🔴 چالش ۳۰ روزه Python for AI

اگر قصد ورود به دنیای هوش مصنوعی، یادگیری ماشین و Data Science را دارید، این چالش برای شماست.

در طول ۳۰ روز آینده با حل تمرین‌های روزانه:

✅ مهارت حل مسئله با پایتون را تقویت می‌کنید

✅ با ابزارهای Data Science آشنا می‌شوید

✅ مدل‌های Machine Learning خود را می‌سازید

✅ چند پروژه مناسب GitHub و رزومه خواهید داشت

مسیر چالش:

📍 هفته اول
تفکر برنامه‌نویسی و حل مسئله با Python

📍 هفته دوم
پروژه‌های کاربردی و تحلیل داده

📍 هفته سوم
ورود به Data Science با NumPy ،Pandas و Visualization

📍 هفته چهارم
ورود عملی به Machine Learning و AI

🏆 پروژه‌های پایانی:

• Student Analytics System

• Sales Data Analyzer

• Titanic Data Analysis

• House Price Prediction

🎯 بسته به میزان مشارکت، فعالیت و همراهی اعضا، سطح پروژه‌ها می‌تواند ارتقا پیدا کند و پروژه‌های پیشرفته‌تر و نزدیک‌تر به پروژه‌های واقعی AI به چالش اضافه شوند.

🎯 خروجی نهایی:

• تسلط بیشتر بر Python

• آشنایی عملی با Data Science

• ورود به Machine Learning

• چند پروژه قابل انتشار در GitHub

⏰ هر روز ساعت ۲۰ چالش جدید منتشر می‌شود.

شما تا ساعت ۱۹:۵۹ روز بعد فرصت دارید پاسخ خود را ارسال کنید.

💡 در صورت نیاز Hint ارائه خواهد شد.
💡 پاسخ کامل روز بعد همراه با چالش جدید منتشر می‌شود.

🔥 غیبت = از دست دادن زنجیره یادگیری

📢 روز یکم از چالش ۳۰ روزه Python for AI

#Day1

🎯 موضوع:
Variables + Input + Basic Calculations

⭐ سطح:
مبتدی

⏳ زمان تخمینی:
10 تا 20 دقیقه

📝 صورت مسئله:

فرض کنید می‌خواهیم اولین بخش یک Student Analytics System را طراحی کنیم.

دیتای زیر را در برنامه خود قرار دهید:

students = {
    "Ali": {"credits": 70, "gpa": 17.8},
    "Sara": {"credits": 95, "gpa": 18.5},
    "Reza": {"credits": 40, "gpa": 15.2},
    "Nima": {"credits": 120, "gpa": 18.1},
    "Parsa": {"credits": 55, "gpa": 16.4},
    "Arman": {"credits": 80, "gpa": 17.1},
    "Mina": {"credits": 140, "gpa": 19.0},
    "Ava": {"credits": 35, "gpa": 16.8},
    "Yasmin": {"credits": 110, "gpa": 18.7},
    "Amir": {"credits": 65, "gpa": 15.9}
}

برنامه باید:

1️⃣ نام دانشجو را از کاربر دریافت کند.

2️⃣ اطلاعات دانشجو را نمایش دهد:

- Name
- Credits Passed
- GPA
- Remaining Credits
- Progress Percentage

*فرض کنید برای فارغ‌التحصیلی به 140 واحد نیاز است.
( اگر دانشجو 140 واحد یا بیشتر گذرانده باشد:
Status: Graduated
در غیر این صورت:
Status: In Progress
)

📌 نمونه خروجی:

Enter student name: Ali

Name: Ali
Credits Passed: 70
GPA: 17.8
Remaining Credits: 70
Progress: 50%

📋 قوانین:

✅ خروجی‌ها و نام متغیرها به زبان انگلیسی باشند.

❌ استفاده از ChatGPT فقط برای گرفتن Hint مجاز است، نه دریافت کد کامل 🫪

💡 اگر مبتدی هستی
نگران نباش. هدف این چالش یادگیری و پیشرفت روزانه است، نه کامل بودن.

