🧵 قسمت چهارم: نسل اول زبان‌های برنامه‌نویسی – زبان ماشین (1940s) 🖥 در دههی ۱۹۴۰ میلادی، نخستین رایانه‌های دیجیتال ساخته شدند. اما برای برنامه‌نویسی آن‌ها خبری از زبان‌های پیشرفته نبود! 🔢 برنامه‌نویسی فقط با «زبان ماشین» ممکن بود. یعنی: 10110000 01100001 💬 این کدها که فقط از صفر و یک تشکیل شده‌اند، به طور مستقیم توسط پردازنده قابل فهم هستند. 📍 هر دستور باید به شکل دودویی (باینری) نوشته میشد. برای مثال: * جمع دو عدد * انتقال داده به حافظه * پرش به یک خط خاص ⛔️ نتیجه چه بود؟ * برنامه‌نویسی خیلی سخت و وقت‌گیر بود * کدها به راحتی اشتباه نوشته میشدند * خواندن یا ویرایش آن‌ها تقریباً غیرممکن بود 🔧 اما همین دوران آغاز مسیر بزرگی بود که به پیدایش زبان‌های سطح بالا منتهی شد... 📜 ادامه دارد... #تاریخچه #کدنویسی #برنامه_نویسی 📲 https://eitaa.com/sbcoding

بروشور علمی در رابطه با زبان های برنامه نویسی معروف 🍀 #بروشور_علمی #پروژه_علمی_کدنویسی #کدنویسی #برنامه_نویسی #زبان https://eitaa.com/sbcoding

🧵 قسمت پنجم: زبان اسمبلی (Assembly) – گامی بزرگ به جلو (دهه ۱۹۵۰) 🧮 وقتی برنامه‌نویسی با زبان ماشین (صفر و یک) خیلی سخت شد، توسعه‌دهندگان به دنبال راه ساده‌تری رفتند. 🎯 نتیجه چه بود؟ زبان اسمبلی (Assembly)! 💡 زبان اسمبلی یک زبان «سطح پایین» است که مستقیماً به دستورهای ماشین نزدیکه، اما: • از کلمات و نمادهای قابل فهم‌تر استفاده می‌کنه، • و کدنویسی رو سریع‌تر و قابل مدیریت‌تر می‌کنه. برای مثال: MOV AX, 1 ADD AX, 2 ⬅️ این یعنی: عدد ۱ رو بریز داخل AX و بعد ۲ تا بهش اضافه کن. 🔄 برای اجرای این کد، باید ابتدا با اسمبلر (Assembler) به زبان ماشین تبدیل بشه. ⚙️ زبان اسمبلی هنوز هم در جاهایی کاربرد داره: • برنامه‌نویسی سیستم‌عامل‌ها • کار با سخت‌افزار • برنامه‌نویسی میکروکنترلرها 🎯 اگرچه فهمش ساده‌تر از زبان ماشین بود، اما هنوز برای انسان خیلی پیچیده و زمان‌بر بود... ⏳ بنابراین، نیاز به زبان‌های «سطح بالا» شدیدتر از قبل احساس شد. 📜 ادامه دارد... #تاریخچه #کدنویسی #برنامه_نویسی 📲 https://eitaa.com/sbcoding

