توسعه‌دهندگان در سراسر جهان بهتر پشتیبانی کند.

🚀 مهم‌ترین تغییرات:
•دسترسی جهانی به تمام منابع و مزایای برنامه توسعه‌دهندگان
•پشتیبانی از زبان‌های محلی در مستندات و ابزارها
•برگزاری رویدادهای محلی در مناطق مختلف جهان
•راهنمایی و منتورشیپ برای توسعه‌دهندگان در حال رشد

💫 مزایای جدید برای توسعه‌دهندگان:

· دسترسی زودهنگام به APIها و محصولات جدید گوگل
· اعتبار ابری و منابع رایگان برای آزمایش
· فرصت‌های شبکه‌سازی با توسعه‌دهندگان سراسر جهان
· گواهینامه‌های معتبر رایگان

🎯 مناطق تحت پوشش:
آمریکای لاتین،خاورمیانه، آفریقا، آسیا و اروپای شرقی

این حرکت به توسعه‌دهندگان در بازارهای در حال رشد امکان می‌دهد تا نوآوری‌های خود را با پشتیبانی بهتر گوگل پیش ببرند.

#Google #Developer #Programming #Tech #Innovation #Developers

🆔@code_pedia

🛠️ ۱۰ ابزار خط فرمان که هر دانشمند داده باید بشناسد

برای کارایی بیشتر در علم داده، این ابزارهای CLI ضروری هستند:

📊 ۱. jq - پردازش JSON

cat data.json | jq '.users[] | select(.age > 30)'

📈 ۲. csvkit - کار با فایل‌های CSV

csvsql --query "SELECT * FROM data WHERE salary > 50000" data.csv

🔍 ۳. grep - جستجوی پیشرفته

grep -r "pattern" data_directory/

📁 ۴. find - مدیریت فایل‌ها

find . -name "*.csv" -size +1M

📉 ۵. xargs - اجرای دستورات روی چندین فایل

find . -name "*.log" | xargs rm

📦 ۶. curl - دریافت داده از وب

curl -s "https://api.example.com/data" | jq .

🐍 ۷. python -m - اجرای اسکریپت‌های پایتون

python -m pandas --version

📊 ۸. awk - پردازش متن پیشرفته

awk -F, '{sum += $3} END {print sum}' data.csv

📋 ۹. sed - ویرایش متن

sed 's/old_text/new_text/g' file.txt

📺 ۱۰. tmux - مدیریت sessionهای ترمینال

tmux new-session -s data_analysis

این ابزارها گردش کار علم داده را سریع‌تر و قدرتمندتر می‌کنند.

#DataScience #CLI #CommandLine #Tools #Programming

🆔@code_pedia

💌 چالش هفتگی: من به دوستم یک نامه فرستادم!

یک چالش برنامه‌نویسی جالب برای تقویت مهارت‌های کدنویسی:

🎯 هدف چالش:
برنامه‌ای بنویسید که یک نامه عاشقانه قدیمی را به صورت دیجیتال تولید کند

🛠 تکنیک‌های مورد استفاده:
- تولید متن تصادفی
- قالب‌بندی خروجی
- کار با تاریخ و زمان
- مدیریت رشته‌ها

💡 مثال خروجی:

عزیزم،
امروز 20 مهر 1403 است
و من همچنان تو را 
به یاد می‌آورم...

🚀 سطح: مبتدی - متوسط

#CodingChallenge #Programming #BeginnerFriendly #Python

🆔@code_pedia

🤫 قدرت پنهان پرامپت‌های ChatGPT که کسی درباره‌اش حرف نمی‌زند

راز استفاده حرفه‌ای از ChatGPT در پرامپت‌های هوشمندانه است:

💡 تکنیک‌های پنهان:

• پرامپت زنجیره‌ای - تقسیم کارهای پیچیده به مراحل کوچک

"اول این متن را تحلیل کن، سپس نکات کلیدی را استخراج کن، در نهایت خلاصه بنویس"

• چارچوب‌سازی نقش - اختصاص هویت تخصصی

"شما یک توسعه‌دهنده ارشد پایتون با ۱۰ سال تجربه هستید..."

