با سلام
به لطف خدا و با حمایت همشهریان گرامی و والدین محترم، چندمین دورهی آموزش برنامهنویسی پایتون هماکنون در حال برگزاری است.
دوستان گرامی، برای اطلاع از برنامهها و دورههای جدید، حتماً کانال ایتا کانون فرهنگی ورزشی شهید صیاد شیرازی بسیج را دنبال کنید.
#خراسان_رضوی
#درگز
#کانون_فرهنگی_ورزشی_شهید_صیاد_شیرازی_بسیج_درگز
https://eitaa.com/saiad_shiirazi
🎯 تمرین برنامهنویسی پایتون
امروز تمرین ما دریافت یک عدد از کاربر و تشخیص زوج یا فرد بودن آن بود.
کد ساده و کاربردی که نوشتیم:
number = int(input("یک عدد وارد کنید: "))
if number % 2 == 0:
print("عدد وارد شده زوج است.")
else:
print("عدد وارد شده فرد است.")
یادگیری قدمبهقدم یعنی همین؛ از سادهترینها شروع میکنیم تا برسیم به پروژههای حرفهایتر 💻✨
#پایتون #آموزش_برنامهنویسی #تمرین_روزانه
دوستانی که امروز واریز کردین حتما رسید پرداخت ارسال بفرمایید
🟦 1. معرف لیست (List Literal)
لیست با براکت مربع ساخته میشود.
انواع معرفی لیست:
لیست خالی:
[]
لیست با مقدار:
[1, 2, 3]
لیست شامل انواع مختلف:
[1, "Ali", 3.14]
لیست تو در تو:
[[1, 2], [3, 4]]
لیست با list comprehension:
[x * 2 for x in range(5)]
مثال نهایی:
my_list = [1, 2, 3, "hello"]
---
🟧 2. معرف تاپل (Tuple Literal)
تاپل با پرانتز یا حتی بدون پرانتز ساخته میشود.
انواع معرفی تاپل:
تاپل خالی:
()
تاپل یکتایی (حتماً کاما لازم است):
(5,)
تاپل معمولی:
(1, 2, 3)
تاپل بدون پرانتز (پایتون خودش تشخیص میدهد):
1, 2, 3
تاپل تو در تو:
((1, 2), (3, 4))
مثال نهایی:
my_tuple = (10, 20, 30)
---
🟩 3. معرف دیکشنری (Dictionary Literal)
دیکشنری با {} ساخته میشود و دادهها به صورت کلید: مقدار هستند.
انواع معرفی دیکشنری:
دیکشنری خالی:
{}
دیکشنری معمولی:
{"name": "Ali", "age": 20}
دیکشنری تو در تو:
{"user": {"name": "Ali"}}
دیکشنری با dict comprehension:
{x: x * 2 for x in range(3)}
مثال نهایی:
my_dict = {"name": "Sara", "age": 25}
---
🟫 4. معرف مجموعه (Set Literal)
ست شبیه دیکشنری است ولی فقط مقدار دارد و تکراریها را حذف میکند.
انواع معرفی ست:
مجموعه خالی (نکته: {} دیکشنری است!):
set()
مجموعه با مقدار:
{1, 2, 3}
مجموعه با set comprehension:
{x * 2 for x in range(5)}
مثال نهایی:
my_set = {1, 2, 3}
🟦 1. لیست (List)
✔ اضافه کردن
lst = [1, 2]
lst.append(3) # اضافه به آخر
lst.insert(1, 10) # اضافه در مکان مشخص
lst.extend([4, 5]) # اضافه کردن چند مقدار
✔ حذف کردن
lst.remove(10) # حذف بر اساس مقدار
lst.pop() # حذف آخرین عنصر
lst.pop(1) # حذف عنصر با اندیس
del lst[0] # حذف با دل
lst.clear() # خالی کردن کل لیست
✔ تغییر و ویرایش
lst = [5, 6, 7]
lst[1] = 100 # تغییر مقدار
lst[0:2] = [1, 2] # تغییر چند مقدار
---
🟧 2. تاپل (Tuple)
تاپل غیر قابل تغییر است.
بنابراین اضافه، حذف یا ویرایش مستقیم ندارد.