گیت‌هاب ایجنت #هوش_مصنوعی جدیدی معرفی کرد که به کدنویسان در نوشتن و دی‌باگ کدهایشان کمک می‌کند. گیت‌هاب از ایجنت کدنویسی هوش مصنوعی پرده‌برداری کرد که می‌تواند کارهایی همچون رفع باگ‌ها و افزودن ویژگی‌ها و بهبود مستندات را انجام دهد. این ایجنت به‌طور مستقیم در گیت‌هاب کوپایلت ادغام می‌شود و طبق گفته‌ی مایکروسافت، پس‌از محول‌شدن وظیفه کار خود را آغاز می‌کند. گیت‌هاب می‌گوید که ایجنت کدنویسی هوش مصنوعی برای انجام وظایف خود به‌طور خودکار ماشین مجازی راه‌اندازی و دیتابیس را تحلیل و حین کار تغییرات را ذخیره می‌کند و شرح استدلال خود را در لاگ‌های جلسه ارائه می‌دهد. پس‌از اتمام، ایجنت کاربر را برای بازبینی تگ خواهد کرد و توسعه‌دهندگان می‌توانند نظراتی ثبت کنند که ایجنت به‌طور خودکار به آن‌ها رسیدگی خواهد کرد انجمن علمی کدنویسی دبیرستان استعدادهای درخشان شهید بهشتی رودهن https://eitaa.com/sbcoding

علاوه‌بر گیت‌هاب، سایر شرکت‌های فعال در حوزه‌ی ایجنت‌های #کدنویسی اختصاصی خود را رونمایی کرده‌اند؛ ازجمله جولز (Jules) گوگل گیت‌هاب ایجنت جدیدش هم مقصود از وظیفه و هم استانداردهای کدنویسی پروژه را متوجه می‌شود. ایجنت مذکور برای کاربران Copilot Enterprise و Copilot Plus ازطریق وبسایت گیت‌هاب و اپلیکیشن موبایل آن و ابزار رابط خط فرمان گیت‌هاب دردسترس خواهد بود. مایکروسافت می‌گوید که گیت‌هاب کوپایلت در ویژوال استودیو کد را متن‌باز می‌کند؛ اقدامی که به توسعه‌دهندگان امکان می‌دهد تا قابلیت‌های هوش مصنوعی این ابزار را گسترش دهند. انجمن علمی کدنویسی دبیرستان استعدادهای درخشان شهید بهشتی رودهن https://eitta.com.sbcoding

دوست خوب من سلام اگه به دنبال کتابی میگردی که تو رو با کدنویسی و زبان های آن بیشتر آشنا کند این کتاب مناسب شماست . به نظر من که با این کتاب عاشق برنامه نویسی میشی تلاش کردم با تهیه این #کتاب شمار را با کدنویسی و با زبان های برنامه نویسی بیشتر آشنا کنم . عنوان : کدنویسی کانال ما در ایتا : https://eitaa.com/sbcoding تهیه کننده: محمد سینا زبرجد #نشریه_الکترونیکی #کتاب_الکترونیکی #فعالیت_های_علمی_کدنویسی 🏔️https://eitaa.com/sbcoding

🔵 ایران دیجیتال ۱۴۰۴ شروع شد! 🏃 جا نمونی ... ثبت‌نام رایگان: https://sai.isti.ir/ 🔶 هدف ما اینه که نسل آینده، نه فقط استفاده‌کننده‌ فناوری، بلکه سازنده‌‌اش باشه. اگر دوست داری با کلی بازی و رقابت، وارد دنیای هوش مصنوعی بشی و یاد بگیری چطور ایده‌هات رو به واقعیت تبدیل کنی، این فرصت برای توست! 👈👈 ثبت‌نام کن و اولین قدم رو برای ساختن آینده بردار؛ چون آینده باهوش است... 😊 این دوره کاملاً رایگانه برای گذروندن این دوره نیاز به پرداخت هیچ هزینه‌ای نیست و کاملاً رایگانه 📚 مدرک معتبر در پایان این دوره، مدرک معتبری دریافت می‌کنی که در آینده خیلی به کارت میاد. 📣📣 البته توی ماه‌های آینده هم قراره مسابقات مختلفی داشته باشیم و جوایز خفنی به برنده‌ها و شرکت‌کننده‌ها بدیم. ✅ پس همین الان ثبت نام کن...

