✔️ کارجو

سلام و وقت به‌خیر
علی موحدی هستم و به‌دنبال موقعیت شغلی توسعه‌دهندۀ جنگو (جونیور) هستم.
آماده کار در موقعیتهای شغلی دورکاری
برنامه نویس وب با بیش از سه سال کار تخصصی در حوزه پایتون/جنگو با توانایی ارتباطی بالا و کار در شرایط سخت


تجارب:
چهار پروژۀ نمونه روی گیت‌هاب و سایت شخصی خودم گذاشتم که می‌تونید ملاحظه
کنید.


ابزارها/تکنولوژی‌هایی که باهاشون کار کردم (از بعضی‌ها خیلی مختصر استفاده کردم) :
Python
Django
DRF
JWT Auth.
git
Docker
Postgresql
Celery
Redis
linux
html, css

سن : 23
شهر : کرمان
محصل : کارشناسی مهندسی کامپیوتر


ایمیل : alimoovh@gmail.com
گیت هاب :
github.com/alimovahedii

در سایتم توضیحات بیشتری دربارۀ خودم دادم و همچنین نمونه کارهارو میتونید مشاهده کنید.
https://alimovhedi.ir


#استخدام #کارجو
〰〰〰〰〰〰
© @DjangoEx

دوستان عزیز، سلام.
امروز Eventای برگزار شد از سوی SANS Cyber Defense با عنوان :
Managing Python on Windows
اگر تمایل دارید می توانید از لینک زیر محتوای ویدئویی این رویداد را دانلود کنین:
https://www.linkedin.com/video/event/urn:li:ugcPost:6945016552773623808/
@pythonsocket

🔰 11GB THE COLLECTION OF MOST VALUABLE & PREMIUM COURSES ABSOLUTELY FREE 🔰

Mix Categorized Courses of :-
Python 3
C Programming
C++
Graphics Design
Software Testing
JavaScript
Vue.js
Cyber Security
Node.js
Video Editing
SEO
Affiliate Marketing
HTML CSS
Django
Laravel
MySQL Database
Wordpress Beginners
Game Designing
AR VR
Java with OOP
WordPress Theme Development
Game Development
Angular 8
React
Digital Marketing
Qt 5 C++
Data Structure and Algorithm
Geometry
3D Animation Maya
App Development

Access from here


https://drive.google.com/drive/mobile/folders/1SM_cG-az5IHE1gXJSn_p8S7KqP6V-PCQ




@raspberry_python

✨ A modern and customizable python UIlibrary based on Tkinter

https://github.com/TomSchimansky/CustomTkinter


https://github.com/TomSchimansky/CustomTkinter/wiki


@raspberry_python

سلام دوستان وقتتون بخیر
ویدیو پلی لیست Pyqt6 آپلود شد
قسمت : 38
موضوع : QML : Button & Handling Event - Call Function - Label - Row - Column
امیدوارم که مفید بوده باشه
میتونین از لینک زیر تماشا کنید
https://youtu.be/USpO3Kvngjk

فایل های این ویدیو در گیت هاب:
https://github.com/persianpython/Pyqt6

Organize Python code like a PRO 🐍📦

پروژه‌تون رو مثل یک حرفه‌ای ساختاربندی و مرتب کنید.

از اونجایی که پایتون یک زبان خیلی منعطف هست (مثل جاوا نیست که وقتی یه فایل جاوا درست میکنید باید یه کلاسِ پابلیک به همون اسم داخلش باشه) شما این اجازه رو دارید که کل کد یک پروژه رو توی یک فایل، و یا هر تابع رو توی یک فایل جدا بنویسید 😑🥴

با این مقاله یاد بگیرید که چگونه پروژه‌تون رو درست ساختار بندی کنید.

https://guicommits.com/organize-python-code-like-a-pro/

#M4hdi
〰〰〰〰〰〰
©@raspberry_python

✔️ سوال.

بهترین راه برای فهمیدن اینکه یه آبجکت hashable هست، چیه؟!

جوابتون رو کامنت کنید.

پاسخش رو فردا میگذارم.

#M4hdi
〰️〰️〰️〰️〰️〰️
©@raspberry_python

Advanced Machine Learning With Python

@raspberry_python

خب شاید پیش خودتون بگید، آبجکتی که داندر hash داشته باشه حتما hashable عه دیگه، این داندر رو داره و جوابتون این باشه:

o = obj
if hasattr(o, '__hash__'):
print(f"{o} is hashable")

اما خیر 😁

اول یه چیز پایه‌ای بگیم.
کلاس آبجکت object پایه‌ای ترین base class در پایتونه و اینکه میگن همه‌چیز در پایتون آبجکته، یکی از دلیلاش اینه. هر چیزی که فکرش رو بکنید از object ارث می‌بره.

