بهترین چنل های یوتیوب برای دیتا ساینس:
Mathematics : 3Blue 1 Brown
Python : Corey Schafer
SQL : Joey Blue
MS Excel : ExcellsFun
Tableau : Tableau Tim
Power BI : Guy in a Cube
Machine Learning : Sentsex
Special : Leila Gharani
◦•◉✿ @python_rd ✿◉•◦
Mathematics : 3Blue 1 Brown
Python : Corey Schafer
SQL : Joey Blue
MS Excel : ExcellsFun
Tableau : Tableau Tim
Power BI : Guy in a Cube
Machine Learning : Sentsex
Special : Leila Gharani
◦•◉✿ @python_rd ✿◉•◦
This media is not supported in your browser
VIEW IN TELEGRAM
🪩 یه ابزار ایده آل برای تولیدکننده‌های محتوا
♨️ یه ابزار هوش مصنوعی که به طور
خودکار شخصیت‌های CG (Computer Generated) رو متحرک میکنه و لایو اکشن می‌سازه.
#هوش_مصنوعی #AI
◦•◉✿ @python_rd ✿◉•◦
♨️ یه ابزار هوش مصنوعی که به طور
خودکار شخصیت‌های CG (Computer Generated) رو متحرک میکنه و لایو اکشن می‌سازه.
#هوش_مصنوعی #AI
◦•◉✿ @python_rd ✿◉•◦
🥸Find the output of the following code:🧐📚
def add(a,b,c): print(a+b+c) def multiply(a,b,c): return a*b*c m = add(1,2,3) n = multiply(1,2,3) print(m,n)
def add(a,b,c): print(a+b+c) def multiply(a,b,c): return a*b*c m = add(1,2,3) n = multiply(1,2,3) print(m,n)
Anonymous Quiz
36%
6 6
11%
6
43%
6, None 6
11%
None of the above
در زمینه زبان برنامه‌نویسی پایتون، موارد زیادی کتاب عالی وجود دارند که می‌توانند به شما در یادگیری این زبان کمک کنند. البته، بهترین کتاب بستگی به سطحتان و نیازهایتان دارد. اما من می‌توانم به شما تعدادی از کتاب‌های پرطرفدار در زمینه زبان برنامه‌نویسی پایتون را معرفی کنم:
1. "Python Crash Course" نوشته Eric Matthes: این کتاب برای مبتدیان بسیار مناسب است و به شما اصول پایه و مفاهیم اساسی پایتون را آموزش می‌دهد. همچنین، با استفاده از پروژه‌های عملی، شما را با کاربردهای واقعی زبان آشنا میکند.
2. "Python for Data Analysis" نوشته Wes McKinney: اگر به تجزیه و تحلیل داده‌ها علاقه‌مند هستید، این کتاب برای شما مناسب است. در این کتاب، شما را با استفاده از کتابخانه‌های محبوب مانند NumPy و Pandas در پایتون آشنا میکند.
3. "Automate the Boring Stuff with Python" نوشته Al Sweigart: این کتاب به شما نشان می‌دهد که چگونه با استفاده از پایتون کارهای روزمره و خسته کننده را به صورت خودکار انجام دهید. این کتاب مفید برای افرادی است که می‌خواهند پایتون را برای اتوماسیون و خودکارسازی استفاده کنند.
4. "Fluent Python" نوشته Luciano Ramalho: این کتاب برای افرادی که قصد تسلط بیشتر بر روی زبان پایتون را دارند مناسب است. در این کتاب، مفاهیم پیشرفته‌تری مانند توابع فراخوانی، توابع مولد، مدیریت استثناها و غیره را مورد بررسی قرار می‌دهد.
5. "Python Cookbook" نوشته David Beazley و Brian K. Jones: این کتاب به شما تکنیک‌ها و الگوهای مختلف برنامه‌نویسی در پایتون را آموزش می‌دهد. با استفاده از مثال‌های عملی، شما را با روش‌های بهینه‌تر برنامه‌نویسی در پایتون آشنا میکند.