• تعیین قالب خروجی - کنترل دقیق فرمت نتیجه

"پاسخ را به صورت جدول با ستون‌های A, B, C ارائه دهید"

🎯 کاربردهای قدرتمند:
- دیباگ کد با توضیح خطا به صورت گام‌به‌گام
- تولید مستندات فنی ساختاریافته
- آنالیز داده و ارائه بصری نتایج
- طراحی معماری نرم‌افزار

⚡️ نتیجه: پرامپت‌های دقیق = خروجی‌های حرفه‌ای‌تر

#ChatGPT #AI #PromptEngineering #Productivity #Programming

🆔@code_pedia

🎲 کاربردهای ماژول Random در پایتون

ماژول random پایتون برای تولید اعداد و انتخاب‌های تصادفی:

🔧 کاربردهای عملی:

• تولید عدد تصادفی

import random
print(random.randint(1, 100))  # عدد بین ۱ تا ۱۰۰

• انتخاب تصادفی از لیست

colors = ["قرمز", "آبی", "سبز"]
print(random.choice(colors))  # انتخاب یک رنگ

• ترتیب تصادفی لیست

cards = ["A", "K", "Q", "J"]
random.shuffle(cards)  # برزدن کارت‌ها

• نمونه‌گیری تصادفی

sample = random.sample(range(100), 5)  # ۵ عدد غیرتکراری

🎯 کاربردهای واقعی:

· شبیه‌سازی و بازی‌ها
· تست نرم‌افزار با داده تصادفی
· تقسیم داده برای یادگیری ماشین
· امنیت (توکن‌ها و کلیدها)

#Python #Random #Programming #Coding

🆔@code_pedia

🐍 نکات و ترفندهای پایتون - روز سوم

۴ تکنیک کاربردی دیگر برای حرفه‌ای شدن در پایتون:

🌀 ادغام دیکشنری‌ها (Python 3.9+)

dict1 = {"a": 1, "b": 2}
dict2 = {"c": 3, "d": 4}
merged = dict1 | dict2  # {'a': 1, 'b': 2, 'c': 3, 'd': 4}

🔄 چرخش لیست با سرعت

my_list = [1, 2, 3, 4, 5]
rotated = my_list[-2:] + my_list[:-2]  # [4, 5, 1, 2, 3]

💡 فشرده کردن دو لیست به دیکشنری

keys = ["name", "age", "city"]
values = ["Ali", 25, "Tehran"]
data = dict(zip(keys, values))  # {'name': 'Ali', 'age': 25, 'city': 'Tehran'}

🎯 فیلتر کردن None از لیست

data = [1, None, "hello", None, 42]
cleaned = list(filter(None, data))  # [1, 'hello', 42]

نکته طلایی: استفاده از any() و all() برای چک کردن شرایط:

numbers = [0, 1, 2, 3]
print(any(numbers))  # True (حداقل یک مقدار True)
print(all(numbers))  # False (همه مقادیر True نیستند)

#Python #Programming #CodingTips #PythonTricks

🆔@code_pedia

🎯 تگ `<template>`: قابلیت هسته HTML که جاوااسکریپت من را ساده کرد

تگ <template> یک ابزار قدرتمند و ناشناخته در HTML است:

💡 تگ `<template>` چیست؟
- بخشی از HTML که در ابتدا رندر نمی‌شود
- قابل استفاده مجدد در runtime با جاوااسکریپت
- حافظه‌کار و بهینه برای المان‌های تکراری

🛠 مثال عملی:

<template id="user-card">
  <div class="card">
    <h3 class="name"></h3>
    <p class="email"></p>
  </div>
</template>

// استفاده از template
const template = document.getElementById('user-card');
const clone = template.content.cloneNode(true);

clone.querySelector('.name').textContent = 'John Doe';
clone.querySelector('.email').textContent = 'john@example.com';

document.body.appendChild(clone);

⚡️ مزایای کلیدی:
- کاهش پیچیدگی جاوااسکریپت
- عملکرد بهتر نسبت به innerHTML
- ساختار تمیز و قابل نگهداری
- جدا کردن منطق از نمایش

🎯 کاربردها:
- کامپوننت‌های داینامیک
- لیست‌های تکراری
- modalها و popupها
- ساختارهای پیچیده UI

#HTML #JavaScript #WebDevelopment #Frontend #Programming

🆔@code_pedia