📘 پروژههای یادگیری ماشین
میخوای یادگیری ماشین رو با پروژهٔ عملی یاد بگیری؟ این pdf منبع خوبیه برای توسعهدهندهها، دانشجوها و دانشمندان دادهای که میخوان مهارت ML خودشون رو با کار عملی تقویت کنن.
🎁 داخلش چیا هست؟
• ایدههای عملی پروژههای Machine Learning
• فرصتهایی برای تقویت پایتون
• یادگیری hands-on و تجربهٔ مستقیم
• یادگیری مبتنی بر پروژه برای مبتدیها و توسعهدهندهها
🐍 به همراه تمام کدها Python
🔗 دریافت PDF رایگان:
https://www.clcoding.com/2026/08/machine-learning-projects-free-pdf.html
🌐 #علم_داده #DataScience #MachineLearning #Python #یادگیری_ماشین
@python4all_pro
میخوای یادگیری ماشین رو با پروژهٔ عملی یاد بگیری؟ این pdf منبع خوبیه برای توسعهدهندهها، دانشجوها و دانشمندان دادهای که میخوان مهارت ML خودشون رو با کار عملی تقویت کنن.
🎁 داخلش چیا هست؟
• ایدههای عملی پروژههای Machine Learning
• فرصتهایی برای تقویت پایتون
• یادگیری hands-on و تجربهٔ مستقیم
• یادگیری مبتنی بر پروژه برای مبتدیها و توسعهدهندهها
🐍 به همراه تمام کدها Python
🔗 دریافت PDF رایگان:
https://www.clcoding.com/2026/08/machine-learning-projects-free-pdf.html
🌐 #علم_داده #DataScience #MachineLearning #Python #یادگیری_ماشین
@python4all_pro
Advanced Pandas.zip
126.2 MB
📘 آموزش«Pandas پیشرفته»
👨🏫 سطح: پیشرفته
📝 این دوره توابع پیشرفتهٔ Pandas رو آموزش میده تا بتونی موثرتر با دادههات کار کنی.
🧠 چی یاد میگیری؟
• زنجیرهسازی عملیات (method chaining) برای کد تمیزتر و سریعتر
• کار با دادههای چندشاخصی (MultiIndex) و گروهبندی پیشرفته
• ؛groupby، pivot_table و merge برای بازآرایی و ترکیب داده
• ؛apply و توابع سفارشی روی Series و DataFrame
• مدیریت دادههای گمشده (missing values) و مقادیر تکراری
• بهینهسازی عملکرد و کار با دادههای بزرگ
🛠️ پیشنیاز: آشنایی با Pandas در سطح مقدماتی — عملیات پایه (خواندن CSV، انتخاب ستون و ردیف، فیلتر، گروهبندی).
🌐 #علم_داده #DataScience #Pandas #Python #DataAnalysis #پایتون
@python4all_pro
👨🏫 سطح: پیشرفته
📝 این دوره توابع پیشرفتهٔ Pandas رو آموزش میده تا بتونی موثرتر با دادههات کار کنی.
🧠 چی یاد میگیری؟
• زنجیرهسازی عملیات (method chaining) برای کد تمیزتر و سریعتر
• کار با دادههای چندشاخصی (MultiIndex) و گروهبندی پیشرفته
• ؛groupby، pivot_table و merge برای بازآرایی و ترکیب داده
• ؛apply و توابع سفارشی روی Series و DataFrame
• مدیریت دادههای گمشده (missing values) و مقادیر تکراری
• بهینهسازی عملکرد و کار با دادههای بزرگ
🛠️ پیشنیاز: آشنایی با Pandas در سطح مقدماتی — عملیات پایه (خواندن CSV، انتخاب ستون و ردیف، فیلتر، گروهبندی).
🌐 #علم_داده #DataScience #Pandas #Python #DataAnalysis #پایتون
@python4all_pro
پایتون | Data Science | Machine Learning pinned Deleted message
🤖 دستیار هوش مصنوعی محلی که خودش سر وقت کار میکنه
معمولاً AIها فقط وقتی کار میکنن که ازشون بخوای — ولی این آموزش به شما نشون میده چطور یه دستیار محلی بسازی که روی زمانبندی اجرا بشه.