🧵 قسمت هفتم: زبان COBOL – کدنویسی برای کسب‌و‌کار (1959) 📈 با گسترش رایانه‌ها در اداره‌ها و بانک‌ها، نیازی جدید پدید آمد: 🔹 زبان برنامه‌نویسی برای کاربردهای تجاری و مالی 🧾 نتیجه: در سال ۱۹۵۹، زبان COBOL (کو-بال) معرفی شد COBOL = Common Business-Oriented Language یعنی: زبان مشترک برای اهداف تجاری ✅ ویژگی‌های کلیدی COBOL: * شبیه زبان انگلیسی طبیعی بود: IF AMOUNT > 1000 THEN DISPLAY "High Value Transaction" END-IF * مناسب برای پردازش دسته‌ای، گزارش‌گیری و سیستم‌های حسابداری * قابل‌فهم برای کارکنان غیر‌فنی سازمان‌ها 📌 چرا مهم بود؟ * به رایانه‌ها اجازه داد وارد دنیای کسب‌وکار شوند * باعث شد سیستم‌های بانکی، بیمه و اداری دیجیتال شوند * هنوز هم در بسیاری از بانک‌ها، کدهای COBOL در حال اجرا هستند! 🏛 ا)COBOL یکی از قدیمی‌ترین زبان‌هایی‌ست که هنوز زنده است. 📜 ادامه دارد... 📲 https://eitaa.com/sbcoding

🧵 قسمت هشتم: زبان ALGOL – پدر مفاهیم مدرن برنامه‌نویسی (دهه ۱۹۶۰) 🧪 در دهه ۱۹۶۰، زبان جدیدی معرفی شد که تاثیرش تا امروز در همه‌ی زبان‌ها حس می‌شود: نامش بود ALGOL (الگول) ALGOL = Algorithmic Language به معنی «زبان الگوریتمی» 🎯 چرا ALGOL انقلابی بود؟ 🔹 معرفی بلوک‌های کدی با آکولاد یا begin…end 🔹 امکان تعریف توابع بازگشتی (Recursive Functions) 🔹 ساختار نحوی تمیز و قابل تبدیل به فرمول‌های ریاضی 🔹 زبان مرجع علمی در آن زمان؛ مقالات علمی با ALGOL نوشته می‌شدند! مثال ساده: begin integer x; x := 5; if x > 0 then x := x - 1 end 🌱 میراث ALGOL 🔸 اگر تا حالا با زبان‌هایی مثل C، Java یا Pascal کار کرده‌ای، باید بدونی که پایه و اصول‌شون از ALGOL گرفته شده. 📘 بسیاری از مفاهیم مهم مثل: • متغیر محلی • محدوده متغیر (scope) • بلوک‌بندی کدها برای اولین بار در ALGOL به کار رفتند. 📌 جالبه بدونی که حتی زبان معروف Pascal مستقیماً تحت‌تأثیر ALGOL ساخته شد! 📜 ادامه دارد... #تاریخچه #کدنویسی #برنامه_نویسی 📲 https://eitaa.com/sbcoding

