👨‍🎓 آشنایی با فرمت Pickle در فایل‌های داده

فرمت Pickle در پایتون برای سریال‌سازی (serializing) و دی‌سریال‌سازی (deserializing) اشیاء به کار می‌ره. به عبارت ساده‌تر، Pickle این امکان رو می‌ده که اشیاء پایتون رو به یک فرمت بایت تبدیل، در یک فایل ذخیره و بعد دوباره به صورت اشیاء پایتون بازیابی کنین.

🔵 چرا از Pickle استفاده کنیم؟

🔵ذخیره‌سازی آسان داده‌ها: با استفاده از Pickle اشیاء پیچیده، مثل لیست‌ها، دیکشنری‌ها و حتی نمونه‌های کلاس‌ها رو به سادگی ذخیره و بازیابی می‌شن. این ویژگی برای ذخیره‌سازی داده‌ها در استفاده‌های آینده مفیده.

🔵قابلیت پشتیبانی از انواع مختلف داده: فرمت Pickle توانایی پشتیبانی از انواع مختلف داده‌ها رو داره. این شامل اشیاء ساده مثل اعداد و رشته‌ها و همچنین اشیاء پیچیده‌تر مثل شیءهای کلاس‌های تعریف شده توسط کاربر می‌شه.

🔵 نحوه استفاده از Pickle

🔵سریال‌سازی اشیاء: برای سریال‌سازی اشیاء با استفاده از Pickle، از تابع pickle.dump() استفاده می‌شه. این تابع اشیاء رو به فرمت بایت تبدیل و در یک فایل ذخیره می‌کنه. در این مثال، دیکشنری data به فایل data.pkl سریال‌سازی شده و ذخیره می‌شه.

import pickle

data = {'name': 'Ali', 'age': 30, 'is_student': False}

with open('data.pkl', 'wb') as file:
    pickle.dump(data, file)

🔵بازگردانی اشیاء: برای بازیابی اشیاء از فایل، از تابع ()pickle.load استفاده می‌شه. این تابع داده‌های ذخیره شده رو از فایل خونده و اونها رو به اشیاء پایتون تبدیل می‌کنه. در اینجا، داده‌های ذخیره شده در data.pkl به دیکشنری data تبدیل شده و چاپ می‌شن.

import pickle

with open('data.pkl', 'rb') as file:
    data = pickle.load(file)

print(data)

🔵 نکات مهم در استفاده از Pickle

🔵امنیت: استفاده از Pickle برای سریال‌سازی و بازگردانی داده‌ها باید با احتیاط انجام شه. چون داده‌های Pickle ممکنه شامل کدهای اجرایی خطرناک باشن که می‌تونن به سیستم آسیب بزنن. بنابراین، از بارگذاری داده‌هایی که از منابع غیرقابل اعتماد دریافت شدن، خودداری کنین.

🔵نسخه‌سازی و سازگاری: فرمت Pickle ممکنه با نسخه‌های مختلف پایتون سازگار نباشه. به این معنی که اگه داده‌های Pickle شده با نسخه‌ای از پایتون ذخیره شده باشن، ممکنه در نسخه‌های دیگه پایتون به درستی بارگذاری نشه. بنابراین، باید به نسخه پایتون مورد استفاده برای ذخیره و بارگذاری داده‌ها توجه داشت.

🔵محدودیت‌ها: فرمت Pickle برای استفاده در محیط‌های عمومی و به اشتراک‌گذاری داده‌ها چندان مناسب نیست، چون این فرمت به طور خاص به پایتون وابسته است و به راحتی نمی‌شه ازش در زبان‌های برنامه‌نویسی دیگه استفاده کرد.

#File_Formats

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

💡مکانیزم Memo در Pickle

🔵ذخیره‌سازی اشیاء: وقتی pickle شی‌ای را سریال‌سازی می‌کنه، به جای ذخیره‌سازی کامل هر شیء، از مکانیزم memo برای ذخیره‌سازی مرجع‌ها استفاده می‌کنه. این کار به کاهش حجم داده‌های سریال‌شده کمک می‌کنه.

🔵استفاده از Memo: وقتی شی‌ای در pickle سریال‌سازی می‌شه، اون شیء به memo اضافه می‌شه. اگه شیء دیگه‌ای ارجاع به این شیء داشته باشه، به جای ذخیره‌سازی دوباره، فقط برای ارجاع به اون از memo استفاده می‌شه.