این لیست تنها چند مثال از کتاب‌های معروف در زمینه زبان برنامه‌نویسی پایتون است و هنوز بسیاری دیگر وجود دارند.
#کتاب
◦•◉✿ @python_rd ✿◉•◦
1. "Python Crash Course" نوشته Eric Matthes: این کتاب برای مبتدیان بسیار مناسب است و به شما اصول پایه و مفاهیم اساسی پایتون را آموزش می‌دهد. همچنین، با استفاده از پروژه‌های عملی، شما را با کاربردهای واقعی زبان آشنا میکند.
2. "Python for Data Analysis" نوشته Wes McKinney: اگر به تجزیه و تحلیل داده‌ها علاقه‌مند هستید، این کتاب برای شما مناسب است. در این کتاب، شما را با استفاده از کتابخانه‌های محبوب مانند NumPy و Pandas در پایتون آشنا میکند.
3. "Automate the Boring Stuff with Python" نوشته Al Sweigart: این کتاب به شما نشان می‌دهد که چگونه با استفاده از پایتون کارهای روزمره و خسته کننده را به صورت خودکار انجام دهید. این کتاب مفید برای افرادی است که می‌خواهند پایتون را برای اتوماسیون و خودکارسازی استفاده کنند.
4. "Fluent Python" نوشته Luciano Ramalho: این کتاب برای افرادی که قصد تسلط بیشتر بر روی زبان پایتون را دارند مناسب است. در این کتاب، مفاهیم پیشرفته‌تری مانند توابع فراخوانی، توابع مولد، مدیریت استثناها و غیره را مورد بررسی قرار می‌دهد.
5. "Python Cookbook" نوشته David Beazley و Brian K. Jones: این کتاب به شما تکنیک‌ها و الگوهای مختلف برنامه‌نویسی در پایتون را آموزش می‌دهد. با استفاده از مثال‌های عملی، شما را با روش‌های بهینه‌تر برنامه‌نویسی در پایتون آشنا میکند.
این لیست تنها چند مثال از کتاب‌های معروف در زمینه زبان برنامه‌نویسی پایتون است و هنوز بسیاری دیگر وجود دارند.
#کتاب
◦•◉✿ @python_rd ✿◉•◦
This media is not supported in your browser
VIEW IN TELEGRAM
📝کشاورزی با هوش مصنوعی و لیزر
ماشینی که علف‌های هرز رو شناسایی می کنه و با لیزر می سوزونه!
#هوش_مصنوعی
#AI
◦•◉✿ @python_rd ✿◉•◦
ماشینی که علف‌های هرز رو شناسایی می کنه و با لیزر می سوزونه!
#هوش_مصنوعی
#AI
◦•◉✿ @python_rd ✿◉•◦
PyCoders (پایتون)
مطلبی درباره تفاوت == و is ◦•◉✿ @python_rd ✿◉•◦
✅ مطلبی در مورد تفاوت == و is
ما وقتی ی متغیر می‌سازیم، مثلا ی لیست، به این صورت:
list1 = [1, 2, 3, 4]
🔸️این متغیری که لیستمون رو بهش نسبت دادیم به ی خونه از حافظه رم اشاره میکنه، یعنی این لیست رو داخل ی خونه رم میذاره و به آدرس اون خونه اشاره میکنه.
حالا ی لیست دیگه بسازیم:
list2 = list1
🔷️در واقع ما گفتیم لیست دوم هم به همون آدرسی که لیست یک اشاره میکرد اشاره کنه.
حالا هر تغییری تو لیست یک یا لیست دو ایجاد کنیم اون یکی هم تغییر میکنه، مثلا:
list2.append(5)
نتیجه میشه:
print(list1) -> [1, 2, 3, 4, 5]
print(list2) -> [1, 2, 3, 4, 5]
ولی اگه بیایم بگیم:
list3 = list1[:]
🔸️اینجا میگیم ی لیست بساز و آیتم‌های لیست یک رو بریز داخلش، ولی نگفتیم لیست سه = لیست یک؛ بنابراین لیست سه به ی خونه دیگه از حافظه رم اشاره میکنه ولی مقدارش همون مقدار لیست یک هست.
