نوت بوک کتابخانه seaborn که برای رسم گراف های علمی ازش استفاده میشه
در حال تکمیل است . پارت یک رو میتونید ببینید.
https://github.com/MobinZamanii/skills-and-learning/blob/main/00-data-analysis/Seaborn/01_Seaborn_Publication_Quality.ipynb


@voidcompile

در این قسمت شما یاد می گیرید چطوری گراف های سه بعدی و حرفه ای ایجاد کنید .

مشاهده در گیتهاب

@voidcompile

در این PDF سعی شده که الگوریتم knn به صورت کامل آموزش داده بشه
در این فایل مطالب

• The intuition behind KNN
• Distance metrics and their mathematics
• KNN Classification and Regression
• Choosing the value of K
• Overfitting, Underfitting, Bias, and Variance
• Feature Scaling and Data Leakage
• Decision Boundaries and Visualization
• From-Scratch KNN implementation
• Scikit-learn implementation
• Cross-Validation and Grid Search
• Evaluation metrics and Confusion Matrix
• Curse of Dimensionality
بررسی می شوند .

شما میتوانید سورس کد را در گیت هاب مشاهده کنید :
Algorithm Knn

@voidcompile

🔎در ریپوی آموزشی چی خواهد بود؟


✅شما می توانید به ریپو دسترسی داشته باشید تمامی کد ها آنجا قرار می گیرند
✅ریپو هر روز در حال اپدیت است .

💡لینک دسترسی :
گیت هاب

@voidcompile

یادگیری Machine Learning برای من از حفظ کردن الگوریتم‌ها شروع نشد؛ از فهمیدنِ پشتِ آن‌ها شروع شد.

همان طور که گفته بودم مدتیه دارم یک مسیر جدی برای یادگیری Machine Learning با Python می‌سازم و هم‌زمان تمام چیزهایی که یاد می‌گیرم رو داخل یک Repository مستند می‌کنم.

تا اینجا بخش Supervised Learning شامل این الگوریتم‌هاست:

🔹 Linear Regression
🔹 Logistic Regression
🔹 KNN
🔹 SVM
🔹 Naive Bayes
🔹 Decision Tree
🔹 Random Forest

اما هدفم این نیست که فقط چند تا الگوریتم بلد باشیم و با "sklearn" چند خط کد بنویسیم.

می خواهیم بفهمیم:

🧠 الگوریتم واقعاً چطور کار می‌کنه؟
📐 پشت ریاضیاتش چه خبره؟
💻 چطور میشه درست پیاده‌سازی و آزمایشش کرد؟
📊 چطور باید عملکردش رو ارزیابی کرد؟
🔬 و مهم‌تر از همه، چه زمانی باید ازش استفاده کرد؟

نکته جالب اینه که این Repository فقط برای نمایش پروژه نیست؛ خودم ازش برای یادگیری و آموزش استفاده می‌کنم.

این Repository قراره به مرور بزرگ‌تر بشه؛ از الگوریتم‌های بیشتر و مفاهیم عمیق‌تر گرفته تا آزمایش‌ها و پروژه‌های عملی‌تر.

ریپو اینجاست کلیک کنید.


@voidcompile

✅برای آشنایی و یادگیری و استفاده الگوریتم های ماشین لرنینگ نظارت شده میتونید این تصویر رو ذخیره داشته باشید و استفاده کنید .

🔹 Linear Regression
🔹 Logistic Regression
🔹 KNN
🔹 SVM
🔹 Naive Bayes
🔹 Decision Tree
🔹 Random Forest

لینک آموزش کامل در گیت هاب :
Repo


@voidcompile

✅کتابخانه های پایتونی برای رسم گراف
توی این این پست می خواهم به شما 6 کتابخانه رو معرفی کنم که در آنالیز دیتا و تحقیقات بسیار پر کارد هستنند.

1⃣Matplotlib
2⃣Seaborn
3⃣Plotly
4⃣ggplot
5⃣Bokeh
6⃣Altair

@voidcompile

🐍 پایتون 3.15؛ چه قابلیت‌های جدیدی اضافه شده؟

نسخه جدید پایتون با مجموعه‌ای از تغییرات در عملکرد، ابزارهای توسعه و تجربه برنامه‌نویسی منتشر شده است.