✔ روش غیرمستقیم برای ویرایش
با تبدیل به لیست:
t = (1, 2, 3)
lst = list(t)
lst.append(4)
t = tuple(lst)
---
🟩 3. دیکشنری (Dictionary)
✔ اضافه کردن (کلید جدید)
d = {"a": 1}
d["b"] = 2
✔ ویرایش (تغییر مقدار یک کلید)
d["a"] = 100
✔ حذف کردن
del d["a"] # حذف با دل
d.pop("b") # حذف و برگرداندن مقدار
d.clear() # خالی کردن کل دیکشنری
✔ اضافه و بهروزرسانی با update
d.update({"c": 3, "d": 4})
---
🟫 4. مجموعه (Set)
✔ اضافه کردن
s = {1, 2}
s.add(3) # اضافه تک مقدار
s.update([4, 5]) # اضافه چند مقدار
✔ حذف کردن
s.remove(2) # حذف مقدار (اگر نباشد خطا میدهد)
s.discard(3) # حذف مقدار (بدون خطا)
s.pop() # حذف تصادفی یک مقدار
s.clear() # خالی کردن مجموعه
✔ ویرایش مستقیم ندارد
چون مثل لیست اندیس ندارد، فقط میتوان اضافه/حذف کرد.
2.6M حجم رسانه بالاست
مشاهده در ایتا
معرفی پروژه:
این پروژه شبیهسازی حرکت پرتابه با سرعت و زاویه اولیه دلخواه است. با استفاده از معادلات فیزیکی حرکت پرتابه، مسیر جسم در میدان گرانش زمین محاسبه و بهصورت گرافیکی نمایش داده میشود. هدف پروژه، درک بهتر رابطه بین سرعت اولیه، زاویه پرتاب و مسیر حرکت جسم است و میتواند به عنوان یک ابزار آموزشی در فیزیک کاربرد داشته باشد.
ویژگیها:
ورود سرعت اولیه و زاویه پرتاب توسط کاربر
محاسبه زمان پرواز، برد و ارتفاع بیشینه
رسم مسیر حرکت پرتابه به صورت گرافیکی
#پایتون #برنامهنویسی #محمودیان #پروژه_ایده #ابتکار #خلاقیت #جشنواره #مسابقات #رباتیک #برتر
تمرین 1: کار با لیست (List)
صورت تمرین:
یک برنامه بنویس که نام 5 میوه را از کاربر بگیرد و در یک لیست ذخیره کند. سپس:
1. لیست را چاپ کند.
2. طول لیست را نمایش دهد.
3. اولین و آخرین میوه لیست را چاپ کند.
راهنمایی: از append() و len() استفاده کنید.
---
تمرین 2: کار با مجموعه (Set)
صورت تمرین:
یک برنامه بنویس که 10 عدد وارد شده توسط کاربر را در یک مجموعه ذخیره کند. سپس:
1. تعداد اعداد یکتا را نمایش دهد.
2. کوچکترین و بزرگترین عدد را چاپ کند.
راهنمایی: از set()، min() و max() استفاده کنید.
---
تمرین 3: کار با دیکشنری (Dictionary)
صورت تمرین:
یک برنامه بساز که اطلاعات 3 دانشآموز (نام و نمره) را ذخیره کند. سپس:
1. نام و نمره هر دانشآموز را چاپ کند.
2. میانگین نمرات را محاسبه و نمایش دهد.
3. دانشآموز با بیشترین نمره را نشان دهد.
راهنمایی: از دیکشنری {} و حلقه for key, value in dict.items() استفاده کنید.
آموزش برنامه نویسی پایتون و AI
تمرین 1: کار با لیست (List) صورت تمرین: یک برنامه بنویس که نام 5 میوه را از کاربر بگیرد و در یک لیس
جواب تمرینات داخل گروه برنامهنویسی پایتون قرار داده ایم
📌 چرا مهارت کار با فایلها در پایتون اهمیت دارد؟
در دنیای امروز، دادهها همهجا هستند و هوش مصنوعی (AI – Artificial Intelligence) و یادگیری ماشین (ML – Machine Learning) بدون دادههای مرتب و ساختاریافته، هیچ کاری نمیتوانند انجام دهند.
📂 فایلها قلب پردازش دادهها هستند و توانایی مدیریت آنها مهارتی کلیدی محسوب میشود.