🔵استفاده در بازگردانی: زمان بازگردانی اشیا، pickle از memo برای بازیابی و بازسازی اشیاء استفاده می‌کنه. در نتیحه اشیاء تکراری به درستی به همون شیء اصلی اشاره می‌کنن و با همون هویت اصلی بازیابی می‎شن.

به عبارت ساده‌تر، مکانیزم memo به pickle کمک می‌کنه تا با ذخیره‌سازی مجدد اشیاء تکراری و استفاده از ارجاع‌ها، کارایی و حجم داده‌های سریال‌شده رو بهینه کنه.

#File_Formats

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

👨‍🎓 آشنایی با فرمت XML در فایل‌های داده

زبان نشانه‌گذاری توسعه‌پذیر یا XML (eXtensible Markup Language)، یک زبان نشانه‌گذاریه که برای توصیف و انتقال داده‌ها استفاده می‌شه. XML یک استاندارد جهانیه که توسط سازمان W3C (کنسرسیوم شبکه جهانی وب) تعریف شده و یکی از مهم‌ترین ابزارهای انتقال داده بین سیستم‌ها و برنامه‌های مختلف به حساب میاد.

در واقع، XML یک قالب (syntax) برای ایجاد فرمت‌های سفارشیه که برای ذخیره و انتقال اطلاعات استفاده می‌شه. برای مثال، فرمت‌هایی مثل RSS (برای اخبار و محتوای وبلاگی)، SOAP (برای خدمات وب) و SVG (برای گرافیک برداری) همگی بر اساس XML ساخته شدن.

🔵 ساختار XML: یک زبان مبتنی بر متنه که از مجموعه‌ای از عناصر (Elements) و صفات (Attributes) تشکیل شده. هر عنصر به وسیله یک تگ (Tag) مشخص می‌شه که محتوای خاصی رو داخلش جا بده. ساختار یک فایل XML به صورت سلسله مراتبی هست. این ساختار سلسله مراتبی امکان سازماندهی داده‌ها به صورت منطقی و قابل درک رو فراهم می‌کنه.

<bookstore>
    <book>
        <title>XML در عمل</title>
        <author>محمد احمدی</author>
        <year>2024</year>
        <price>200000</price>
    </book>
    <book>
        <title>راهنمای جامع XML</title>
        <author>زهرا موسوی</author>
        <year>2023</year>
        <price>250000</price>
    </book>
</bookstore>

در مثال بالا، عنصر ریشه (Root Element) bookstore نام داره که دو عنصر فرزند (Child Elements) book رو در خودش جا داده. هر book شامل چهار عنصر فرزند دیگه است که عنوان، نویسنده، سال و قیمت کتاب رو مشخص می‌کنن.

🔵 قواعد XML

🔵هر فایل XML باید دقیقاً یک عنصر Root داشته باشه.
🔵تگ‌های باز و بسته باید به درستی مشخص شن.
🔵عناصر باید به درستی تودرتو (Nested) باشن.
🔵به حروف بزرگ و کوچک حساسه؛ بنابراین <Title> با <title> متفاوته.
🔵مقادیر صفات (Attributes) باید در داخل " " قرار بگیرن.

🔵 صفات در XML: صفات در XML به عنوان ویژگی‌های اضافی برای عناصر استفاده می‌شن. در این مثال، genre یک صفته.

<book genre="science fiction">
    <title>تخیلات علمی</title>
    <author>علی رضایی</author>
</book>

🔵 مزایای XML

🔵خوانایی برای انسان: به نحوی طراحی شده که هم برای انسان و هم برای ماشین قابل خوندن باشه. ساختار سلسله مراتبی و استفاده از تگ‌های معنادار، خوندن و درک فایل‌های XML رو آسون می‌کنه.

🔵استاندارد بودن: یک استاندارد جهانیه که توسط بسیاری از سیستم‌ها و برنامه‌ها پشتیبانی می‌شه. این باعث می‌شه که داده‌های XML به راحتی بین سیستم‌های مختلف منتقل شن.

🔵انعطاف‌پذیری: یکی از بزرگترین مزایای XML، انعطاف‌پذیری‌اش هست. XML می‌تونه هر نوع داده‌ای رو توصیف کنه و به راحتی با نیازهای خاص هر پروژه تطبیق پیدا کنه.