❓ اگر به راهنمایی نیاز داشتی
راه ارتباطی فراوانه (کامنت،گروه، بات)
@learnpythonicychat
@learnpythonicyBot

⏰ مهلت ارسال پاسخ
فردا ساعت 20:00

فردا علاوه بر انتشار پاسخ رسمی، چالش Day 2 را هم میزارم.

🧡🔥 تغییرات بزرگ یک شبه اتفاق نمی‌افتند.

اگر نت دوباره ملی شد خدایی نکرده
ایتا هستیم 🧌
https://eitaa.com/learnpythonicy

✅ پاسخ چالش Day 1

یکی از راه‌حل‌های ممکن:

students = {
    "Ali": {"credits": 70, "gpa": 17.8},
    "Sara": {"credits": 95, "gpa": 18.5},
    "Reza": {"credits": 40, "gpa": 15.2},
    "Nima": {"credits": 120, "gpa": 18.1},
    "Parsa": {"credits": 55, "gpa": 16.4},
    "Arman": {"credits": 80, "gpa": 17.1},
    "Mina": {"credits": 140, "gpa": 19.0},
    "Ava": {"credits": 35, "gpa": 16.8},
    "Yasmin": {"credits": 110, "gpa": 18.7},
    "Amir": {"credits": 65, "gpa": 15.9}
}

student_name = input("Enter student name: ")

credits = students[student_name]["credits"]
gpa = students[student_name]["gpa"]

remaining_credits = 140 - credits
progress_percentage = (credits / 140) * 100

if credits >= 140:
    status = "Graduated"
else:
    status = "In Progress"

print("\nStudent Information")
print("-------------------")
print("Name:", student_name)
print("Credits Passed:", credits)
print("GPA:", gpa)
print("Remaining Credits:", remaining_credits)
print(f"Progress: {progress_percentage:.2f}%")
print("Status:", status)

📚 مفاهیمی که در این چالش تمرین کردیم:

✅ Variables

✅ User Input

✅ Dictionary

✅ Nested Dictionary Access

✅ Basic Calculations

✅ Conditional Statements (if/else)

✅ Formatted Output

💡 نکته:

اگر نام دانشجویی وارد شود که در دیتاست وجود ندارد، برنامه خطا می‌دهد. در چالش‌های آینده یاد می‌گیریم چطور این خطاها را مدیریت کنیم.

🔥 اگر راه‌حل متفاوتی نوشتید، در کامنت‌ها ارسال کنید. گاهی چندین راه‌حل مختلف برای یک مسئله وجود داره و دیدن روش‌های دیگه می‌تونه آموزنده باشه.

🔜 آماده چالش Day 2 باشید...

🔥 چالش ۳۰ روزه Python for AI

#Day2

🎯 موضوع:
Conditional Statements (if / elif / else)

⭐ سطح:
مبتدی

⏳ زمان تخمینی:
10 تا 25 دقیقه

📝 صورت مسئله:

در بسیاری از سیستم‌های AI و Data Analytics، قبل از تحلیل داده‌ها باید آن‌ها را دسته‌بندی کنیم.

فرض کنید می‌خواهیم دانشجویان را بر اساس معدل طبقه‌بندی کنیم.

برنامه‌ای بنویسید که:

1️⃣ نام دانشجو را از کاربر دریافت کند.

2️⃣ اطلاعات دانشجو را از دیتاست زیر پیدا کند.

3️⃣ علاوه بر نمایش اطلاعات، وضعیت تحصیلی او را نیز تعیین کند.

students = {
    "Ali": {"credits": 70, "gpa": 17.8},
    "Sara": {"credits": 95, "gpa": 18.5},
    "Reza": {"credits": 40, "gpa": 15.2},
    "Nima": {"credits": 120, "gpa": 18.1},
    "Parsa": {"credits": 55, "gpa": 16.4},
    "Arman": {"credits": 80, "gpa": 17.1},
    "Mina": {"credits": 140, "gpa": 19.0},
    "Ava": {"credits": 35, "gpa": 16.8},
    "Yasmin": {"credits": 110, "gpa": 18.7},
    "Amir": {"credits": 65, "gpa": 15.9}
}