🛠️ جعبهابزار:
• Python — مغز اجرا
• Ollama — اجرای مدل روی سیستم خودت
• Qwen — مدل زبانی
• LangChain — اتصال مدل به ابزارها
• cron (لینوکس/مک) و Task Scheduler (ویندوز) — زمانبندی اجرا
✅ نتیجه: ایجنتهای روزانه برای کارهای تکراری، بدون اینکه دستی بهشون بزنی.
🔐 مزیت بزرگ: چون همهچیز لوکال اجرا میشه، دادههات از دستگاه خودت بیرون نمیرن — برای کارهای شخصی و حساس عالیه.
📖 لینک مقاله:
https://www.freecodecamp.org/news/how-to-build-and-schedule-local-ai-assistants-for-daily-tasks/
🌐 #هوش_مصنوعی #AI_Agents #Python #Ollama #LangChain
@python4all_pro
معمولاً AIها فقط وقتی کار میکنن که ازشون بخوای — ولی این آموزش به شما نشون میده چطور یه دستیار محلی بسازی که روی زمانبندی اجرا بشه.
🛠️ جعبهابزار:
• Python — مغز اجرا
• Ollama — اجرای مدل روی سیستم خودت
• Qwen — مدل زبانی
• LangChain — اتصال مدل به ابزارها
• cron (لینوکس/مک) و Task Scheduler (ویندوز) — زمانبندی اجرا
✅ نتیجه: ایجنتهای روزانه برای کارهای تکراری، بدون اینکه دستی بهشون بزنی.
🔐 مزیت بزرگ: چون همهچیز لوکال اجرا میشه، دادههات از دستگاه خودت بیرون نمیرن — برای کارهای شخصی و حساس عالیه.
📖 لینک مقاله:
https://www.freecodecamp.org/news/how-to-build-and-schedule-local-ai-assistants-for-daily-tasks/
🌐 #هوش_مصنوعی #AI_Agents #Python #Ollama #LangChain
@python4all_pro
👍3
Convert PDF to DOCX Using Python!
Python makes it simple with the pdf2docx library.
Quick Steps:
Install pdf2docx
Import the Converter class.
Load your PDF file.
Convert it into a DOCX file.
Close the converter.
Install:
pip install pdf2docx
@python4all_pro
Python makes it simple with the pdf2docx library.
Quick Steps:
Install pdf2docx
Import the Converter class.
Load your PDF file.
Convert it into a DOCX file.
Close the converter.
Install:
pip install pdf2docx
@python4all_pro
اندری کارپاتی (Andrej Karpathy)، یکی از چهرههای شناختهشده دنیای هوش مصنوعی، تمام منابع دوره آموزشی خودش رو بهصورت رایگان در GitHub منتشر کرده.
این مجموعه شامل ۷ پروژه است که به ترتیب مشخصی چیده شدن تا بتونی قدمبهقدم یاد بگیری هوش مصنوعی چطور کار میکنه:
۱. nn-zero-to-hero
دوره ویدیویی آموزش ساخت Neural Network از صفر؛ با پیادهسازی تمام مراحل از پایه.
https://github.com/karpathy/nn-zero-to-hero
۲. micrograd
یادگیری ریاضیات پشت فرایند آموزش هوش مصنوعی، با کدنویسی بسیار کم و ساده.
https://github.com/karpathy/micrograd
۳. makemore
ساخت یک مدل کوچک که از روی الگوهای یادگرفتهشده، اسمهای جدید تولید میکنه.
https://github.com/karpathy/makemore
۴. minbpe
یاد میگیری هوش مصنوعی چطور کلمات و متن رو به Token تبدیل میکنه.
https://github.com/karpathy/minbpe
۵. nanoGPT
آموزش ساخت و Train کردن مدل GPT شخصی خودت.
https://github.com/karpathy/nanoGPT
۶. nanochat
ساخت یک نسخه جمعوجور از ChatGPT با هزینهای در حدود ۱۰۰ دلار.
https://github.com/karpathy/nanochat
۷. autoresearch
ساخت Agentهایی که بهصورت خودکار روی یک GPU آزمایشهای مختلف هوش مصنوعی انجام میدن و نتایج رو بررسی میکنن.
https://github.com/karpathy/autoresearch
این ۷ مخزن در مجموع بیش از ۲۸۴ هزار GitHub Star دارن.