🔵 معایب XML

🔵حجم بالای داده: حجم فایل‌های XML به دلیل استفاده از تگ‌های توصیفی زیاده. این موضوع باعث کاهش سرعت انتقال داده و افزایش نیاز به پهنای باند می‌شه.

🔵پیچیدگی پردازش: اگرچه XML به راحتی قابل خوندنه، اما پردازش‌اش نسبت به فرمت‌های دیگر مثل JSON پیچیده‌تره. این موضوع به ویژه در سیستم‌های بزرگ و پیچیده که حجم زیادی از داده‌ها رو پردازش می‌کنن، مشکل‌سازه.

#File_Formats

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

💡 با استفاده از XML Signature، سازمان‌ها و افراد می‌تونن از یکپارچگی و صحت داده‌ها اطمینان حاصل کنن و هویت ارسال‌کنندگان رو تأیید کنن. XML Signature تضمین می‌کنه که داده‌ها بعد از امضا تغییر نکردن و هر گونه تغییر در سند موجب نامعتبر شدن امضا می‌شه. XML Signature در پروتکل‌های امنیتی وب مثل SOAP و امضای قراردادهای الکترونیکی و سایر اسناد حساس که در قالب XML ذخیره و انتقال داده می‌شن، استفاده می‌شه.

#File_Formats

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

⏰ پست‌های هفته‌ای که گذشت رو این‌جا پیدا کنین!

🔺 آموزشی

🔵فرمت CSV
🔵فرمت JSON
🔵فرمت Parquet
🔵فرمت Pickle
🔵فرمت XML

🔺 کوئیز

🔵کوییز شماره ۱۹۵: مفهوم CSV on the Web (CSVW)
🔵کوییز شماره ۱۹۶: استفاده از JSON در فرمت فایل BSON
🔵کوییز شماره ۱۹۷: قابلیت‌های Page Index در Parquet
🔵کوییز شماره ۱۹۸: تفاوت بین pickle و json
🔵کوییز شماره ۱۹۹: XML Catalogs

🔺 نکته

🔵گویش در فایل‌های CSV
🔵فرمت JSONL
🔵ویژگی Bloom Filter در Parquet
🔵مکانیزم Memo در Pickle
🔵ویژگی XML Signature

#Weekend
#File_Formats

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

👩‍🎓 برنامه آموزشی هفته: محیط‌های توسعه‌ پایتون

🟠شنبه: PyCharm

🔵یک‌شنبه: Visual Studio Code

🟢دوشنبه: Jupyter Notebook

🔴سه‌شنبه: Spyder

🟠چهارشنبه: IDLE

🔵پنج‌شنبه: Atom

🟢جمعه: جمع‌بندی

#Python_IDEs

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

🟡 سلسه وبینارهای رایگان علم داده و ماشین لرنینگ تابستان ۱۴۰۳

🔵 سرفصل‌های وبینار چهارم: تلفیق هوش مصنوعی با پایان نامه رشته‌های غیر مرتبط
🔵لزوم وارد کردن هوش مصنوعی به پایان نامه رشته‌های غیرمرتبط
🔵تا چه حدی باید برای پایان نامه غیرمرتبط #هوش_مصنوعی بدونیم؟
🔵نحوه توسعه ایده ترکیبی هوش مصنوعی به صورت میان رشته‌ای
🔵مراحل گام به گام کار روی پایان نامه
🔵نکات مهمی که باید قبل از شروع کار روی پایان‌نامه بدونیم
🔵ساختار پیشنهادی برای نگارش پایان‌نامه‌های فنی با محوریت هوش مصنوعی
🔵پنل پرسش و پاسخ

🗓 فردا شب، ۲۰ ساعت

🟢برای دریافت جزئیات بیشتر و ثبت‌نام، به لینک زیر سر بزنین:
👉📎 http://ctdrs.ir/cr15841

#Webinars

@DSLanders | دی‌اس‌لندرز

👨‍🎓 آشنایی با PyCharm، محیط توسعه یکپارچه برای برنامه‌نویسی پایتون

یکی از محبوب‌ترین محیط‌های توسعه یکپارچه (IDE) برای زبان برنامه‌نویسی پایتون، PyCharm است. PyCharm به دلیل رابط کاربری کاربرپسند و امکانات گسترده‌ای که برای توسعه‌دهندگان فراهم می‌کنه، به عنوان یکی از انتخاب‌های اول برنامه‌نویسان پایتون شناخته می‌شه.