پایتون یکی از محبوب‌ترین زبان‌های برنامه‌نویسی در حوزه‌ی علم داده است. ویژگی‌هایی مانند خوانایی بالا، کتابخانه‌های قدرتمند، و جامعه‌ی فعال آن را به ابزاری ایده‌آل برای تحلیل داده‌ها تبدیل کرده است. در ادامه، برخی از کاربردهای مهم پایتون در علم داده را بررسی می‌کنیم: ### ۱. پردازش و پاک‌سازی داده‌ها قبل از هر تحلیل، داده‌ها باید پردازش و پاک‌سازی شوند. پایتون با کتابخانه‌هایی مانند Pandas و NumPy امکان خواندن، تبدیل، و پاک‌سازی داده‌ها را فراهم می‌کند. این ابزارها کمک می‌کنند داده‌های نامرتب و ناقص اصلاح شوند تا برای تحلیل مناسب شوند. ### ۲. تحلیل و مصورسازی داده‌ها پس از جمع‌آوری و پردازش داده‌ها، تحلیل و نمایش بصری آن‌ها اهمیت دارد. کتابخانه‌هایی مانند Matplotlib و Seaborn به کاربران اجازه می‌دهند نمودارهای خطی، پراکندگی، هیستوگرام و سایر نمودارهای پیشرفته را رسم کنند. این ابزارها درک بهتری از الگوها و ارتباطات بین داده‌ها ایجاد می‌کنند. ### ۳. یادگیری ماشین و هوش مصنوعی پایتون یکی از برترین زبان‌ها برای توسعه‌ی الگوریتم‌های یادگیری ماشین و هوش مصنوعی است. با استفاده از کتابخانه‌های Scikit-learn, TensorFlow و PyTorch می‌توان مدل‌های پیش‌بینی، دسته‌بندی، و خوشه‌بندی را ایجاد و آموزش داد. ### ۴. پردازش زبان طبیعی (NLP) در تحلیل داده‌های متنی، پایتون با ابزارهایی مانند NLTK و spaCy به پردازش زبان طبیعی کمک می‌کند. این قابلیت‌ها در تحلیل احساسات، استخراج کلمات کلیدی، و ترجمه‌ی متن بسیار کاربردی هستند. ### ۵. کلان‌داده و ذخیره‌سازی اطلاعات پایتون توانایی کار با پایگاه‌های داده‌ی بزرگ را دارد. کتابخانه‌هایی مانند SQLAlchemy برای ارتباط با پایگاه‌های داده رابطه‌ای و PySpark برای پردازش داده‌های کلان در محیط‌های توزیع‌شده مورد استفاده قرار می‌گیرد. 🍀به ما بپیوندید تا هر روز با علم کدنویسی بیشتر آشنا شوید.🍀 🗻https://eitaa.com/sbcoding

#هوش_مصنوعی توسط یک گروه از دانشمندان و محققان به طور مشترک ایجاد شد، و نه توسط یک فرد. از جمله این افراد می‌توان به جان مک‌کارتی، ماروین منسکی، آرتور ساموئل، هربرت سیمون، و آلن نیول اشاره کرد. جان مک‌کارتی اصطلاح "هوش مصنوعی" را در سال 1956 ابداع کرد و کنفرانس دارتموث را برای بررسی این مفهوم برگزار کرد. توضیحات بیشتر: جان مک‌کارتی (John McCarthy): او یک دانشمند آمریکایی برجسته بود که در زمینه علوم کامپیوتر و هوش مصنوعی تحقیق می‌کرد. او اصطلاح "هوش مصنوعی" را برای اولین بار در سال 1956 در کنفرانس دارتموث ابداع کرد. ماروین منسکی (Marvin Minsky): او یک دانشمند و ریاضیدان آمریکایی بود که یکی از بنیان‌گذاران هوش مصنوعی بود. او در MIT مشغول به کار بود و بر توسعه سیستم‌های هوش مصنوعی مبتنی بر نمادها تأثیرگذار بود. آرتور ساموئل (Arthur Samuel): او یک دانشمند آمریکایی بود که در زمینه هوش مصنوعی در IBM کار می‌کرد. او به عنوان یکی از بنیان‌گذاران یادگیری ماشینی شناخته می‌شود. هربرت سیمون (Herbert Simon): او یک دانشمند و روانشناس آمریکایی بود که در دانشگاه کارنگی ملون کار می‌کرد. او و آلن نیول در زمینه حل مسئله و مدل‌سازی شناخت انسانی تحقیق کردند. آلن نیول (Allen Newell): او یک دانشمند آمریکایی بود که در دانشگاه کارنگی ملون کار می‌کرد. او و هربرت سیمون در زمینه حل مسئله و مدل‌سازی شناخت انسانی تحقیق کردند. همچنین، افراد دیگری مانند آلن تورینگ، جفری هینتون، و دکتر Fei-Fei Li نیز نقش مهمی در توسعه هوش مصنوعی داشته‌اند. به طور کلی، هوش مصنوعی نتیجه تلاش‌های مشترک و تحقیقات گسترده‌ای است که توسط محققان و دانشمندانی از سراسر جهان انجام شده است. https://eitaa.com/sbcoding