📌 Academic Level

اگر GPA برابر یا بیشتر از 18 بود:

Excellent

اگر GPA بین 16 و 18 بود:

Good

اگر GPA بین 14 و 16 بود:

Average

اگر GPA کمتر از 14 بود:

Needs Improvement

📌 نمونه خروجی:

Enter student name: Sara

Name: Sara
GPA: 18.5
Academic Level: Excellent

🎯 Bonus Challenge

علاوه بر Academic Level مشخص کنید آیا به دانشجو اسکالرشیپ تعلق می‌گیرد یا خیر:

Eligible for Scholarship

شرط بورسیه:

- GPA >= 18
- Credits >= 90

💡 اگر مبتدی هستید:

ابتدا روی بخش Academic Level تمرکز کنید و سپس Bonus را انجام دهید.

❓ اگر به راهنمایی نیاز داشتید:

در کامنت‌ها سؤال بپرسید یا از طریق بات پیام ارسال کنید.

⏰ مهلت ارسال پاسخ:
فردا ساعت 20:00

🔺 امروز داریم اولین قدم‌های واقعی در دسته‌بندی داده‌ها (Classification Logic) را تمرین می‌کنیم؛ مفهومی که بعدها در Machine Learning بسیار مهم خواهد بود.

✅ پاسخ چالش Day 2
یکی از راه‌حل‌های ممکن:

students = {
    "Ali": {"credits": 70, "gpa": 17.8},
    "Sara": {"credits": 95, "gpa": 18.5},
    "Reza": {"credits": 40, "gpa": 15.2},
    "Nima": {"credits": 120, "gpa": 18.1},
    "Parsa": {"credits": 55, "gpa": 16.4},
    "Arman": {"credits": 80, "gpa": 17.1},
    "Mina": {"credits": 140, "gpa": 19.0},
    "Ava": {"credits": 35, "gpa": 16.8},
    "Yasmin": {"credits": 110, "gpa": 18.7},
    "Amir": {"credits": 65, "gpa": 15.9}
}

student_name = input("Enter student name: ").strip().title()

if student_name in students:
    credits = students[student_name]["credits"]
    gpa = students[student_name]["gpa"]

    if gpa >= 18:
        academic_level = "Excellent"
    elif gpa >= 16:
        academic_level = "Good"
    elif gpa >= 14:
        academic_level = "Average"
    else:
        academic_level = "Needs Improvement"

    if gpa >= 18 and credits >= 90:
        scholarship = "Eligible for Scholarship"
    else:
        scholarship = "Not Eligible for Scholarship"

    print("\nStudent Information")
    print("-------------------")
    print("Name:", student_name)
    print("Credits Passed:", credits)
    print("GPA:", gpa)
    print("Academic Level:", academic_level)
    print("Scholarship:", scholarship)

else:
    print("Student not found")

📚 مفاهیمی که در این چالش تمرین کردیم:
✅ Variables
✅ User Input
✅ Dictionary
✅ Nested Dictionary Access
✅ Conditional Statements
✅ if / elif / else
✅ Comparison Operators
✅ Logical Operator and
✅ Classification Logic
✅ Formatted Output
💡 نکته:
در این چالش با استفاده از شرط‌ها، دانشجویان را بر اساس GPA دسته‌بندی کردیم. این نوع منطق شرطی، پایه‌ای‌ترین شکل Classification است و در مراحل بعدی یادگیری Machine Learning کاربرد زیادی دارد.

🎁 Bonus:
برای بررسی بورسیه، دو شرط را هم‌زمان بررسی کردیم:
GPA >= 18
Credits >= 90
اگر هر دو شرط درست باشند، دانشجو واجد شرایط Scholarship خواهد بود.

🔥 اگر راه‌حل متفاوتی نوشتید، در کامنت‌ها ارسال کنید. گاهی چندین راه‌حل مختلف برای یک مسئله وجود داره و دیدن روش‌های دیگه می‌تونه آموزنده باشه.
🔜 آماده چالش Day 3 باشید...