✨ انواع فایلها و فرمتها:
TXT (.txt): متن ساده، مناسب ذخیره اطلاعات خام
CSV (.csv): دادههای جدولی با مقادیر جداشده با کاما (Comma-Separated Values)
Excel (.xlsx, .xls): جداول پیشرفته، گزارشها و دادههای چندبرگهای
Word (.docx, .doc): مستندات متنی و گزارشهای تحلیلی
PDF (.pdf): فرمها، مقالات و اسناد رسمی
JSON (.json): دادههای ساختاریافته برای API و ذخیرهسازی ماشینخوان
Parquet (.parquet): دادههای حجیم، سریع و بهینه برای Big Data
💡 مزایای مهارت کار با فایلها:
خواندن، نوشتن و ویرایش دادهها به صورت خودکار
استخراج اطلاعات ارزشمند برای تحلیل و گزارشدهی
ترکیب و یکپارچهسازی دادهها از منابع مختلف
تبدیل بین فرمتهای مختلف (CSV → Excel، PDF → TXT و غیره)
آمادهسازی دادهها برای مدلهای یادگیری ماشین و هوش مصنوعی
🔄 با مهارت در مدیریت فایلها میتوان دادههای خام را به ورودی مناسب برای AI/ML تبدیل کرد، فرایندهای تکراری را خودکار نمود و تصمیمگیری مبتنی بر داده را سریعتر و دقیقتر انجام داد.
📈 یادگیری این مهارت، نه تنها در مدرسه و دانشگاه، بلکه در Data Science، AI و اتوماسیون صنعتی و اداری کاربرد عملی دارد.
🚀 پایتون ابزار قدرتمندی است که با کتابخانههای متعدد مانند pandas، openpyxl، docx، PyPDF2 و json امکان پردازش انواع فایلها را ساده و سریع میکند.
✨ توانایی کار با فایلها، شما را آماده میکند تا دادهها را تحلیل کنید، گزارش بسازید، مدلهای هوش مصنوعی را تغذیه کنید و پروژههای واقعی را با اعتماد به نفس پیش ببرید.
کار با فایلها در پایتون: مهارت کلیدی برای داده و هوش مصنوعی
پایتون به شما امکان میدهد با انواع فایلها کار کنید و دادههای خام را به اطلاعات ارزشمند تبدیل کنید. این مهارت پایهای برای هوش مصنوعی (AI)، یادگیری ماشین (ML) و تحلیل داده است.
📂 انواع فایلها و کاربردشان:
TXT (.txt): متن ساده، یادداشتها و داده خام
CSV (.csv): دادههای جدولی، مناسب برای تحلیل و گزارش
Excel (.xlsx, .xls): جداول پیچیده، محاسبات و گزارشهای چندبرگهای
Word (.docx, .doc): مستندات و گزارشهای پروژه
PDF (.pdf): اسناد رسمی و غیرقابل ویرایش، استخراج اطلاعات
JSON (.json): دادههای ساختاریافته، ارتباط با API و ذخیرهسازی ماشینخوان
XML (.xml): دادههای ساختاریافته مشابه JSON، استاندارد وب
Parquet (.parquet): دادههای حجیم و بهینه برای Big Data
HDF5 (.h5, .hdf5): دادههای علمی و چندبعدی، علوم داده و ML
Pickle (.pkl, .pickle): ذخیره و بازیابی اشیاء پایتون، مدلهای آماده ML
YAML (.yaml, .yml): فایل پیکربندی ساده و قابل خواندن
SQL / SQLite (.db, .sqlite): پایگاه داده محلی برای دادههای ساختاریافته
Image (.jpg, .png, .bmp, .tiff): تصاویر برای پردازش بصری و AI
Audio (.mp3, .wav, .flac): فایلهای صوتی برای تحلیل صدا و پردازش گفتار
Video (.mp4, .avi, .mov): ویدئوها برای پردازش و یادگیری عمیق
💡 مزایا و کاربردها:
استخراج و ویرایش دادهها به صورت خودکار
تبدیل بین فرمتها (CSV ↔ Excel، PDF → TXT و غیره)
آمادهسازی دادهها برای مدلهای AI و ML
تحلیل آماری، تصویری و متنی
خودکارسازی فرآیندهای اداری، دانشگاهی و صنعتی
✨ یادگیری مدیریت فایلها با پایتون، مهارتی است که هم کاربرد عملی دارد و هم پایهای برای پروژههای هوش مصنوعی و علم داده محسوب میشود.
نفرات دوره ویژه «پایتون کاربردی – مدیریت و پردازش فایلها» ثبتنام کردهاند.
لطفاً برای تکمیل ثبتنام اولیه، مشخصات زیر را بهصورت کامل ارسال کنید:
نام و نام خانوادگی
تاریخ تولد کامل (روز / ماه / سال)
کد ملی
لیست نفرات ثبتنامی
آقایان:
۱. آقای محمدحسین محسنآبادی
خانمها:
(—)
لیست در حال بروزرسانی…