لوگوی پیام رسان بلهدانلود «بله»
عکس پروفایل Python | پایتونP
۱.۱ هزار عضو

Python | پایتون

تبلیغات @maryam3771
مشاهده در اپلیکیشن بلهمشاهده در وب بله
۲۹ تیر

Statistics & Probability.pdf

۲.۲۷ مگابایت

این جزوه  مفاهیم پایه‌ای آمار و احتمال را برای ورود به علم داده (Data Science) آموزش می‌دهد. مفاهیم اصلی شامل:تعریف داده و فضای نمونهرویدادها (Events)توزیع‌های گسسته و پیوسته (Discrete & Continuous Distributions)احتمال شرطی (Conditional Probability)قانون بیز (Bayes' Theorem)متغیرهای تصادفی (Random Variables)هدف اصلی: تبدیل آمار و احتمال از فرمول‌های خشک به یک ابزار قابل‌فهم برای تحلیل داده در پروژه‌های واقعی و Machine Learning.
این جزوه بر اساس این ویدیو گردآوری شده https://www.youtube.com/playlist?list=PLWv23ocV_hYb7d2LS4W4FrO108B7uz-M0

undefined @python4all_pro
undefined۲
undefined۲
undefined۱

۱.۱K

۱۴:۲۶

۳۰ تیر
این دوره دقیقاً همون چیزیه که برای گذر از "فقط پایتون" به "پایتون برای ساخت عامل‌های هوش مصنوعی" لازم داری — همراه با پروژه‌های عملی.

undefinedنه فقط سینتکس، بلکه مستقیم ادغام با LLM و Agent هاundefinedاستک با NumPy، Pandas، SQLite، REST APIundefined کار با ابزارهای : ChatGPT، Gemini، HuggingFace
بعد دیدن این دوره می تونی یک هوش مصنوعی برای یک کار خاص بسازی