🔥 چالش ۳۰ روزه Python for AI

#Day3

🎯 موضوع:
Loops (for)

⭐ سطح:
مبتدی تا متوسط

⏳ زمان تخمینی:
15 تا 30 دقیقه

📝 صورت مسئله:

در سیستم‌های تحلیلی معمولاً لازم است همه داده‌ها را بررسی کنیم.

دیتاست زیر را در برنامه قرار دهید:

students = {
    "Ali": {"credits": 70, "gpa": 17.8},
    "Sara": {"credits": 95, "gpa": 18.5},
    "Reza": {"credits": 40, "gpa": 15.2},
    "Nima": {"credits": 120, "gpa": 18.1},
    "Parsa": {"credits": 55, "gpa": 16.4},
    "Arman": {"credits": 80, "gpa": 17.1},
    "Mina": {"credits": 140, "gpa": 19.0},
    "Ava": {"credits": 35, "gpa": 16.8},
    "Yasmin": {"credits": 110, "gpa": 18.7},
    "Amir": {"credits": 65, "gpa": 15.9}
}

برنامه باید:

✅ تعداد کل دانشجویان را نمایش دهد.

✅ میانگین GPA را محاسبه کند.

✅ دانشجویی با بیشترین GPA را پیدا کند.

✅ دانشجویی با کمترین GPA را پیدا کند.

📌 نمونه خروجی:

Total Students: 10
Average GPA: 17.54

Top Student: Mina (19.0)
Lowest GPA: Reza (15.2)

🎯 Bonus Challenge

تعداد دانشجویانی که GPA آن‌ها بیشتر یا مساوی 18 است را محاسبه کنید.

📋 نکته:
برای حل این مسئله باید روی تمام دانشجویان Loop بزنید.

⏰ مهلت ارسال پاسخ:
فردا ساعت 20:00

✅ پاسخ چالش Day 3

یکی از راه‌حل‌های ممکن:👇

students = {
    "Ali": {"credits": 70, "gpa": 17.8},
    "Sara": {"credits": 95, "gpa": 18.5},
    "Reza": {"credits": 40, "gpa": 15.2},
    "Nima": {"credits": 120, "gpa": 18.1},
    "Parsa": {"credits": 55, "gpa": 16.4},
    "Arman": {"credits": 80, "gpa": 17.1},
    "Mina": {"credits": 140, "gpa": 19.0},
    "Ava": {"credits": 35, "gpa": 16.8},
    "Yasmin": {"credits": 110, "gpa": 18.7},
    "Amir": {"credits": 65, "gpa": 15.9}
}

total_students = len(students)

total_gpa = 0

top_student = ""
top_gpa = 0

lowest_student = ""
lowest_gpa = 20

scholarship_count = 0

for name, info in students.items():
    gpa = info["gpa"]

    total_gpa += gpa

    if gpa > top_gpa:
        top_gpa = gpa
        top_student = name

    if gpa < lowest_gpa:
        lowest_gpa = gpa
        lowest_student = name

    if gpa >= 18:
        scholarship_count += 1

average_gpa = total_gpa / total_students

print("Total Students:", total_students)
print("Average GPA:", round(average_gpa, 2))

print("\nTop Student:")
print(f"{top_student} ({top_gpa})")

print("\nLowest GPA:")
print(f"{lowest_student} ({lowest_gpa})")

print("\nStudents with GPA >= 18:")
print(scholarship_count)

@learnpythonicy

🔥 چالش ۳۰ روزه Python for AI

#Day4

🎯 موضوع:
Functions

⭐️ سطح:
متوسط

⏳ زمان تخمینی:
20 تا 35 دقیقه

📝 صورت مسئله:

در پروژه‌های واقعی، کدهای تکراری باید داخل Function قرار بگیرند.

دیتاست روزهای قبل را استفاده کنید.

سه تابع بنویسید:

Function 1

get_average_gpa()

میانگین GPA را برگرداند.

Function 2

get_top_student()

نام و GPA بهترین دانشجو را برگرداند.

Function 3

get_scholarship_students()

تمام دانشجویانی که:

GPA >= 18

دارند را نمایش دهد.