🔵 نسخه‌های PyCharm

🔵نسخه PyCharm Community Edition رایگانه و امکانات پایه‌ای رو فراهم می‌کنه و مناسب برای برنامه‌نویسان تازه‌کار و پروژه‌های کوچک و متوسطه.

🔵نسخه PyCharm Professional Edition تجاریه و امکانات پیشرفته‌تری شامل پشتیبانی از فریم‌ورک‌های وب Django، Flask و Pyramid، ابزارهای پایگاه داده مثل MySQL، PostgreSQL و SQLite و امکانات دیباگینگ و تست پیشرفته رو ارائه می‌ده. این نسخه بیشتر مناسب برنامه‌نویسان حرفه‌ای و پروژه‌های بزرگه.

🔵 ویژگی‌های اصلی PyCharm

🔵تکمیل خودکار کد (Code Completion): PyCharm با استفاده از موتور تکمیل خودکار قدرتمندش، به تکمیل سریع‌تر و کم خطاتر کدها کمک می‌کنه. این ویژگی به طور خودکار پیشنهاداتی برای نام متغیرها، توابع، و کلاس‌ها ارائه می‌ده.

🔵دیباگینگ قدرتمند: PyCharm دارای ابزارهای دیباگینگ پیشرفته‌ای هست. مثلا می‌شه Breakpoint تعیین کرد، متغیرها رو در زمان اجرا مشاهده کرد و مراحل اجرای برنامه رو گام به گام دنبال کرد.

🔵کنترل نسخه: PyCharm با سیستم‌های کنترل نسخه مثل Git، Mercurial، و Subversion یکپارچه شده. این امکان مدیریت تغییرات کد، همکاری تیم‌ها و پیگیری نسخه‌های مختلف پروژه رو ایجاد می‌کنه.

🔵تست کد: PyCharm ابزارهای تست خودکار رو برای نوشتن و اجرای تست‌های واحد (Unit Tests) فراهم می‌کنه. این IDE از چارچوب‌های تست مثل unittest، pytest، و nose پشتیبانی می‌کنه و به شما کمک می‌کنه تا از صحت عملکرد کد مطمئن شین.

🔵پشتیبانی از Jupyter Notebook: این IDE به طور کامل از Jupyter Notebook پشتیبانی می‌کنه.

#Python_IDEs

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

👨‍🎓 محیط‌ توسعه یکپارچه ویژوال استودیو کد (Visual Studio Code)

ویژوال استودیو کد (VS Code) توسط شرکت مایکروسافت با هدف ساده‌سازی فرآیند توسعه نرم‌افزار و افزایش بهره‌وری توسعه داده شد. این ابزار، در سال ۲۰۱۵ به صورت منبع باز معرفی شد و به سرعت به یکی از پرکاربردترین IDEها در جامعه برنامه‌نویسان تبدیل شد.

🔵 مهم‌ترین ویژگی‌ها ویژوال استودیو کد

🔵محیط ساده و کاربرپسند: این ابزار با یک رابط کاربری ساده و در عین حال قدرتمند، امکان کار با انواع زبان‌های برنامه‌نویسی و ابزارهای توسعه رو فراهم می‌کنه.

🔵پشتیبانی از افزونه‌ها: VS Code به لطف معماری باز و قابلیت پشتیبانی از افزونه‌ها، انعطاف‌پذیری بالایی داره و هر کدوم از این افزونه‌ها قابلیت‌های جدیدی به این IDE اضافه می‌کنن.

🔵پشتیبانی از چند زبان برنامه‌نویسی: ویژوال استودیو کد از تعداد زیادی زبان برنامه‌نویسی پشتیبانی می‌کنه. بعضی از این زبان‌ها به صورت پیش‌فرض پشتیبانی می‌شن و بعضی دیگه از طریق نصب افزونه‌های مربوطه قابل دسترسی هستن.