https://freecodecamp.org/news/learn-python-and-build-autonomous-agents/

undefined @python4all_pro
undefined۴
undefined۱

۱K

۱۴:۵۴

۱ مرداد
undefined ۱۰ ریپوی GitHub که نباید رایگان باشن!
یه لیست فوق‌العاده از ریپوهای GitHub  که واقعاً ارزشمندن. اکثراً توسط شرکت‌ها و دولوپرهای حرفه‌ای ساخته شدن و کاملاً رایگان و open source هستن.
undefined OmniRouteاین ابزار مثل یه هاب مرکزی برای اتصال به providerهای مختلف AI عمل می‌کنه. می‌تونی Claude Code، Codex، Cursor و Cline رو به Claude، GPT و Gemini وصل کنی.
ویژگی‌های کلیدی:
بیش از ۵۰ provider رایگان
فشرده‌سازی توکن بین ۱۵ تا ۹۵ درصد
؛fallback خودکار — اگه یه provider قطع بشه، خودش سوئیچ می‌کنه
github.com/diegosouzapw/OmniRoute
undefined OfficeCLIاولین مجموعه Office ساخته شده برای AI agentها
یه ابزار CLI که به agentهای AI اجازه می‌ده Word، Excel و PowerPoint رو کنترل کنن. بدون نیاز به نصب Microsoft Office، بدون dependency، فقط یه باینری.
کاربرد: عالی برای اتوماسیون اسناد، گزارش‌گیری خودکار، و ساخت presentation با AI.
github.com/iOfficeAI/OfficeCLI
undefined System Prompts Leaksپرامپت‌های سیستمی لو رفته از مدل‌های معروف
یه آرشیو کامل از system promptهای داخلی Claude، GPT، Gemini، Grok، Cursor، Copilot و ابزارهای دیگه که به‌طور منظم به‌روز می‌شه.
چرا مفیده: با مطالعه این پرامپت‌ها می‌فهمی هر شرکت چطور AI خودش رو هدایت می‌کنه. اگه می‌خوای prompt حرفه‌ای بنویسی، این یه گنج واقعیه.
github.com/asgeirtj/system-prompts-leaks
undefined OpenCutجایگزین متن‌باز CapCut که در مرورگر اجرا می‌شه
یه ویرایشگر ویدیوی کامل که بدون حساب کاربری، بدون telemetry، بدون اشتراک کار می‌کنه. مستقیم در مرورگر.
مناسب برای: کسانی که نمی‌خوان ابزارهای ویرایش ویدیوی تجاری استفاده کنن یا دنبال یه راه‌حل privacy-friendly هستن.
github.com/OpenCut-app/OpenCut
undefined AI Job Searchagent هوشمند جستجوی شغلی با Claude Code
یه agent که به‌جای تو برای شغل درخواست می‌فرسته. آگهی‌ها رو تحلیل می‌کنه، رزومه‌ات رو customize می‌کنه، cover letter می‌نویسه و سوال‌های مصاحبه آماده می‌کنه.
کاربرد: صرفه‌جویی عظیم در زمان برای job seekerها. به‌جای اینکه برای هر شغل ۴۵ دقیقه وقت بذاری، agent این کار رو می‌کنه.
github.com/MadsLorentzen/AI-job-search
undefined Meetilyابزار محلی رونویسی و خلاصه‌سازی جلسات
با استفاده از Whisper (رونویسی صدا) و Ollama (پردازش محلی با LLM)، جلساتت رو رونویسی و خلاصه می‌کنه. کاملاً محلی اجرا می‌شه، یعنی اطلاعاتت به جایی نمی‌ره.
ویژگی خاص: نوشته شده با Rust که سرعت و امنیت بالایی داره.
github.com/Zaid-maker/meetily
undefined Vibe-Tradingساخت استراتژی‌های معاملاتی با زبان طبیعی و AI agentها
به جای کدنویسی استراتژی‌های پیچیده ترید، کافیه به زبان طبیعی بگی چی می‌خوای. AI agent اون رو به استراتژی قابل اجرا تبدیل می‌کنه.
مناسب برای: تریدرهایی که می‌خوان بدون کدنویسی استراتژی تست کنن.
github.com/HKUDS/Vibe-Trading
undefined Strixاسکنر آسیب‌پذیری با هوش مصنوعییه ابزار امنیتی open source که با AI آسیب‌پذیری‌های کد رو پیدا می‌کنه و بهت کمک می‌کنه قبل از مهاجمان مشکلات امنیتی رو برطرف کنی.
کاربرد: تیم‌های توسعه و امنیت که می‌خوان security audit خودکار داشته باشن.
github.com/usestrix/strix
undefined Superpowerworkspace هوش مصنوعی self-hosted
یه محیط کاری AI که روی سرور خودت اجرا می‌شه. با بیش از ۲۵۰ هزار ستاره در GitHub، یکی از محبوب‌ترین پروژه‌های این لیسته.
مزیت: کنترل کامل روی داده‌ها و حریم خصوصی.
github.com/superpowerlabs/superpower
undefined Firecrawlتبدیل هر وبسایت به داده تمیز آماده برای LLMاگه با RAG (Retrieval-Augmented Generation) کار می‌کنی، Firecrawl استاندارد صنعت هست. هر سایتی رو می‌گیره، تمیزش می‌کنه و به فرمتی در میاره که مستقیم قابل استفاده برای LLM باشه.
کاربرد: ساخت chatbot روی محتوای سایت‌ها، data pipeline، و تحلیل محتوای وب.
github.com/mendableai/firecrawl
undefined @Python4all_pro
undefined۳
undefined۲

۱.۱K

۱۵:۰۰

۵ مرداد
undefined List Methods in Python
بیا با هم لیست متدهای پایتون رو مرور کنیم. این یکی از پرکاربردترین ساختارهای داده در پایتونه و دونستن متدهاش حسابی سرعت کدنویسیت رو بالا می‌بره.
undefined ایجاد لیست
ساده‌ترین راه تعریف لیست استفاده از براکت [] هست.