📌 نمونه خروجی:

Average GPA: 17.54

Top Student:
Mina (19.0)

Scholarship Students:
Sara
Nima
Mina
Yasmin

🎯 Bonus Challenge

یک تابع بنویسید:

find_student(name)

که نام دانشجو را دریافت کرده و اطلاعات او را نمایش دهد.

📋 هدف امروز:

یادگیری ساخت کدهای تمیزتر و قابل استفاده مجدد.

⏰ مهلت ارسال پاسخ:
فردا ساعت 20:00

✅ پاسخ چالش Day 4

یکی از راه‌حل‌های ممکن:

students = {
    "Ali": {"credits": 70, "gpa": 17.8},
    "Sara": {"credits": 95, "gpa": 18.5},
    "Reza": {"credits": 40, "gpa": 15.2},
    "Nima": {"credits": 120, "gpa": 18.1}, 
     "Parsa": {"credits": 55, "gpa": 16.4},
    "Arman": {"credits": 80, "gpa": 17.1},
    "Mina": {"credits": 140, "gpa": 19.0},
    "Ava": {"credits": 35, "gpa": 16.8},
    "Yasmin": {"credits": 110, "gpa": 18.7},
    "Amir": {"credits": 65, "gpa": 15.9}
}


def get_average_gpa():
    total_gpa = 0

    for student in students:
        total_gpa += students[student]["gpa"]

    return total_gpa / len(students)


def get_top_student():
    top_name = ""
    top_gpa = 0

    for student in students:
        if students[student]["gpa"] > top_gpa:
            top_gpa = students[student]["gpa"]
            top_name = student

    return top_name, top_gpa


def get_scholarship_students():
    scholarship_students = []

    for student in students:
        if students[student]["gpa"] >= 18:
            scholarship_students.append(student)

    return scholarship_students


# Bonus Challenge
def find_student(name):
    if name in students:
        print(f"Name: {name}")
        print(f"Credits: {students[name]['credits']}")
        print(f"GPA: {students[name]['gpa']}")
    else:
        print("Student not found")


print(f"Average GPA: {get_average_gpa():.2f}")

top_name, top_gpa = get_top_student()
print("\nTop Student:")
print(f"{top_name} ({top_gpa})")

print("\nScholarship Students:")
for student in get_scholarship_students():
    print(student)

print("\nFind Student:")
find_student("Sara")

💡 نکته آموزشی:

تابع یا Function باعث می‌شود کدها تمیزتر، قابل استفاده مجدد و قابل نگهداری‌تر شوند.

هر تابع فقط یک وظیفه مشخص داره (اصل Single Responsibility).

مقدار خروجی با return به برنامه برگردانده میشه و از آن در بخش‌های مختلف برنامه میشه استفاده کرد.

@learnpythonicy

🔥 چالش ۳۰ روزه Python for AI

#Day5

🎯 موضوع:
Lists & Basic Statistics

⭐ سطح:
متوسط

⏳ زمان تخمینی:
20 تا 30 دقیقه

📝 صورت مسئله:

فرض کنید نمرات یک دانشجو در طول ترم به صورت زیر ذخیره شده است:

scores = [18, 15, 20, 17, 19, 14, 16]

برنامه‌ای بنویسید که:

✅ میانگین نمرات را محاسبه کند.

✅ بیشترین نمره را پیدا کند.

✅ کمترین نمره را پیدا کند.

✅ تعداد نمرات بالاتر از میانگین را محاسبه کند.

📌 نمونه خروجی:

Average Score: 17.0
Highest Score: 20
Lowest Score: 14
Scores Above Average: 3

🎯 Bonus Challenge

نمرات را به صورت نزولی (Descending) نمایش دهید.

📋 هدف امروز:

آشنایی با List و انجام تحلیل‌های آماری ساده روی داده‌ها.

⏰ مهلت ارسال پاسخ:
فردا ساعت 20:00

✅ پاسخ چالش Day 5


💡 نکته مهم:

در تحلیل داده‌ها همیشه اول یک “baseline statistics” مثل میانگین، بیشینه و کمینه محاسبه می‌شود، چون پایه بسیاری از الگوریتم‌های Machine Learning همین مفاهیم ساده هستند.