به این ترتیب اگه بگیم:
list3.append(6)
نتیجه میشه:
print(list1) -> [1, 2, 3, 4, 5]
print(list2) -> [1, 2, 3, 4, 5]
print(list3) -> [1, 2, 3, 4, 5, 6]
🔷️چون ما دیتای ی خونه دیگه از حافظه رم رو تغییر دادیم و فقط مقدار متغیری که به اون خونه اشاره میکنه تغییر کرد.
🔸️برای متوجه شدن این تفاوت می‌تونید با دستور زیر نتیجه رو ببینید:
print(id(list1))
print(id(list2))
print(id(list3))
🔷️تابع id آدرس خونه‌ای که متغیر بهش اشاره میکنه رو میده، اینجا لیست یک و لیست دو ی چیز رو چاپ میکنن ولی لیست سه ی چیز دیگه رو چاپ میکنه.
🔸️حالا علامت == فقط مقدار دو تا متغیر رو با هم مقایسه میکنه ولی علامت is میاد هم مقدارشون و هم اینکه به ی خونه اشاره میکنن یا نه رو بررسی میکنه، پس:
list1 is list2 -> True
list1 == list2 -> True
list1 is list3 -> False
list1 == list3 -> False (البته چون اونجا ۶ رو به لیست سه اضافه کردیم)
قبل append
list1 == list3 -> True
🔷️این همون مفهوم (کپی سطحی)shallow copy در پایتونه.
روش اول کپی نکرد، بلکه آدرس خونه رم رو به متغیر دوم نسبت داد ولی دومی کپی سطحی کرد.
حالا فرض کنید لیست اول رو به این صورت تعریف کردیم:
list1 = [1, 2, [3, 4], 5]
🔸️یعنی یه لیست دیگه هم بعنوان ی آیتم بهش دادیم، یعنی به عبارتی لیست تو در تو ایجاد کردیم.
اینجا اگه از روش کپی سطحی استفاده کنیم بازم همون مشکل اول بوجود میاد؛ چون باز آدرس خونه رم لیست داخلی رو داد به متغیر دومی.
list2 = list1[:]
حالا فرض کنید تغییر رو بصورت زیر اعمال کردیم:
list2[2][0] = 9
دوباره خروجی لیست اول رو ببینید:
print(list1) -> [1, 2, [9, 4], 5]
🔷️چطور میتونیم جلوی این مشکل رو بگیریم و بعبارتی ی (کپی عمیق)deepcopy داشته باشیم؟
با استفاده از کتابخونه داخلی copy:
import copy
list2 = copy.deepcopy(list1)
البته میشه با همین کتابخونه هم ی کپی سطحی داشت، بصورت زیر:
list3 = copy.copy(list1)
◦•◉✿ @python_rd ✿◉•◦
ما وقتی ی متغیر می‌سازیم، مثلا ی لیست، به این صورت:
list1 = [1, 2, 3, 4]
🔸️این متغیری که لیستمون رو بهش نسبت دادیم به ی خونه از حافظه رم اشاره میکنه، یعنی این لیست رو داخل ی خونه رم میذاره و به آدرس اون خونه اشاره میکنه.
حالا ی لیست دیگه بسازیم:
list2 = list1
🔷️در واقع ما گفتیم لیست دوم هم به همون آدرسی که لیست یک اشاره میکرد اشاره کنه.
حالا هر تغییری تو لیست یک یا لیست دو ایجاد کنیم اون یکی هم تغییر میکنه، مثلا:
list2.append(5)
نتیجه میشه:
print(list1) -> [1, 2, 3, 4, 5]
print(list2) -> [1, 2, 3, 4, 5]
ولی اگه بیایم بگیم:
list3 = list1[:]
🔸️اینجا میگیم ی لیست بساز و آیتم‌های لیست یک رو بریز داخلش، ولی نگفتیم لیست سه = لیست یک؛ بنابراین لیست سه به ی خونه دیگه از حافظه رم اشاره میکنه ولی مقدارش همون مقدار لیست یک هست.
