✅ سورس کد سی‌پلاس‌پلاس | cplusplus
🖥 نام پروژه: بارش برف و باران و تگرگ
💯 از کتابخانه FreeGlut و ویژال استدیو 2010 استفاده شده است.
#source #code #SourceCode #سورس

گروه هیلتن 😊👇
JOiN→ @HeiltonProgramming

✅ ابزاری برای تولید گریدهای css
🔗 cssgrid-generator.netlify.com

#ui #ux #frontend #design #designweb #css #code
#متخصص_کامپیوتر #توصیه #ترفند #توسعه #برنامه_نویسی #طراحی_وب

گروه هیلتن😊👇
JOiN → @HeiltonProgramming

✅ کپی کردن اشیای واقعی با موبایل و جایگذاری آنها در فتوشاپ در دموی جالبی از Cyril Diagne با استفاده از تکنولوژی های واقعیت افزوده‌، تاخیر کپی کردن 2 ثانیه و تاخیر جایگذاری 4 ثانیه است، اما روش های زیادی برای بهینه کردن آن وجود دارد.
🖥 کدهای این پروژه به صورت متن باز در گیت هاب برای علاقه مندان منتشر شده‌است.
#CyrilDiagne #code #photoshop
#متخصص_کامپیوتر #توسعه #فتوشاپ #خبر #فناوری و #تکنولوژی

گروه هیلتن😊👇
JOiN → @HeiltonProgramming

✅ اغلب می خواهیم عناصری که دارای محتوا هستند را استایل دهی کنیم. اما مواقعی وجود دارد که مایلیم عناصر فاقد محتوا را استایل بدهیم. برای این کار می توانید از گزینشگر empty: استفاده کنید.
#ui #ux #frontend #design #designweb #css #code
#متخصص_کامپیوتر #توصیه #ترفند #توسعه #برنامه_نویسی #طراحی_وب #سی_اس_اس

گروه هیلتن😊👇
JOiN → @HeiltonProgramming

✅ روش وسط چین کردن عناصر به وسیله flexbox
#css #flexbox #ui #ux #frontend #design #designweb #css #code
#متخصص_کامپیوتر #توصیه #ترفند #توسعه #برنامه_نویسی #طراحی_وب #سی_اس_اس

گروه هیلتن😊👇
JOiN → @HeiltonProgramming

✅ با استفاده از خاصیت tab-size در css می توانید مشخص کنید که Tab ها دقیقا چقدر فضای خالی اشغال کنند.
#css #ui #ux #frontend #design #designweb #css #code
#متخصص_کامپیوتر #توصیه #ترفند #توسعه #برنامه_نویسی #طراحی_وب #سی_اس_اس

گروه هیلتن😊👇
JOiN → @HeiltonProgramming

✅ کاربردهای گوناگون خاصیت align-items در Css

#css #ui #ux #frontend #design #designweb #css #code
#متخصص_کامپیوتر #توصیه #ترفند #توسعه #برنامه_نویسی #طراحی_وب #سی_اس_اس

گروه هیلتن😊👇
JOiN → @HeiltonProgramming

📊 پیاده‌سازی PCA با NumPy در پایتون — از صفر تا اجرا

در این پروژه، الگوریتم Principal Component Analysis (PCA) بدون استفاده از کتابخانه‌های آماده و فقط با NumPy پیاده‌سازی شده است؛ از آماده‌سازی داده‌ها و محاسبه ماتریس کوواریانس تا محاسبه Eigenvalue/Eigenvector و کاهش بُعد داده‌ها.

🔹 مراحل انجام‌شده در پروژه:
• ست کردن داده‌ها
‏• Centering و کم‌کردن میانگین هر ویژگی
• محاسبه Covariance Matrix
• محاسبه Eigenvalues و Eigenvectors
• مرتب‌سازی مؤلفه‌ها و انتخاب بهترین‌ها
• تبدیل داده‌ها به فضای جدید (Dimension Reduction)
• مشاهده خروجی و رسم نقاط با matplotlib

نیازمندی‌ها: numpy، matplotlib، itemgetter

کد + توضیحات:
🔗 https://github.com/omidsotooni/PrincipalComponentAnalysis

#پایتون #مولفه_اساسی #کدنویسی #فناوری #هوش_مصنوعی #گیت_هاب
#python #machine_learning #PCA #numpy #code #ai #technology #github

JOiN → @HeiltonProgramming