🚀 ۶ قابلیت مهم Python 3.15:

⚡ بهبود عملکرد کامپایلر آزمایشی JIT
📦 واردکردن تنبل ماژول‌ها (Lazy Imports)
🔒 نوع داده جدید "frozendict"
🧩 انعطاف‌پذیری بیشتر در Comprehensions
📝 استفاده پیش‌فرض از UTF-8
📊 ابزارهای بهتر برای پروفایلینگ و تحلیل عملکرد کد

💡 این تغییرات چه اهمیتی دارند؟

برای برنامه‌نویسان پایتون، توسعه‌دهندگان هوش مصنوعی، متخصصان علم داده و بیوانفورماتیک، شناخت قابلیت‌های جدید می‌تواند به نوشتن و بهینه‌سازی بهتر نرم‌افزار کمک کند.

البته همه این تغییرات الزاماً باعث افزایش سرعت تمام برنامه‌ها نمی‌شوند؛ نتیجه به نوع پروژه و کتابخانه‌های مورد استفاده بستگی دارد.

📚 مستندات رسمی:
https://docs.python.org/3.15/whatsnew/

@voidcompile

🚨 هشدار امنیتی فوری | آسیب‌پذیری‌های بحرانی در PHP

دو آسیب‌پذیری بحرانی با شناسه‌های CVE-2026-109618 و CVE-2026-109619 در PHP شناسایی شده‌اند که می‌توانند امکان اجرای کد از راه دور (RCE) بدون نیاز به احراز هویت را فراهم کنند. شدت هر دو آسیب‌پذیری CVSS 9.2 از 10 گزارش شده است. <Cite refs={["turn314886search4","turn314886search1"]}/>

🔴 اقدامات ضروری:

- نسخه PHP تمام سرورها و محیط‌های اجرایی را بررسی کنید.
- به نسخه‌های اصلاح‌شده 8.5.12، 8.4.27، 8.3.36 یا 8.2.35 ارتقا دهید.
- در صورت عدم امکان وصله‌کردن فوری، دسترسی عمومی سامانه آسیب‌پذیر را محدود کنید.
- لاگ‌ها و نشانه‌های احتمالی نفوذ را بررسی کنید.

⚠️ گزارش‌های امنیتی از احتمال سوءاستفاده فعال از این آسیب‌پذیری‌ها خبر می‌دهند؛ بنابراین بررسی و به‌روزرسانی باید در اولویت قرار گیرد. <Cite refs={["turn314886search3","turn314886search5"]}/>

🔗 اطلاعیه رسمی PHP:
https://www.php.net/archive/2026.php


#PHP #CyberSecurity #InfoSec #امنیت_سایبری


@voidcompile

تکنولوژی CUDA چیست؟

تکنولوژی CUDA یک پلتفرم محاسبات موازی از شرکت NVIDIA است که به برنامه‌نویسان اجازه می‌دهد از قدرت GPU برای اجرای محاسبات سنگین استفاده کنند.

⚡ کاربردها:
🔹 آموزش مدل‌های هوش مصنوعی و Deep Learning
🔹 پردازش داده‌های حجیم
🔹 شبیه‌سازی‌های علمی و محاسبات زیستی
🔹 اجرای سریع‌تر برخی الگوریتم‌های محاسباتی

💡 تکنولوژی CUDA یک زبان برنامه‌نویسی نیست؛ بلکه مجموعه‌ای از ابزارها و کتابخانه‌ها برای بهره‌گیری از توان پردازشی GPU است. با C++ می‌توان مستقیماً برای CUDA برنامه نوشت و در Python نیز از طریق ابزارهایی مثل PyTorch از آن استفاده کرد.

#CUDA #NVIDIA #هوش_مصنوعی #برنامه_نویسی

@voidcompile

🐍 شرط‌ها در پایتون | Python Conditions

با if، elif و else به کدت یاد بده تصمیم بگیره!

📌 یک چیت‌شیت کاربردی برای مرور شرط‌ها، عملگرهای مقایسه‌ای و منطقی پایتون.

💻 ذخیره‌اش کن که موقع کدنویسی به کارت میاد!

#Python #برنامه_نویسی #آموزش_پایتون

@voidcompile