به این ترتیب اگه بگیم:
list3.append(6)
نتیجه میشه:
print(list1) -> [1, 2, 3, 4, 5]
print(list2) -> [1, 2, 3, 4, 5]
print(list3) -> [1, 2, 3, 4, 5, 6]
🔷️چون ما دیتای ی خونه دیگه از حافظه رم رو تغییر دادیم و فقط مقدار متغیری که به اون خونه اشاره میکنه تغییر کرد.
🔸️برای متوجه شدن این تفاوت می‌تونید با دستور زیر نتیجه رو ببینید:
print(id(list1))
print(id(list2))
print(id(list3))
🔷️تابع id آدرس خونه‌ای که متغیر بهش اشاره میکنه رو میده، اینجا لیست یک و لیست دو ی چیز رو چاپ میکنن ولی لیست سه ی چیز دیگه رو چاپ میکنه.
🔸️حالا علامت == فقط مقدار دو تا متغیر رو با هم مقایسه میکنه ولی علامت is میاد هم مقدارشون و هم اینکه به ی خونه اشاره میکنن یا نه رو بررسی میکنه، پس:
list1 is list2 -> True
list1 == list2 -> True
list1 is list3 -> False
list1 == list3 -> False (البته چون اونجا ۶ رو به لیست سه اضافه کردیم)
قبل append
list1 == list3 -> True
🔷️این همون مفهوم (کپی سطحی)shallow copy در پایتونه.
روش اول کپی نکرد، بلکه آدرس خونه رم رو به متغیر دوم نسبت داد ولی دومی کپی سطحی کرد.
حالا فرض کنید لیست اول رو به این صورت تعریف کردیم:
list1 = [1, 2, [3, 4], 5]
🔸️یعنی یه لیست دیگه هم بعنوان ی آیتم بهش دادیم، یعنی به عبارتی لیست تو در تو ایجاد کردیم.
اینجا اگه از روش کپی سطحی استفاده کنیم بازم همون مشکل اول بوجود میاد؛ چون باز آدرس خونه رم لیست داخلی رو داد به متغیر دومی.
list2 = list1[:]
حالا فرض کنید تغییر رو بصورت زیر اعمال کردیم:
list2[2][0] = 9
دوباره خروجی لیست اول رو ببینید:
print(list1) -> [1, 2, [9, 4], 5]
🔷️چطور میتونیم جلوی این مشکل رو بگیریم و بعبارتی ی (کپی عمیق)deepcopy داشته باشیم؟
با استفاده از کتابخونه داخلی copy:
import copy
list2 = copy.deepcopy(list1)
البته میشه با همین کتابخونه هم ی کپی سطحی داشت، بصورت زیر:
list3 = copy.copy(list1)
◦•◉✿ @python_rd ✿◉•◦
PyCoders (پایتون)
مطلبی درباره تفاوت == و is ◦•◉✿ @python_rd ✿◉•◦
اگر کسی میدونه و یادش هست تو کدوم قسمت و کدوم فصل دوره پایتون سبزلرن این موضوع رو کامل باز شده توقسمت کامنت ها به بقیه اطلاع بدید تا اگر مشکلی پیش اومد در فیلم ها رفع ابهام بشه!
سپاس
سپاس
🐍 #تمرین_پایتون: مرتب سازی دیکشنری
🔷️برای مرتب‌سازی دیکشنری با کلیدها:
🔸️۱- دیکشنری با نام Dict تعریف و مقداردهی اولیه می‌شود.
🔸️۲- کلیدهای دیکشنری درون لیستی با نام keys قرار می‌گیرند و با تابع sort مرتب می‌شوند.
🔷️۳- عناصر موجود در Dict با کلیدهای مرتب‌شده در گام قبل، درون sorted_dict قرار می‌گیرند. دیکشنری با تابع update به روز می‌شود.
🔷️۴- دیکشنری نمایش داده می‌شود.
