🔥 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.
📌 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
💡 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.
#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.
👨💻2
آموزش پایتون
🔥 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…
✅ پاسخ چالش Day 2
یکی از راهحلهای ممکن:
📚 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...
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:
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.
🎯 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
#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:👇
@learnpythonicy
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.
🎯 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
#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
آموزش پایتون
🔥 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":…
✅ پاسخ چالش Day 4
یکی از راهحلهای ممکن:
💡 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
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
#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
آموزش پایتون
🔥 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:…
✅ 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
💡 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
❤2
This media is not supported in your browser
VIEW IN TELEGRAM
🔥 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
#Day6
🎯 موضوع:
Dictionary + Data Analysis
⏰ مهلت ارسال پاسخ:
فردا ساعت 20:00
راه ارتباطی (کامنت،گروه، بات)
@learnpythonicychat
@learnpythonicyBot
_
@learnpythonicy
👨💻2
This media is not supported in your browser
VIEW IN TELEGRAM
🥹 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
👨🏻💻 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
🔥 چالش ۳۰ روزه Python for AI
#Day7
🎯 Mini Project #1
⏰ مهلت ارسال پاسخ:
فردا ساعت 20:00
راه ارتباطی (کامنت،گروه، بات)
@learnpythonicychat
@learnpythonicyBot
_
@learnpythonicy
#Day7
🎯 Mini Project #1
⏰ مهلت ارسال پاسخ:
فردا ساعت 20:00
راه ارتباطی (کامنت،گروه، بات)
@learnpythonicychat
@learnpythonicyBot
_
@learnpythonicy
چالشها را انجام میدید یا تنبلی میکنید؟؟؟؟
فقط چندتا انگشت شمار هستند که برام میفرستن 🥵☺️
فقط چندتا انگشت شمار هستند که برام میفرستن 🥵☺️
آموزش پایتون
🔥 چالش ۳۰ روزه Python for AI #Day7 🎯 Mini Project #1 ⏰ مهلت ارسال پاسخ: فردا ساعت 20:00 راه ارتباطی (کامنت،گروه، بات) @learnpythonicychat @learnpythonicyBot _ @learnpythonicy
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")
This media is not supported in your browser
VIEW IN TELEGRAM
🔥 چالش ۳۰ روزه Python for AI
#Day8
📋 هدف:
آشنایی با پردازش متن (Text Processing) که پایه NLP است.
⏰ مهلت:
فردا ساعت 20:00
راه ارتباطی (کامنت،گروه، بات)
@learnpythonicychat
@learnpythonicyBot
#Day8
📋 هدف:
آشنایی با پردازش متن (Text Processing) که پایه NLP است.
⏰ مهلت:
فردا ساعت 20:00
راه ارتباطی (کامنت،گروه، بات)
@learnpythonicychat
@learnpythonicyBot
🔥 چالش ۳۰ روزه Python for AI
#Day9
📁 File Handling
تمرین امروز داخل تصویر کامل توضیح داده شده 👌
فقط کافیه فایل رو بخونی و با چند خط کد دادهها رو تحلیل کنی 😎
👀 اگر هینت نیاز داری داخل کپشن و ببین
راه ارتباطی (کامنت،گروه، بات)
@learnpythonicychat
@learnpythonicyBot
#Day9
📁 File Handling
تمرین امروز داخل تصویر کامل توضیح داده شده 👌
فقط کافیه فایل رو بخونی و با چند خط کد دادهها رو تحلیل کنی 😎
👀 اگر هینت نیاز داری داخل کپشن و ببین
راه ارتباطی (کامنت،گروه، بات)
@learnpythonicychat
@learnpythonicyBot
آموزش پایتون
🔥 چالش ۳۰ روزه Python for AI #Day9 📁 File Handling تمرین امروز داخل تصویر کامل توضیح داده شده 👌 فقط کافیه فایل رو بخونی و با چند خط کد دادهها رو تحلیل کنی 😎 👀 اگر هینت نیاز داری داخل کپشن و ببین راه ارتباطی (کامنت،گروه، بات) @learnpythonicychat @…
# Create and write file
with open("students.txt", "w") as file:
file.write("Ali,17.8\n")
file.write("Sara,18.5\n")
file.write("Reza,15.2\n")
file.write("Nima,18.1\n")
file.write("Parsa,16.4\n")
# Read file
students = []
with open("students.txt", "r") as file:
for line in file:
name, gpa = line.strip().split(",")
students.append((name, float(gpa)))
# Total students
total_students = len(students)
# Calculate average GPA
total_gpa = 0
top_student = ""
top_gpa = -1
for name, gpa in students:
total_gpa += gpa
if gpa > top_gpa:
top_gpa = gpa
top_student = name
average_gpa = total_gpa / total_students
# Bonus: students above 18
above_18 = []
for name, gpa in students:
if gpa > 18:
above_18.append((name, gpa))
# Output
print("Total Students:", total_students)
print("Average GPA:", round(average_gpa, 1))
print("\nTop Student:")
print(f"{top_student} ({top_gpa})")
print("\nStudents with GPA > 18:")
for name, gpa in above_18:
print(f"{name} ({gpa})")
🔥 #Day10 of Python for AI Challenge
Working with CSV files is your first step into real-world data handling 📊
Today you’ll learn how to read, analyze, and extract insights from structured datasets using Python.
Small step, big move toward Data Science
Working with CSV files is your first step into real-world data handling 📊
Today you’ll learn how to read, analyze, and extract insights from structured datasets using Python.
Small step, big move toward Data Science
❤1