تقریباً تمام چیزهایی که برای درک سازوکار ChatGPT و نحوه کار مدلهای زبانی بزرگ (LLM) نیاز داری، در این مجموعه بهصورت رایگان و Open Source در دسترسه.
اگر میخوای هوش مصنوعی رو فراتر از استفاده روزمره بشناسی، این مسیر آموزشی ارزش دنبال کردن داره.
@python4all_pro
این مجموعه شامل ۷ پروژه است که به ترتیب مشخصی چیده شدن تا بتونی قدمبهقدم یاد بگیری هوش مصنوعی چطور کار میکنه:
۱. nn-zero-to-hero
دوره ویدیویی آموزش ساخت Neural Network از صفر؛ با پیادهسازی تمام مراحل از پایه.
https://github.com/karpathy/nn-zero-to-hero
۲. micrograd
یادگیری ریاضیات پشت فرایند آموزش هوش مصنوعی، با کدنویسی بسیار کم و ساده.
https://github.com/karpathy/micrograd
۳. makemore
ساخت یک مدل کوچک که از روی الگوهای یادگرفتهشده، اسمهای جدید تولید میکنه.
https://github.com/karpathy/makemore
۴. minbpe
یاد میگیری هوش مصنوعی چطور کلمات و متن رو به Token تبدیل میکنه.
https://github.com/karpathy/minbpe
۵. nanoGPT
آموزش ساخت و Train کردن مدل GPT شخصی خودت.
https://github.com/karpathy/nanoGPT
۶. nanochat
ساخت یک نسخه جمعوجور از ChatGPT با هزینهای در حدود ۱۰۰ دلار.
https://github.com/karpathy/nanochat
۷. autoresearch
ساخت Agentهایی که بهصورت خودکار روی یک GPU آزمایشهای مختلف هوش مصنوعی انجام میدن و نتایج رو بررسی میکنن.
https://github.com/karpathy/autoresearch
این ۷ مخزن در مجموع بیش از ۲۸۴ هزار GitHub Star دارن.
تقریباً تمام چیزهایی که برای درک سازوکار ChatGPT و نحوه کار مدلهای زبانی بزرگ (LLM) نیاز داری، در این مجموعه بهصورت رایگان و Open Source در دسترسه.
اگر میخوای هوش مصنوعی رو فراتر از استفاده روزمره بشناسی، این مسیر آموزشی ارزش دنبال کردن داره.
@python4all_pro
GitHub
GitHub - karpathy/nn-zero-to-hero: Neural Networks: Zero to Hero
Neural Networks: Zero to Hero. Contribute to karpathy/nn-zero-to-hero development by creating an account on GitHub.
🧠 ساخت اولین سیستم multi_agent با پایتون و LangGraph
وقتی یه LLM باید همزمان برنامهریزی کنه، بنویسه و بازبینی کنه، پرامپتها بههم میریزن و خروجی آشفته میشه.
توی این آموزش یاد میگیرید چطور با پایتون و LangGraph یه سیستم چندایجنتی بسازید
ابزارهایی که استفاده میکنی:
• Ollama — اجرای مدل روی سیستم خودت
• Qwen — مدل زبانی محلی
• پرامپتهای متمرکز — هر ایجنت یه وظیفهٔ مشخص
• shared state — وضعیت مشترک بین ایجنتها
• nodes & edges — گرهها و یالها در گرافِ جریان کار
📖 لینک آموزش:
https://www.freecodecamp.org/news/how-to-build-your-first-multi-agent-ai-system-in-python-and-langgraph/
🌐 #هوش_مصنوعی #LangGraph #Python #Ollama #Qwen #LLM
@python4all_pro
وقتی یه LLM باید همزمان برنامهریزی کنه، بنویسه و بازبینی کنه، پرامپتها بههم میریزن و خروجی آشفته میشه.