fruits = ["apple", "banana", "cherry"]
empty_list = []
undefined متدهای اصلی

append() — اضافه کردن به انتها
یک آیتم به انتهای لیست اضافه می‌کنه.

fruits = ["apple", "banana"]
fruits.append("cherry")
print(fruits) # ['apple', 'banana', 'cherry']
extend() — اضافه کردن چند آیتم
چند آیتم از یک iterable رو به انتهای لیست اضافه می‌کنه.

fruits = ["apple", "banana"]
fruits.extend(["cherry", "date"])
print(fruits) # ['apple', 'banana', 'cherry', 'date']
insert() — اضافه کردن در موقعیت خاص
یک آیتم رو در اندیس مشخص قرار می‌ده.

fruits = ["apple", "cherry"]
fruits.insert(1, "banana")
print(fruits) # ['apple', 'banana', 'cherry']
undefined متدهای حذف
remove() — حذف بر اساس مقدار
اولین occurrence از مقدار مشخص شده رو حذف می‌کنه.

fruits = ["apple", "banana", "cherry"]
fruits.remove("banana")
print(fruits) # ['apple', 'cherry']
pop() — حذف و بازگشت آیتم
آیتم در یک اندیس خاص رو حذف و برمی‌گردونه. اگه اندیس ندادی، آخرین آیتم رو حذف می‌کنه.

fruits = ["apple", "banana", "cherry"]
removed = fruits.pop(1)
print(removed) # banana
print(fruits) # ['apple', 'cherry']
clear() — خالی کردن لیست
تمام آیتم‌های لیست رو حذف می‌کنه.

fruits = ["apple", "banana", "cherry"]
fruits.clear()
print(fruits) # []
undefined متدهای جستجو
index() — پیدا کردن اندیس
اندیس اولین occurrence از مقدار مورد نظر رو برمی‌گردونه.

fruits = ["apple", "banana", "cherry"]
print(fruits.index("cherry")) # 2
count() — شمارش تعداد تکرار
تعداد تکرار یک مقدار در لیست رو می‌شماره.

nums = [1, 2, 2, 3, 2, 4]
print(nums.count(2)) # 3
undefined متدهای مرتب‌سازی و معکوس کردن
sort() — مرتب‌سازی درجا
لیست رو به ترتیب صعودی مرتب می‌کنه. با reverse=True نزولی می‌شه.

nums = [3, 1, 4, 1, 5, 9, 2]
nums.sort()
print(nums) # [1, 1, 2, 3, 4, 5, 9]

nums.sort(reverse=True)
print(nums) # [9, 5, 4, 3, 2, 1, 1]
reverse() — معکوس کردن
ترتیب آیتم‌های لیست رو برعکس می‌کنه.

fruits = ["apple", "banana", "cherry"]
fruits.reverse()
print(fruits) # ['cherry', 'banana', 'apple']
undefined متدهای کپی
copy() — کپی سطحی
یه کپی از لیست برمی‌گردونه.

original = [1, 2, 3]
new_list = original.copy()
print(new_list) # [1, 2, 3]
undefined نکات تکمیلی مهم
عملگر in برای بررسی وجود:

fruits = ["apple", "banana", "cherry"]
print("banana" in fruits) # True
عملگر + برای اتصال:

list1 = [1, 2]
list2 = [3, 4]
print(list1 + list2) # [1, 2, 3, 4]
عملگر برای تکرار:
```
print([0]
4) # [0, 0, 0, 0]```
List Comprehension — روش پایتونی:

squares = [x**2 for x in range(5)]
print(squares) # [0, 1, 4, 9, 16]
len() برای گرفتن طول:

print(len([1, 2, 3])) # 3
min() و max():
nums = [3, 1, 4, 1, 5, 9, 2]
print(min(nums)) # 1
print(max(nums)) # 9


undefined @python4all_pro
undefined۵
undefined۳
undefined۱

۱.۲K

۱۲:۲۸

۹ مرداد
اینجا تمام کد ها و آموزش های لازم برای تشخیص چهره و اشیا‌ توی عکس با پاییتون رو گذاشه و توی 3 ساعت کلش رو می تونید یاد بگیرید، کلی چیز آماده هم داره که در طول مسیر یادگیری به دردتون می‌خوره:
github.com/murtazahassan/Learn-OpenCV-in-3-hours
undefined @python4all_pro
undefined۵
undefined۱

۱K

۱۲:۳۲

۱۵ مرداد
فریمورک Pytest چیه undefined
یه ابزار تست برای پایتونه که کدها رو خیلی ساده و خوانا می‌کنه. معمولاً هر وقت یه برنامه‌نویس پایتون می‌خواد مطمئن بشه کدش درست کار می‌کنه، ازش استفاده می‌کنه.
undefined چرا محبوبه؟
سینتکس خیلی ساده و تمیزپیام خطای واضح نشون میدهپلاگین‌های فراوون دارههم برای پروژه‌های کوچیک و هم بزرگ مناسبه
undefined یه مثال ساده:

# math_tools.py
def add(a, b):
return a + b# test_math_tools.py
from math_tools import add

def test_add():
assert add(2, 3) == 5
assert add(-1, 1) == 0
بعد فقط می‌زنی:pytestو خودش همه‌ی تست‌ها رو اجرا می‌کنه و می‌گه کدوم رد شد، کدوم شکست خورد.
undefined سایت رسمی: https://docs.pytest.org
undefined گیت‌هاب: https://github.com/pytest-dev/pytest
undefined PyPI: https://pypi.org/project/pytest/

undefined @python4all_pro
undefined۴
undefined۱

۸۳۲

۱۷:۵۰

۱۷ مرداد
بیشتر از ۵۰ درصد فایل‌های PDF که وارد پایپ‌لاین‌های RAG یا پردازش داده میشن، کاملاً متنی هستن و اصلاً نیازی به مدل‌های گران‌قیمت Vision یا سرویس‌های سنگین OCR ندارند. اما خیلی از سیستم‌ها بدون تفکیک، همه فایل‌ها رو سمت مدل‌های بصری یا سرویس‌های ابری می‌فرستن که هم هزینه رو بالا می‌بره و هم چند ثانیه تاخیر به فرایند اضافه می‌کنه.

تیم Firecrawl برای حل این چالش کتابخانه متن‌باز pdf-inspector رو با Rust توسعه داده که با سرعت فوق‌العاده بالا فایل‌های PDF رو کلاسیفای و استخراج می‌کنه:

•
تشخیص هوشمند نوع سند (۱۰ تا ۵۰ میلی‌ثانیه):* فایل رو بررسی می‌کنه تا ببینه متنی (TextBased)، اسکن‌شده (Scanned) یا ترکیبی (Mixed) هست. با این کار فقط صفحاتی که واقعاً عکس هستن رو سمت OCR می‌فرستید.
• تبدیل به مارک‌داون تمیز (زیر ۲۰۰ میلی‌ثانیه): اسناد متنی رو به‌صورت محلی به Markdown تبدیل می‌کنه؛ همراه با حفظ ساختار چندستونی، جدول‌ها، تیترها و فونت‌ها.• سرعت بی‌نظیر: در بنچمارک روی ۲۰۰ سند، کل مجموعه رو ظرف ۰.۴۷ ثانیه پردازش کرده (در مقایسه با ۱۶ تا ۱۷ ثانیه برای PyMuPDF4LLM و MarkItDown).• بدون مدل ML و سبک: کاملاً با Rust نوشته شده و هیچ مدل سنگینی نداره. بایندرهای آماده برای Python، Node.js، WebAssembly و CLI هم داره.