#Dictionary
#دیکشنری
@python_rd
🔷️برای مرتب‌سازی دیکشنری با کلیدها:
🔸️۱- دیکشنری با نام Dict تعریف و مقداردهی اولیه می‌شود.
🔸️۲- کلیدهای دیکشنری درون لیستی با نام keys قرار می‌گیرند و با تابع sort مرتب می‌شوند.
🔷️۳- عناصر موجود در Dict با کلیدهای مرتب‌شده در گام قبل، درون sorted_dict قرار می‌گیرند. دیکشنری با تابع update به روز می‌شود.
🔷️۴- دیکشنری نمایش داده می‌شود.
#Dictionary
#دیکشنری
@python_rd
🐍 #تمرین_پایتون: مرتب سازی کلیدهای دیکشنری با تابع sort
🔸️یکی از راه‌های مرتب‌سازی دیکشنری ها، استفاده از تابع sort و ذخیره دیکشنری در قالب شی OrderDict است.
🔷️برای مرتب‌سازی دیکشنری با تابع Sort:
🔸️۱- از ماژول collection, زیر کلاس OrderedDict را import کنید.
🔷️۲- دیکشنری با نام dic تعریف کنید و آن را مقدار دهی اولیه نمایید.
🔸️۳- عناصر موجود در دیکشنری به صورت dict.items به تابع sort پاس داده می‌شود. برای آنکه عناصر مرتب‌شده، با ترتیب مرتب‌شده ذخیره شوند از زیر کلاس OrderDict نمونه‌سازی شده است و عناصر در این نمونه ذخیره‌سازی می‌شوند.
🧐سوال: به نظرتون چه تفاوتی بین دیکشنری ساخته شده توسط تابع dict و نمونه ساخته شده توسط OrderDict وجود دارد؟🤔
#پایتون
#دیکشنری
@python_rd
🔸️یکی از راه‌های مرتب‌سازی دیکشنری ها، استفاده از تابع sort و ذخیره دیکشنری در قالب شی OrderDict است.
🔷️برای مرتب‌سازی دیکشنری با تابع Sort:
🔸️۱- از ماژول collection, زیر کلاس OrderedDict را import کنید.
🔷️۲- دیکشنری با نام dic تعریف کنید و آن را مقدار دهی اولیه نمایید.
🔸️۳- عناصر موجود در دیکشنری به صورت dict.items به تابع sort پاس داده می‌شود. برای آنکه عناصر مرتب‌شده، با ترتیب مرتب‌شده ذخیره شوند از زیر کلاس OrderDict نمونه‌سازی شده است و عناصر در این نمونه ذخیره‌سازی می‌شوند.
🧐سوال: به نظرتون چه تفاوتی بین دیکشنری ساخته شده توسط تابع dict و نمونه ساخته شده توسط OrderDict وجود دارد؟🤔
#پایتون
#دیکشنری
@python_rd
📕Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow
یادگیری ماشین با استفاده از تنسورفلو، کراس و Scikit
چاپ سوم
جدیدترین نسخه
📅سال چاپ: 2023
📝چاپ کننده: O'Reilly
#کتاب
#یادگیری_ماشین #ماشین_لرنینگ #یادگیری_عمیق #دیپ_لرنینگ #شبکه_عصبی #کاهش_بعد #درخت_تصمیم #تنسورفلو #کراس #بینایی_ماشین #ماشین_ویژن #یادگیری_تقویتی #پردازش_زبان_طبیعی
#AI #MachineLearning #Classification #SVM #Ensemble #RandomForest #DecisionTree #DimensionalReduction #NEuralNetwork #DeepLearning #TensorFlow #Keras #Scikit #ANN #MachineVision #ComputerVision #CNN #RNN #GAN #NLP #Reinforcement
#book
◦•◉✿ @python_rd ✿◉•◦
یادگیری ماشین با استفاده از تنسورفلو، کراس و Scikit
چاپ سوم
جدیدترین نسخه
📅سال چاپ: 2023
