پروژه هایی که باید توی رزومه ات داشته باشی:
online shop
weather
messenger
calculator
music player
to do list
◦•◉✿ @python_rd ✿◉•◦
online shop
weather
messenger
calculator
music player
to do list
◦•◉✿ @python_rd ✿◉•◦
یکی از دوستان پرسیدند چطوری پروژه هارو روی سرور انتقال میدید.
یک نمونه دیپلوی کردن پروژه روی سرور برای دوستان تازه کار:
تو این پروژه مهندس حسینخانی اومدند یه مدل ریکامندر سیستم رو روی سرورشون دیپلوی کردند. روش های انتقال پروژه روی سرور یا دیپلوی کردن بسیار متنوع هست ولی برای انواع پروژه ها (دیتاساینس، فلاتر، اندروید، وب و ...) تقریبا یه متد کلی داره.
https://www.aparat.com/v/1zems?playlist=5220444
یک نمونه دیپلوی کردن پروژه روی سرور برای دوستان تازه کار:
تو این پروژه مهندس حسینخانی اومدند یه مدل ریکامندر سیستم رو روی سرورشون دیپلوی کردند. روش های انتقال پروژه روی سرور یا دیپلوی کردن بسیار متنوع هست ولی برای انواع پروژه ها (دیتاساینس، فلاتر، اندروید، وب و ...) تقریبا یه متد کلی داره.
https://www.aparat.com/v/1zems?playlist=5220444
آپارات - سرویس اشتراک ویدیو
جلسه هفتم: آشنایی با MLOps و استقرار مدل با استفاده از TFX و Docker
در این جلسه ضمن آشنایی اولیه با MLOps و Cloud Computing و همینطور بررسی اولیهی الگوریتم توییتر، با روش ذخیره کردن یک مدل تنسورفلو برای استفاده مجدد و همینطور استقرار آن بر روی یک سرور لینوکسی به کمک Docker و TFX آشنا خواهیم شد.
میدونستید این پروتکل های اصلی که در شبکه های کامپیوتری ازشون استفاده میکنید کدشون تو کرنل سیستم عامل تون قرار گرفته؟! اصلا تا به حال دیدیشون؟
اصلا این پروتکل ها چطوری ساخته میشن؟ یکی از کارهایی که میکنند اینه برای هر پروتکلی برنامه مینویسند و اونو در کرنل سیستم عامل میزارند. مثلا واسه پروتکل TCP میتونید سورس کدش رو در گیت هاب آقای Linus Torvals تو ریپازیتوری Linux که سورس کد کرنل لینوکس هست ببینید، برنامه اشو با زبان C نوشتند.
بقیه پروتکل هارو هم از تغییرات روی پروتکل TCP نوشتند مثل L2TP و ... .
نکته جالب تر اینه که هرکی میتونه پروتکل مخصوص خودش رو بنویسه! فقط پروتکل باید هم تو سیستم عامل فرستنده و هم گیرنده قرار بگیره تا از طریق یه پورتی بتونند بهم وصل بشن.
اینم سورس کد پروتکل TCP:
https://github.com/torvalds/linux/blob/master/net/ipv4/tcp.c
#شبکه
اصلا این پروتکل ها چطوری ساخته میشن؟ یکی از کارهایی که میکنند اینه برای هر پروتکلی برنامه مینویسند و اونو در کرنل سیستم عامل میزارند. مثلا واسه پروتکل TCP میتونید سورس کدش رو در گیت هاب آقای Linus Torvals تو ریپازیتوری Linux که سورس کد کرنل لینوکس هست ببینید، برنامه اشو با زبان C نوشتند.
بقیه پروتکل هارو هم از تغییرات روی پروتکل TCP نوشتند مثل L2TP و ... .
نکته جالب تر اینه که هرکی میتونه پروتکل مخصوص خودش رو بنویسه! فقط پروتکل باید هم تو سیستم عامل فرستنده و هم گیرنده قرار بگیره تا از طریق یه پورتی بتونند بهم وصل بشن.
اینم سورس کد پروتکل TCP:
https://github.com/torvalds/linux/blob/master/net/ipv4/tcp.c
#شبکه
Forwarded from Melanee AI & Physics (Melanee)
Computer networking kurose.pdf
10.8 MB
کتاب رفرنسی که من برای شبکه های کامپبوتری خوندم:
Computer networking, A top down approach
Authores: Kurose and Ross
Pages: 889
Computer networking, A top down approach
Authores: Kurose and Ross
Pages: 889
توی کانال یوتیوب harvard cs50 python میتونی پایتون رو از استاد دانشگاه هاروارد یاد بگیری
◦•◉✿ @python_rd ✿◉•◦
◦•◉✿ @python_rd ✿◉•◦
آنالیز داده با پایتون
پایتون با داشتن کتابخانههای بسیار زیاد، یکی از بهترین ابزارهای برای انجام تحلیل داده است. در ادامه به برخی از کتابخانههای مهم برای انجام تحلیل داده با پایتون اشاره میکنم.
