eitaa logo
آموزش برنامه نویسی پایتون و AI
374 دنبال‌کننده
593 عکس
173 ویدیو
941 فایل
🎯 یادگیری پایتون با رویکردی متفاوت، خاص و مدرن! 🚀 آموزش‌های کاملاً عملی و پروژه‌محور 💻 مسیر تبدیل شدن به یک برنامه‌نویس حرفه‌ای 🌟 فرقی نداره مبتدی هستی یا پیشرفته https://www.instagram.com/learns.py 📩 ارتباط با ادمین: 09156519984 @yasermahmoodain
مشاهده در ایتا
دانلود
اطلاعیه به اطلاع هنرجویان محترم می‌رسد که کلاس فردا جمعه ۳۰ آبان ماه برگزار می‌شود. برادران: ساعت ۸:۳۰ تا ۱۰:۰۰ خواهران: ساعت ۱۰:۰۰ تا ۱۱:۳۰ لطفاً در کلاس به‌موقع حضور داشته باشید.
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. 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 💻✨
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
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.
📌 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…