نمونه استفاده در پایتون:

import pdf_inspector

result = pdf_inspector.process_pdf("document.pdf")

# تشخیص نوع سند
print(result.pdf_type)  # "text_based", "scanned", "mixed"

# خروجی مارک‌داون
print(result.markdown)

لینک ریپوزیتوری گیت‌هاب:https://github.com/firecrawl/pdf-inspector

undefined @Python4all_pro *
undefined۲
undefined۱
undefined۱

۷۷۷

۱۲:۳۹

۱۹ مرداد
معرفی کتابخانه پایتونی xy (توسعه‌یافته توسط تیم Reflex)؛ یک جایگزین متن‌باز و فوق‌سریع برای Matplotlib، Plotly و Bokeh که با زبان Rust نوشته شده و در رندر ۱۰ میلیون نقطه داده، عملکردی بی‌نظیر از خود نشان می‌دهد.

عملکرد محاسباتی (بنچمارک رسمی ۱۰ میلیون نقطه):

undefined XY undefined ۰.۰۲۳ ثانیه
undefined Matplotlib undefined ۲.۷۸ ثانیه
undefined Plotly undefined ۹.۵۸ ثانیه

به این ترتیب، xy در مقایسه با Plotly تا ۴۱۳ برابر و در مقایسه با Matplotlib تا ۱۲۰ برابر سریع‌تر عمل می‌کند.

این کتابخانه علاوه بر امکان مصورسازی بلادرنگ در Jupyter Notebook و وب‌اپلیکیشن‌ها، از خروجی در قالب‌های PNG، HTML و PDF نیز پشتیبانی می‌کند.

نصب و راه‌اندازی
pip install xy

undefined مستندات: reflex.dev/docs/xy/
undefined گیت‌هاب: github.com/reflex-dev/xy

undefined @python4all_pro
undefined۶
undefined۱

۷۰۱

۱۲:۴۲

۲۱ مرداد

Python Interview Handbook.pdf

۲۷۷.۰۳ کیلوبایت

undefined هندبوک مصاحبه‌های پایتون - راهنمای متخصصین هوش مصنوعی

نویسنده: Balawant Kadam
undefined فهرست ۱۰ فصل:

مبانی پایتون (۴۰ سوال)
برنامه‌نویسی شیءگرا (۲۵ سوال)
پایتون پیشرفته (۲۵ سوال)
ساختمان داده و الگوریتم‌ها (۲۰ سوال)
NumPy و Pandas (۳۰ سوال)
یادگیری ماشین با پایتون (۲۵ سوال)
یادگیری عمیق (۲۰ سوال)
هوش مصنوعی مولد و مدل‌های زبانی بزرگ (۴۰ سوال)
سوالات کدنویسی مصاحبه
مرور سریع و چیت‌شیت‌ها

undefined نمونه سوالات و پاسخ‌های کلیدی
.
این هندبوک با تمرکز ویژه برای متخصصین هوش مصنوعی طراحی شده و تمام مفاهیم رو هم از نظر تئوری و هم از نظر پیاده‌سازی پوشش می‌ده. تعداد کل سوالات به ۲۲۵ سوال می‌رسه که هر کدوم با توضیح و نکته کلیدی همراه هستن.

undefined @python4all_pro
undefined۳
undefined۱
undefined۱

۷۸۰

۱۸:۵۲

۲۴ مرداد
thumbnail
undefined Must Know Python-Pandas Operations for working with Data

undefined اگه با پایتون کار می‌کنی و کلی داده داری، این اینفوگرافیک یه خلاصه طلاییه از اون دستورهای Pandas که واقعاً به‌دردت می‌خوره. از خوندن فایل و پاک‌سازی داده گرفته تا فیلتر، گروه‌بندی و محاسبات آماری. همه چیز یه‌جا جمع شده تا مجبور نباشی هر بار سرچ کنی.
undefined چرا Pandas؟ چون کار با دیتاست‌های بزرگ رو ساده می‌کنه، مخصوصاً وقتی با Excel، CSV یا دیتابیس سروکار داری.
undefined @python4all_pro
undefined۱

۵۸۲

۱۵:۱۸