🔵قابلیت‌های اشکال‌زدایی (Debugging): با ارائه امکان تنظیم Breakpoints، مشاهده مقادیر متغیرها در زمان اجرا و بررسی Stack Trace فرآیند کشف و رفع خطاها و توسعه رو ساده‌تر می‌کنه.

🔵قابلیت‌های IntelliSense: یکی از ویژگی‌های هوشمند ویژوال استودیو کد IntelliSense هست که با پیشنهاد خودکار کد (Autocomplete)، ارائه مستندات در لحظه و بررسی ساختار کدها، به توسعه‌دهندگان در نوشتن سریع‌تر و صحیح‌تر کدها کمک می‌کنه.

🔵 تفاوت‌های ویژوال استودیو کد با سایر IDEها

🔵سبکی و سرعت بالا: یکی از مهم‌ترین تفاوت‌های ویژوال استودیو کد با بسیاری از IDEهای دیگه، سبکی و سرعت بالاش هست. در حالی که IDEهای دیگه مثل Visual Studio و Eclipse به منابع سیستمی بیشتری نیاز دارن، ویژوال استودیو کد با سرعت بالا و مصرف منابع کمتر، تجربه کاربری بهتری رو ارائه می‌ده.

🔵منبع باز و رایگان بودن: ویژوال استودیو کد به صورت منبع باز و رایگان عرضه می‌شه. این ویژگی باعث شده که جامعه بزرگی از توسعه‌دهندگان با این ابزار کار کنن و با ایجاد افزونه‌ها این ابزار رو بهبود ببخشن. در حالیکه بعضی از IDEهای دیگه نیاز به خرید لایسنس یا نسخه‌های منبع باز اونها قابلیت‌های محدودی دارن.

🔵پشتیبانی از توسعه وب مدرن: ویژوال استودیو کد با ابزارهای پیشرفته‌ای برای توسعه وب مدرن همراهه. افزونه‌هایی مثل Live Server برای مشاهده آنی تغییرات در مرورگر، Prettier برای فرمت‌دهی خودکار کدها و Emmet برای تایپ سریع‌تر کد HTML/CSS، این ابزار رو به یک انتخاب عالی برای توسعه‌دهندگان وب تبدیل کرده.

#Python_IDEs

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

👨‍🎓 محیط توسعه یکپارچه Jupyter Notebook

یکی از محبوب‌ترین IDEها در دنیای برنامه‌نویسی Jupyter Notebook هست که در حوزه داده‌کاوی، یادگیری ماشین، و محاسبات علمی بسیار کاربرد داره.

🔵 محیط و قابلیت‌های Jupyter Notebook

🔵ساختار و طراحی: Jupyter Notebook یک محیط تحت وبه که به کاربران اجازه می‌ده تا با استفاده از مرورگر وب به نوشتن و اجرای کد بپردازن. این محیط از بیش از ۴۰ زبان برنامه‌نویسی از جمله Python، R، Julia، و Scala پشتیبانی می‌کنه. همچنین، کاربران می‌تونن خروجی‌های تعاملی شامل نمودارها، جداول و ویجت‌ها رو به‌صورت مستقیم در همین محیط مشاهده کنن.

🔵پشتیبانی از زبان‌های مختلف: یکی از ویژگی‌های منحصربه‌فرد Jupyter Notebook، پشتیبانی از چند زبان برنامه‌نویسیه که از طریق استفاده از کرنل‌ها فراهم می‌شه. هر کرنل برای یک زبان خاص طراحی شده. برای مثال، کرنل Python به نام IPython شناخته می‌شه.

🔵قابلیت اشتراک‌گذاری و همکاری: علاوه بر روش‌های اصلی به اشتراک گذاری و همکاری، ابزار JupyterHub در این IDE امکان استفاده چند کاربر از یک نوت‌بوک به‌صورت همزمان رو فراهم می‌کنه.

🔵 مزایا و تفاوت‌ها با سایر IDEها

🔵رابط کاربری تعاملی: برخلاف IDEهای سنتی مثل PyCharm یا Visual Studio این IDE دارای یک رابط کاربری تعاملیه که به کاربر اجازه می‌ده تا خروجی‌ها و نتایج را به‌صورت مستقیم مشاهده و تحلیل کنه. این ویژگی به‌ویژه در آزمایشگاه‌های داده‌کاوی و تحلیل داده‌ها بسیار مفیده.