🎁و Bonus انجام شد:
لیست نمرات به صورت نزولی با "sorted(scores, reverse=True)" مرتب شد.

@learnpythonicy

🔥 چالش ۳۰ روزه Python for AI

#Day6

🎯 موضوع:
Dictionary + Data Analysis


⏰ مهلت ارسال پاسخ:
فردا ساعت 20:00

راه ارتباطی (کامنت،گروه، بات)
@learnpythonicychat
@learnpythonicyBot
_
@learnpythonicy

🥹 بامزه‌ترین قفل صفحه برای معتادای وب گردی!


👨🏻‍💻 یه نابغه اومده یه اکستنشن برای مرورگر ساخته که وقتی زیاد پشت سیستم کار می‌کنی، یهو یه گربه نارنجی گنده میاد کل مانیتورت رو می‌گیره و نمی‌ذاره کار کنی تا بری استراحت کنی! 🐈


❤️ افزونه Cat Gatekeeper اومده تا با یه گربه‌ی گنده، مانیتورت رو تسخیر کنه! یعنی رسماً مانیتور قفل میشه و هیچ کاری نمی‌تونید بکنید جز اینکه دست از کار بکشید، از پشت میز بلند بشید و یه استراحتی به چشماتون بدید.


✍🏼 Shahin

پاسخ چالش روز هفتم

students = {
    "Ali": {"credits": 70, "gpa": 17.8},
    "Sara": {"credits": 95, "gpa": 18.5},
    "Reza": {"credits": 40, "gpa": 15.2},
    "Nima": {"credits": 120, "gpa": 18.1},
    "Parsa": {"credits": 55, "gpa": 16.4},
    "Arman": {"credits": 80, "gpa": 17.1},
    "Mina": {"credits": 140, "gpa": 19.0},
    "Ava": {"credits": 35, "gpa": 16.8},
    "Yasmin": {"credits": 110, "gpa": 18.7},
    "Amir": {"credits": 65, "gpa": 15.9}
}

TOTAL_CREDITS = 140


def get_academic_level(gpa):
    if gpa >= 18:
        return "Excellent"
    elif gpa >= 16:
        return "Good"
    elif gpa >= 14:
        return "Average"
    else:
        return "Needs Improvement"


def get_status(credits):
    if credits >= TOTAL_CREDITS:
        return "Graduated"
    else:
        return "In Progress"


def show_student_info(name):
    credits = students[name]["credits"]
    gpa = students[name]["gpa"]

    remaining_credits = TOTAL_CREDITS - credits
    progress_percentage = (credits / TOTAL_CREDITS) * 100
    status = get_status(credits)
    academic_level = get_academic_level(gpa)

    print("\n------ Student Information ------")
    print("Name:", name)
    print("Credits Passed:", credits)
    print("GPA:", gpa)
    print("Remaining Credits:", remaining_credits)
    print(f"Progress Percentage: {progress_percentage:.2f}%")
    print("Status:", status)
    print("Academic Level:", academic_level)


def calculate_average_gpa():
    total_gpa = 0

    for student in students:
        total_gpa += students[student]["gpa"]

    return total_gpa / len(students)


def find_top_student():
    top_student = None
    top_gpa = 0

    for student in students:
        gpa = students[student]["gpa"]

        if gpa > top_gpa:
            top_gpa = gpa
            top_student = student

    return top_student, top_gpa


def show_above_average_students(average_gpa):
    print("\nStudents With GPA Above Average:")

    for student in students:
        gpa = students[student]["gpa"]

        if gpa > average_gpa:
            print(student, "-", gpa)


student_name = input("Enter student name: ").strip().title()

if student_name in students:
    show_student_info(student_name)

    top_student, top_gpa = find_top_student()
    average_gpa = calculate_average_gpa()

    print("\n------ Class Analytics ------")
    print(f"Top Student: {top_student} ({top_gpa})")
    print(f"Average GPA of All Students: {average_gpa:.2f}")

    show_above_average_students(average_gpa)

else:
    print("Student not found")