1. کتابخانه NumPy: کتابخانهای برای محاسبات علمی که توانایی ایجاد آرایههای چند بعدی را دارد. این کتابخانه به عنوان پایه برای کتابخانههای دیگری مانند Pandas و Scikit-Learn استفاده میشود.
2. کتابخانه Pandas: کتابخانهای برای تحلیل داده که به صورت مستقیم با دادههای داخلی و خارجی کار میکند. این کتابخانه قابلیتهایی مانند ایجاد دیتافریم، انجام عملیات روی دادهها، ترکیب دادهها، تغییر شکل دادهها و غیره را دارد.
3. کتابخانه Matplotlib: یک کتابخانه برای ترسیم نمودارهای دادهای است. این کتابخانه امکان ترسیم انواع نمودارهای مختلف مانند نمودار خطی، نمودار نقطهای، نمودار شعاعی و غیره را فراهم میکند.
4. کتابخانه Seaborn: یک کتابخانه برای ترسیم نمودارهای دادهای زیبا و جذاب است. این کتابخانه قابلیتهایی مانند ترسیم نمودارهای چند متغیره، نمودارهای توزیع، نمودارهای رابطه و غیره را دارد.
5. کتابخانه Scikit-Learn: یک کتابخانه برای یادگیری ماشین است که به صورت گستردهای در تحلیل دادهها استفاده میشود. این کتابخانه قابلیتهایی مانند ایجاد مدلهای یادگیری ماشین، ارزیابی مدلها، پیشپردازش دادهها و غیره را دارد.
6. کتابخانه Statsmodels: یک کتابخانه برای مدلسازی آماری است. این کتابخانه قابلیتهایی مانند ایجاد مدلهای آماری، تحلیل دادههای زمانی، تحلیل رگرسیونی و غیره را دارد.
7. کتابخانه TensorFlow: یک کتابخانه برای یادگیری عمیق است که برای ایجاد مدلهای پیچیدهی یادگیری ماشین استفاده میشود. این کتابخانه قابلیتهایی مانند ایجاد شبکههای عصبی، ارزیابی مدلها، پردازش تصویر و غیره را دارد.
با استفاده از این کتابخانهها، میتوانید دادههای خود را تحلیل کرده و به نتایج مورد نظر دست یابید.
◦•◉✿ @python_rd ✿◉•◦
پایتون با داشتن کتابخانههای بسیار زیاد، یکی از بهترین ابزارهای برای انجام تحلیل داده است. در ادامه به برخی از کتابخانههای مهم برای انجام تحلیل داده با پایتون اشاره میکنم.
1. کتابخانه NumPy: کتابخانهای برای محاسبات علمی که توانایی ایجاد آرایههای چند بعدی را دارد. این کتابخانه به عنوان پایه برای کتابخانههای دیگری مانند Pandas و Scikit-Learn استفاده میشود.
2. کتابخانه Pandas: کتابخانهای برای تحلیل داده که به صورت مستقیم با دادههای داخلی و خارجی کار میکند. این کتابخانه قابلیتهایی مانند ایجاد دیتافریم، انجام عملیات روی دادهها، ترکیب دادهها، تغییر شکل دادهها و غیره را دارد.
3. کتابخانه Matplotlib: یک کتابخانه برای ترسیم نمودارهای دادهای است. این کتابخانه امکان ترسیم انواع نمودارهای مختلف مانند نمودار خطی، نمودار نقطهای، نمودار شعاعی و غیره را فراهم میکند.
4. کتابخانه Seaborn: یک کتابخانه برای ترسیم نمودارهای دادهای زیبا و جذاب است. این کتابخانه قابلیتهایی مانند ترسیم نمودارهای چند متغیره، نمودارهای توزیع، نمودارهای رابطه و غیره را دارد.
5. کتابخانه Scikit-Learn: یک کتابخانه برای یادگیری ماشین است که به صورت گستردهای در تحلیل دادهها استفاده میشود. این کتابخانه قابلیتهایی مانند ایجاد مدلهای یادگیری ماشین، ارزیابی مدلها، پیشپردازش دادهها و غیره را دارد.
6. کتابخانه Statsmodels: یک کتابخانه برای مدلسازی آماری است. این کتابخانه قابلیتهایی مانند ایجاد مدلهای آماری، تحلیل دادههای زمانی، تحلیل رگرسیونی و غیره را دارد.
7. کتابخانه TensorFlow: یک کتابخانه برای یادگیری عمیق است که برای ایجاد مدلهای پیچیدهی یادگیری ماشین استفاده میشود. این کتابخانه قابلیتهایی مانند ایجاد شبکههای عصبی، ارزیابی مدلها، پردازش تصویر و غیره را دارد.
با استفاده از این کتابخانهها، میتوانید دادههای خود را تحلیل کرده و به نتایج مورد نظر دست یابید.
◦•◉✿ @python_rd ✿◉•◦