🔵ادغام با ابزارهای داده‌کاوی و یادگیری ماشین: Jupyter Notebook به‌خوبی با ابزارهای مختلف تحلیل داده و یادگیری ماشین ادغام می‌شه.

🔵پشتیبانی از JupyterLab: نسخه پیشرفته‌تر Jupyter Notebook هست که قابلیت‌های بیشتری مثل چند پنجره و تب همزمان، مدیریت بهتر فایل‌ها و افزونه‌های بیشتر رو ارائه می‌ده. این محیط با قابلیت‌های جدیدی مثل تعامل بهتر با Git و بهینه‌سازی عملکرد، به یکی از انتخاب‌های اصلی توسعه‌دهندگان تبدیل شده.

#Python_IDEs

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

👨‍🎓 محیط توسعه یکپارچه Spyder

محیط توسعه یکپارچه Spyder (Scientific PYthon Development EnviRonment) برای زبان برنامه‌نویسی Python هست که برای تحلیل‌های علمی، داده‌کاوی، یادگیری ماشین و پژوهش‌های محاسباتی طراحی شده. این IDE به‌صورت متن‌باز و رایگان عرضه می‌شه.

🔵 رابط کاربری Spyder شامل سه بخش اصلیه:

🔵ویرایشگر کد اصلی‌ترین قسمت Spyder برای نوشتن کدهاست.

🔵کنسول Python (IPython Console) به کاربران اجازه می‌ده تا دستورات رو به‌صورت تعاملی وارد کرده و نتایج رو در لحظه مشاهده کنن. این قابلیت برای آزمایش سریع کدها و اجرا قطعه کد مفیده.

🔵یکی از ویژگی‌های برجسته این محیط Variable Explorer هست که در اون می‌شه تمام متغیرهای موجود در فضای کاری رو مشاهده و تغییر داد. این قابلیت برای تحلیل داده‌ها و بررسی نحوه تغییر متغیرها در طول اجرای برنامه کارآمده.

🔵 تفاوت‌های Spyder با دیگر IDE‌ها

🔵متمرکز بر محاسبات علمی: برخلاف IDEهایی مثل PyCharm که بیشتر برای توسعه نرم‌افزارهای بزرگ طراحی شدن، Spyder به‌ویژه برای تحلیل داده‌ها و محاسبات علمی بهینه‌سازی شده. این ویژگی باعث شده که Spyder انتخاب اول پژوهشگران، دانشجویان و متخصصان داده باشه. همچنین ادغام با کتابخانه‌ها و ابزارهای علمی به‌صورت پیش‌فرض در این محیط صورت گرفته و نیازی به نصب افزونه‌های متعدد نداره.

🔵رابط کاربری ساده‌تر: Spyder نسبت به بسیاری از IDEهای دیگه رابط کاربری ساده‌تر و کاربرپسندتری داره. در IDEهایی مثل PyCharm ممکنه به دلیل پیچیدگی و تعداد زیاد قابلیت‌ها برای مبتدیان با چالش‌ همراه باشه.

🔵سبک‌تر بودن و مصرف منابع کمتر: Spyder نسبت به سایر IDEها منابع کمتری از سیستم مصرف می‌کنه که برای کاربرانی که روی سیستم‌هایی با قدرت پردازشی محدود کار می‌کنن یا نیاز به اجرای هم‌زمان چند برنامه دارن کاربردیه.

#Python_IDEs

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

⏰ پست‌های هفته‌ای که گذشت رو این‌جا پیدا کنین!

🔺 آموزشی

🔵PyCharm IDE
🔵Visual Studio Code IDE
🔵Jupyter Notebook IDE
🔵Spyder IDE
🔵Atom & IDLE IDEs

🔺 کوئیز

🔵کوییز شماره ۲۰۰: ابزار Profiler در PyCharm
🔵کوییز شماره ۲۰۱: امکان مدیریت و اجرای وظایف مختلف پروژه در VS Code
🔵کوییز شماره ۲۰۲: استفاده از Magic Commands در Jupyter Notebook
🔵کوییز شماره ۲۰۳: امکان مشاهده مستندات و سایر اطلاعات در Spyder
🔵کوییز شماره ۲۰۴: پیاده‌سازی IDLE

#Weekend
#Python_IDEs

@Data_ML | دیتاساینس و ماشین‌ لرنینگ