این کلاس کلی داندر متد داره و از قضا دو تا داندر که در این مطلب برای ما مهم هستن رو هم با هم داره

داندر eq -> برای چک کردن تساوی دو تا آبجکت

obj1 == obj2

داندر hash -> برای برگرداندن مقدار hash آبجکت که از تابع hash میگیریم

hash(obj)

وقتی یک کلاسی شما می‌نویسید:

class Spam:
    pass

این کلاس به طور خودکار از کلاس آبجکت ارث می‌بره که تبعا داندر متد‌ها براش resolve میشن، که یعنی، ارث‌‌شون میبره، یا اینکه میگرده توی کلاس object پیدا شون میکنه.

نکته‌ی داندر eq
رفتار پیش‌فرض داندر eq به این صورته که میان آیدی‌های دو آبجکت رو باهم مقایسه میکنه. یعنی اگه اون رو override نکرده باشید و بخواید آبجکت‌هاتون رو با هم مقایسه کنید، وقتی جواب True میگیرید که دو تا آبجکت در واقع یک آبجکت باشن. دقیقا همون کاری که is انجام میده.

s1 = s2 = Spam()
s1 == s2  -> True

اما شاید چنین رفتاری رو نخواید و جور دیگه‌ای بخوایید که آبجکت‌های شما تساوی‌شون چک بشه
خب میاید داندر eq رو جوری که میخواید اورراید میکنید

اما 😁

وقتی این کار رو کردید، اتفاقی که میوفته اینه که مقدار داندر hash شما None میشه و آبجکت شما دیگه hashable نیست
این یعنی دیگه نمی‌تونید توی دیکشنری و ست بذاریدش و ....

این در حالیه که آبجکت شما همچنان داندر hash داره ولی hashable نیست.

این توضیحات میشن دلیل اینکه چرا اون شرط باگ داره.

اما راه‌حل چیه؟
خب شاید بیاید بگید بجای اینکه چک کنیم هست، چک میکنیم که None نباشه

if o.__hash__ is not None:
    ...

این تا حدی مشکل رو حل میکنه اما از اونجایی که پایتون یه زبان به شدت داینامیک عه:

class Spam:
    def __eq__(self): ...

Spam.hash = "Gotcha, Im neither hashable nor None =)"

پس بهترین راه‌حل چیه؟
It is easier to ask forgiveness than permission

try:
    hash(o)
except TypeError:
    print("unhashable")
else:
    print("hashable")

اما یه سوال بی جواب میمونه!
بالاتر گفتیم اگه داندر eq رو اورراید کنیم آبجکت ما دیگه hashable نیست و توی ست و دیکشنری نمی‌تونیم استفاده کنیم. من میخوام اون ور اورراید کنم و بازم hashable باشه 😒😒

خب جوابش ساده‌ست

شما باید داندر hash رو هم اورراید کنید و یه مقدار int برگردونید

نکته‌ای که هست و باید بهش توجه داشته باشید اینه که باید بتونید یه عددی تولید کنید که تکراری شدنش سخت باشه (اگه تکراری بشه اشکالی نداره) و به ویژگی‌های آبجکت شما وابسته هم باشه (حتما قرار نیست به ویژگی‌هاش وابسته باشه، اما اگه باشه، اون نکته‌ی قبلی راحت‌تر بدست میاد)

برای مثال

class Spam:
    def __init__(self, name):
        self.name = name
    
    def __eq__(self):
        ...
    
    def __hash__(self):
        return hash(self.name)

تبعا شما اسامی مختلفی قراره به هر آبجکت که از Spam درست میکنید بدید، و این باعث میشه که hash هر بار فرق کنه

اما اگه اسم یکسان هم بدید، مشکلی نیست یه قانونی هست توی بحث hash که میگه:
اگر دو آبجکت دقیقا یکسان باشن، (یعنی دو تا رفرنس از یک آبجکت رو داشته باشیم) باید hash یکسانی داشته باشن
اما اگر ما دو تا hash یکسان از دو تا آبجکت داشتیم، الزاما اون دو آبجکت یکی نیستن.

به این حالت که هش یکسانه ولی آبجکتا یکی نیستن، میگن hash collision. که پایتون خودش این رو هندل میکنه
و بحثش در این مقال "دیگر 😮‍💨" نمیگنجد.

موفق باشید 😁✌️

#M4hdi
〰️〰️〰️〰️〰️〰️〰️
©@raspberry_python

Read CSV Into List of Dictionaries in Python

https://www.pythonforbeginners.com/basics/read-csv-into-list-of-dictionaries-in-python

@raspberry_python

رهایی از دوراهی سخت؛ هم تنسورفلو، هم پایتورچ با IVY

تا به حال احتمالا با چالش سخت انتخاب بین تنسورفلو و پای‌تورچ مواجه شده باشید. اخیرا با اضافه شدن Jax هم این انتخاب سخت‌تر شده. اما تیم unifyai یه فریم‌ورک جدید به نام IVY معرفی کرده که یک syntax یکپارچه برای توسعه مدل‌های دیپ داره و صرفا با تنظیم backend این پکیج روی هر یک از فریم‌ورک‌های تنسورفلو، پای‌تورچ و یا jax می‌تونید از عایدات همون ابزار بهره‌مند بشید. البته این فریم‌ورک در مسیر توسعه است و با توجه به عمر کوتاهش اما تعداد استار بسیار زیادی گرفته که نشون میده به نظر راه درستی رو داره میره.