توی این آموزش یاد میگیرید چطور با پایتون و LangGraph یه سیستم چندایجنتی بسازید
ابزارهایی که استفاده میکنی:
• Ollama — اجرای مدل روی سیستم خودت
• Qwen — مدل زبانی محلی
• پرامپتهای متمرکز — هر ایجنت یه وظیفهٔ مشخص
• shared state — وضعیت مشترک بین ایجنتها
• nodes & edges — گرهها و یالها در گرافِ جریان کار
📖 لینک آموزش:
https://www.freecodecamp.org/news/how-to-build-your-first-multi-agent-ai-system-in-python-and-langgraph/
🌐 #هوش_مصنوعی #LangGraph #Python #Ollama #Qwen #LLM
@python4all_pro
❤3🙏2
Forwarded from FaraDars_Course
🔴 فرصت محدود — با ۸۹ هزار تومن در فرادرس آموزش ببین!!
🎉 از بین آموزشهای فرادرس یک تا ۳ آموزش رو انتخاب کن؛ هر آموزش رو با ۸۹ هزار تومن دریافت کن!!
🎁 کد تخفیف: FRNWT89
✅ دسترسی به آموزشها - [کلیک کنید]
⚠️ توجه: از این کد فقط یکبار میتونی استفاده کنی؛ پس هر ۳ آموزش رو در یک سفارش ثبت کن.
@FaraDars — فرادرس
🎉 از بین آموزشهای فرادرس یک تا ۳ آموزش رو انتخاب کن؛ هر آموزش رو با ۸۹ هزار تومن دریافت کن!!
🎁 کد تخفیف: FRNWT89
✅ دسترسی به آموزشها - [کلیک کنید]
⚠️ توجه: از این کد فقط یکبار میتونی استفاده کنی؛ پس هر ۳ آموزش رو در یک سفارش ثبت کن.
@FaraDars — فرادرس
📊 افزودن و حذف ستون در Pandas
؛DataFrame ها خیلی منعطفاند؛ بهراحتی ستون جدید بسازید یا ستونهای اضافه را حذف کنید:
💡 نکته: با inplace=True دیتاست اصلی مستقیماً تغییر میکند؛ اگر میخواهید دادههای خام دستنخورده بماند، بدون inplace یک نسخهٔ جدید بسازید.
#Pandas #Python #DataScience
@python4all_pro
؛DataFrame ها خیلی منعطفاند؛ بهراحتی ستون جدید بسازید یا ستونهای اضافه را حذف کنید:
# افزودن ستون جدید
df['revenue'] = df['sales'] * df['price']
# ساخت ستون از ستونهای موجود
df['full_name'] = df['first_name'] + ' ' + df['last_name']
# حذف ستون
df.drop(columns=['temp_col'], inplace=True)
# یا ساخت DataFrame جدید بدون تغییر دادن اصلی
clean_df = df.drop(columns=['old_col1', 'old_col2'])
💡 نکته: با inplace=True دیتاست اصلی مستقیماً تغییر میکند؛ اگر میخواهید دادههای خام دستنخورده بماند، بدون inplace یک نسخهٔ جدید بسازید.
#Pandas #Python #DataScience
@python4all_pro
❤2
📦 ساخت و ایمپورت ماژول در پایتون
ایمپورت با تغییر نام (alias)
میتوانید هنگام ایمپورت، نام ماژول را با کلیدواژهٔ as تغییر دهید.
💡 نکته: با این روش میتوانید نام ماژولهای طولانی یا مبهم را کوتاه و خواناتر کنید، بدون اینکه فایل اصلی را تغییر دهید.
#Python #Modules #Programming #برنامه_نویسی #پایتون
@python4all_pro
ایمپورت با تغییر نام (alias)
میتوانید هنگام ایمپورت، نام ماژول را با کلیدواژهٔ as تغییر دهید.
import calculator as calc
print(calc.add(20, 10)) # 30
print(calc.subtract(20, 10)) # 10
print(calc.multiply(20, 10)) # 200
print(calc.divide(20, 10)) # 2.0
💡 نکته: با این روش میتوانید نام ماژولهای طولانی یا مبهم را کوتاه و خواناتر کنید، بدون اینکه فایل اصلی را تغییر دهید.