📝چاپ کننده: O'Reilly
#کتاب
#یادگیری_ماشین #ماشین_لرنینگ #یادگیری_عمیق #دیپ_لرنینگ #شبکه_عصبی #کاهش_بعد #درخت_تصمیم #تنسورفلو #کراس #بینایی_ماشین #ماشین_ویژن #یادگیری_تقویتی #پردازش_زبان_طبیعی
#AI #MachineLearning #Classification #SVM #Ensemble #RandomForest #DecisionTree #DimensionalReduction #NEuralNetwork #DeepLearning #TensorFlow #Keras #Scikit #ANN #MachineVision #ComputerVision #CNN #RNN #GAN #NLP #Reinforcement
#book
◦•◉✿ @python_rd ✿◉•◦
Hands_On_Machine_Learning_with_Scikit_Learn,_Keras,_and_TensorFlow.pdf
30.6 MB
📚یادگیری ماشین با استفاده از تنسورفلو، کراس و Scikit
چاپ سوم
جدیدترین نسخه
📅سال چاپ: 2023
📝چاپ کننده: O'Reilly
#book
#کتاب
◦•◉✿ @python_rd ✿◉•◦
چاپ سوم
جدیدترین نسخه
📅سال چاپ: 2023
📝چاپ کننده: O'Reilly
#book
#کتاب
◦•◉✿ @python_rd ✿◉•◦
معرفی سایت های AI مفید برای یادگیری زبان:
https://b-amooz.com/
http://beta.character.ai
https://app.smalltalk2.me/
◦•◉✿ @python_rd ✿◉•◦
https://b-amooz.com/
http://beta.character.ai
https://app.smalltalk2.me/
◦•◉✿ @python_rd ✿◉•◦
بیاموز
بیاموز | وبسایت آموزش زبان‌های خارجی
بیاموز یک وبسایت آموزش آنلاین و رایگان زبان‌های خارجی است که امکان یادگیری 6 زبان انگلیسی، آلمانی، فرانسه، ترکی، عربی و اسپانیایی را برای شما فراهم میکند.
🩺چت‌بات حوزه پزشکی گوگل توسط بیمارستان‌ها درحال آزمایش است
🔹مدل هوش مصنوعی Med-PaLM 2 گوگل که برای پاسخ‌دادن به سؤالات پزشکی طراحی شده، از ماه آوریل در مرکز تحقیقاتی «مایو کلینیک» (Mayo Clinic) درحال آزمایش است. Med-PaLM 2 براساس مدل PaLM 2 ساخته شده که گوگل در کنفرانس I/O 2023 امسال آن را معرفی کرد و زیربنای Bard است.
🔹گوگل معتقد است مدل به‌روزشده آن می‌تواند در کشورهایی که «دسترسی محدودتری به پزشکان دارند»، مفید باشد. Med-PaLM 2 براساس مجموعه‌ای از داده‌های تخصصی پزشکی آموزش داده شده که به گفته گوگل، در پاسخ‌دادن به سؤالات پزشکی بهتر از چت‌بات‌های عمومی مانند ChatGPT و Bard عمل خواهد کرد.
#هوش_مصنوعی
#AI
◦•◉✿ @python_rd ✿◉•◦
🔹مدل هوش مصنوعی Med-PaLM 2 گوگل که برای پاسخ‌دادن به سؤالات پزشکی طراحی شده، از ماه آوریل در مرکز تحقیقاتی «مایو کلینیک» (Mayo Clinic) درحال آزمایش است. Med-PaLM 2 براساس مدل PaLM 2 ساخته شده که گوگل در کنفرانس I/O 2023 امسال آن را معرفی کرد و زیربنای Bard است.
🔹گوگل معتقد است مدل به‌روزشده آن می‌تواند در کشورهایی که «دسترسی محدودتری به پزشکان دارند»، مفید باشد. Med-PaLM 2 براساس مجموعه‌ای از داده‌های تخصصی پزشکی آموزش داده شده که به گفته گوگل، در پاسخ‌دادن به سؤالات پزشکی بهتر از چت‌بات‌های عمومی مانند ChatGPT و Bard عمل خواهد کرد.
#هوش_مصنوعی
#AI
◦•◉✿ @python_rd ✿◉•◦