لینک گیت‌هاب:
https://github.com/unifyai/ivy

@raspberry_python

‏وارد این سایت بشید و رفرش کنید.
هر بار که رفرش میکنید یه چهره با بالاترین جزئیات که غیر واقعیه و با هوش مصنوعی ساخته شده میبینید!

https://thispersondoesnotexist.com/

@raspberry_python

🎥 دانلود رایگان فیلم «مسیر یادگیری علم داده (Data Science)»

✅ در این فیلم 16 دقیقه‌ای تمام مسیر یادگیری #دیتا_ساینس را بررسی خواهیم کرد

مخاطبان:
🔸 دانشجویان و فارغ‌التحصیلان کلیه رشته‌های تحصیلی
🔹 علاقمندان #علم_داده و تحلیلگری داده
🔸 علاقمندان پیشرفت شغلی یا تحصیلی

🌟 این فیلم را با دوستان خود نیز به اشتراک بگذارید...

سلام دوستان وقتتون بخیر
ویدیو پلی لیست آموزش برنامه نویسی شئ گرایی آپلود شد
قسمت 5
موضوع :
اضافه کردن عمگر های منتطقی (>، < ، >=، <=)
روش سریعتر و بهتر بجای اضافه کردن همه ی توابع منطقی
شرط گذاشتن برای True و False بودن تابع bool
اضافه کردن قسمت len به کلاس


امیدوارم که مفید بوده باشه
میتونین از لینک زیر تماشا کنید
https://youtu.be/MfsaTjJoG98
لینک گیت هاب :
https://github.com/persianpython/PythonObjectOriented

h2t - HTTP Hardening Tool

h2t is a simple tool to help sysadmins to hardening their websites.

Install:
$ git clone https://github.com/gildasio/h2t
$ cd h2t
$ pip install -r requirements.txt
$ ./h2t.py -h

@raspberry_python

#تمرین_شئ_گرایی

تمرین سوم

1. یک کلاس با اسم Contact بسازید
که شامل 5 instance attribute باشد
به اسم :
name,last_name , phone=None, email=None, display_mode="masked"


2. آبجکت های شما باید قابلیت استفاده از عملگر مساوی را داشته باشند
شرط های لازم برای مساوی بودن :
phone , email مقدار None نداشته باشند
و مساوی باشند
یا
name, last_name باهم مساوی باشند

3. آبجکت رو نسبت به name last_name phone email
hashable کنید

4. یک تابع بنویسید که یک کلمه ورودی بگیره و فقط 2 حروف اول رو برداره و جای بقیه حروف ها * بزاره
و return کنه
میتونید از اسم obfuscated استفاده کنید (مبهم)

5. وقتی آبجکت رو با فرمت صدا میزنید
بیاد display_mode رو چک کنه
اگر masked بود
دیتاهارو به صورت مبهم نمایش بده
Contact(name='Mo******', last_name='fa*****')
و یا اگر unmasked بود
دیتاهارو کامل نمایش بده
Contact(name='Mohammad', last_name='fadakar')

6. وقتی از تابع repr استفاده میکنید
نسبت به متغیر disply_mode
بیاد از فرمت ها استفاده کنه

7. وقتی از تابع str
روی آبجکت استفاده میکنید فقط حروف اول اسم و فامیل به صورت بزرگ return کنه


این تمرین برای درک بهتر فرمت ها و
repr و str هستش

جواب این سوال در گیت هاب قرار گرفته است
https://github.com/persianpython/PythonObjectOriented

خارج از علم

قمار باز
محسن چاووشی

سلام دوستان وقتتون بخیر
ویدیو پلی لیست FastApi آپلود شد
قسمت : 29
موضوع : قسمت سوم پروژه instagram
امیدوارم که مفید بوده باشه
میتونین از لینک زیر تماشا کنید

https://youtu.be/AG0ROJyJE-g

فایل های این ویدیو در گیت هاب :
https://github.com/persianpython/FastApi

🟢🟡🔴 Color Stealing

Python implementation of the Color Stealing algorithm.



https://github.com/davidsvy/color-stealing




https://github.com/davidsvy/color-stealing#generated-samples




@raspberry_python

آشنایی با کتابخانه JAX در پایتون

یک کتابخانه نوظهور در پایتون برای پیاده‌سازی چهارچوب‌های یادگیری عمیق و یادگیری ماشین که توسط Google Deep Mind پشتیانی می‌شود.

https://www.youtube.com/watch?v=WdTeDXsOSj4


#هوش_مصنوعی
#یادگیری_ماشین
#یادگیری_عمیق
#پردازش_تصویر

#Artificial_Intelligence
#Machine_Learning
#Deep_learning
#Image_processing

👇🏻عضویت در کانال: 👇🏻

Link: https://t.me/Adv_AI
ID: @Adv_AI

🎲 Denoising Diffusion Probabilistic Model, in Pytorch


Install: $ pip install denoising_diffusion_pytorch


https://github.com/lucidrains/denoising-diffusion-pytorch



https://www.youtube.com/watch?v=W-O7AZNzbzQ



@raspberry_python