#هوش_مصنوعی را می‌توان بر اساس توانایی‌ها، عملکرد و اهداف به انواع مختلفی تقسیم کرد. در اینجا به برخی از مهم‌ترین انواع هوش مصنوعی اشاره می‌کنیم: بر اساس توانایی: هوش مصنوعی محدود یا باریک (Narrow AI یا ANI): این نوع هوش مصنوعی برای انجام وظایف خاصی طراحی شده است، مانند تشخیص چهره، ترجمه زبان‌ها، یا رانندگی خودکار. این نوع هوش مصنوعی نمی‌تواند وظایف دیگری را انجام دهد. هوش مصنوعی عمومی یا قوی (General AI یا AGI): این نوع هوش مصنوعی قابلیت انجام هر وظیفه‌ای را دارد که یک انسان می‌تواند انجام دهد. این نوع هوش مصنوعی هنوز به طور کامل توسعه داده نشده است. هوش مصنوعی فوق هوشمند (Super AI یا ASI): این نوع هوش مصنوعی فراتر از هوش انسانی است و می‌تواند وظایفی را انجام دهد که برای انسان‌ها غیرممکن است. این نوع هوش مصنوعی نیز هنوز به طور کامل توسعه داده نشده است. بر اساس عملکرد: ماشین‌های واکنشی (Reactive Machines): این نوع هوش مصنوعی فقط بر اساس موقعیت فعلی واکنش نشان می‌دهد و تجربیات گذشته را در نظر نمی‌گیرد. ماشین‌های حافظه محدود (Limited Memory): این نوع هوش مصنوعی می‌تواند تجربیات گذشته را در نظر بگیرد و بر اساس آنها تصمیم‌گیری کند. تئوری ذهن (Theory of Mind): این نوع هوش مصنوعی قادر به درک احساسات و افکار دیگران است. خودآگاهی (Self-Awareness): این نوع هوش مصنوعی از خودآگاهی و توانایی تشخیص خود به عنوان یک موجود مستقل برخوردار است. بر اساس روش‌ها و تکنیک‌ها: یادگیری ماشینی (Machine Learning): این نوع هوش مصنوعی با استفاده از داده‌ها یاد می‌گیرد و می‌تواند الگوها را تشخیص دهد و پیش‌بینی‌ها را انجام دهد. یادگیری عمیق (Deep Learning): این نوع هوش مصنوعی با استفاده از شبکه‌های عصبی عمیق، یادگیری پیچیده‌تری را انجام می‌دهد و می‌تواند وظایف پیچیده‌تری را انجام دهد. هوش مصنوعی تقویتی (Reinforcement Learning): این نوع هوش مصنوعی با برقراری تعامل با محیط، یاد می‌گیرد که چگونه به بهترین نحو عمل کند. پردازش زبان طبیعی (Natural Language Processing یا NLP): این نوع هوش مصنوعی به سیستم‌ها توانایی می‌دهد تا با زبان طبیعی برقراری ارتباط کنند. بینایی ماشین (Machine Vision): این نوع هوش مصنوعی به سیستم‌ها توانایی می‌دهد تا تصاویر را درک کنند و تفسیر کنند. روباتیک (Robotics): این نوع هوش مصنوعی به سیستم‌ها توانایی می‌دهد تا با محیط اطراف تعامل کنند و وظایف را انجام دهند. دیگر انواع هوش مصنوعی: هوش مصنوعی احساسی (Affective AI): این نوع هوش مصنوعی می‌تواند احساسات و عواطف انسان‌ها را درک کند و به آنها پاسخ دهد. سامانه‌های خبره (Expert Systems): این نوع هوش مصنوعی از دانش متخصصان برای حل مشکلات خاص استفاده می‌کند. https://eitaa.com/sbcoding