#Python #Modules #Programming #برنامه_نویسی #پایتون
@python4all_pro
👍3😍1
Forwarded from FaraDars_Course
💥 رایگان شد — آموزش «کاربرد ChatGPT برای برنامهنویسی پایتون» در فرادرس
⏳ فرصت محدود ⏳
💯 در این طرح رایگان، هر هفته امکان دسترسی رایگان به یک آموزش به مدت دو هفته فراهم میشود؛ فرصتی برای یادگیری یک مهارت تازه، بدون پرداخت هزینه.
🎁 کد تخفیف ۱۰۰ درصدی: FRQX46
✅ مهلت استفاده از کد تخفیف: جمعه، ۲۹ آبان ۱۴۰۵
🔻 از تبدیل ایده و الگوریتم به کد پایتون تا پیدا کردن ایرادهای برنامه، در این آموزش یاد می گیریم چطور از ChatGPT به عنوان یک دستیار برنامه نویسی استفاده کنیم.
🔗 لینک دریافت رایگان آموزش [+]
@FaraDars — فرادرس
⏳ فرصت محدود ⏳
💯 در این طرح رایگان، هر هفته امکان دسترسی رایگان به یک آموزش به مدت دو هفته فراهم میشود؛ فرصتی برای یادگیری یک مهارت تازه، بدون پرداخت هزینه.
🎁 کد تخفیف ۱۰۰ درصدی: FRQX46
✅ مهلت استفاده از کد تخفیف: جمعه، ۲۹ آبان ۱۴۰۵
🔻 از تبدیل ایده و الگوریتم به کد پایتون تا پیدا کردن ایرادهای برنامه، در این آموزش یاد می گیریم چطور از ChatGPT به عنوان یک دستیار برنامه نویسی استفاده کنیم.
🔗 لینک دریافت رایگان آموزش [+]
@FaraDars — فرادرس
📄 خواندن فایل CSV در پایتون
؛CSV مخفف Comma-Separated Values است؛ رایجترین فرمت دادههای جدولی در سراسر وب. با pandas، تبدیل یک CSV به یک DataFrame قدرتمند و قابلکوئری فقط چند خط ساده نیاز دارد.
💡 نکته: df.head() یک نمای کوتاه از ابتدای دادهها نشان میدهد؛ برای دیدن انتهای دیتاست از df.tail() و برای خلاصهٔ کلی از df.info() استفاده کنید.
#Pandas #Python #CSV #DataFrame #تحلیل_داده #دیتاساینس
@python4all_pro
؛CSV مخفف Comma-Separated Values است؛ رایجترین فرمت دادههای جدولی در سراسر وب. با pandas، تبدیل یک CSV به یک DataFrame قدرتمند و قابلکوئری فقط چند خط ساده نیاز دارد.
# ایمپورت کتابخانه pandas
import pandas as pd
# مشخص کردن مسیر فایل CSV
filename = "data.csv"
# خواندن فایل CSV در یک DataFrame
df = pd.read_csv(filename)
# بررسی پنج سطر اول
df.head()
💡 نکته: df.head() یک نمای کوتاه از ابتدای دادهها نشان میدهد؛ برای دیدن انتهای دیتاست از df.tail() و برای خلاصهٔ کلی از df.info() استفاده کنید.
#Pandas #Python #CSV #DataFrame #تحلیل_داده #دیتاساینس
@python4all_pro
❤🔥2👍1
🐍 SQL to Python
یک جدول جمعوجور که معادل هر عملیات SQL را در Pandas نشان میدهد
این جدول برای کسی که از SQL به Pandas مهاجرت میکند، یک چکلیست عالی است
#Pandas #Python #SQL
@python4all_pro
یک جدول جمعوجور که معادل هر عملیات SQL را در Pandas نشان میدهد
این جدول برای کسی که از SQL به Pandas مهاجرت میکند، یک چکلیست عالی است
#Pandas #Python #SQL
@python4all_pro