🐍 عملگر والروس (:=) در پایتون

از پایتون 3.8 به بعد، عملگر والروس به شما اجازه میده همزمان یک مقدار را در متغیر ذخیره کنید و از همان مقدار استفاده کنید.
مثال ساده:

while (name := input("Enter name (e for exit): ")) != "e":
    print(f"Hello {name}!")

اگر آموزش کاملتری برای عملگر والروس خواستین اینجا رو چک کنید ✌🏻

#python
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

مامبا (Mamba) چیست؟
🏃‍♂️ در پروژه‌های Python، مخصوصا در حوزه‌های Data Science و Machine Learning، مدیریت وابستگی‌ها و محیط‌های توسعه همیشه یکی از چالش‌های مهم بوده است. Mamba یک ابزار مدیریت پکیج و محیط مجازی است که به عنوان جایگزینی سریع‌تر برای Conda طراحی شده است.

این ابزار با استفاده از یک پیاده‌سازی بهینه‌تر برای حل وابستگی‌ها (Dependency Resolution) تلاش می‌کند فرآیندهایی مثل:
• ایجاد محیط‌های مجازی
• نصب و حذف کتابخانه‌ها
• مدیریت نسخه‌های مختلف پکیج‌ها
را با سرعت بیشتری انجام دهد.

ابزار Mamba به دلیل سازگاری با اکوسیستم Conda، می‌تواند بدون تغییرات اساسی در روند کاری پروژه‌های موجود استفاده شود و مخصوصا در پروژه‌های بزرگ‌تر که تعداد زیادی وابستگی دارند، عملکرد بهتری ارائه
می‌دهد.
📌 کاربردهای رایج:
🐍 Python Development
📊 Data Science
🧠 Machine Learning
🔥 Deep Learning

اگر با محیط‌های Conda کار می‌کنید، Mamba یکی از ابزارهایی است که می‌تواند مدیریت پروژه‌های شما را سریع‌تر و ساده‌تر کند.

صفحه گیت‌هاب 🐱

#python #data_science #machine_learning
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

ریجکس‌های کاربردی برای پایتون 🐍

ریجکس (Regex) یا عبارت باقاعده یک الگوی متنی است که برای جستجو، پیدا کردن و تغییر بخش‌هایی از متن استفاده می‌شود. مثلا می‌توان با Regex بررسی کرد یک متن شامل ایمیل، شماره تلفن یا فرمت خاصی هست یا نه.
🖇 https://linuxhint.com/python-regex-examples/

#python #regex
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

🤖 ۵ پروژه اتوماسیون که باید در رزومه‌تان داشته باشید 🐍

1️⃣ سیستم اتوماسیون گزارش‌گیری (Automated Reporting System) 📊

چرا؟
بسیاری از کسب‌وکارها هر روز با گزارش‌های تکراری سروکار دارند. این پروژه نشان می‌دهد می‌توانید داده‌ها را جمع‌آوری، پردازش و به‌صورت خودکار گزارش تولید کنید.

---

2️⃣ ربات مدیریت شبکه‌های اجتماعی (Social Media Automation Bot) 📱

چرا؟
ساخت ربات برای زمان‌بندی پست‌ها، جمع‌آوری آمار و مدیریت محتوا نشان می‌دهد با APIها، وب‌اسکرپینگ و اتوماسیون فرآیندها آشنا هستید.

---

3️⃣ سیستم اتوماسیون ایمیل و پیام‌رسانی (Email Automation System) 📧

چرا؟
ارسال ایمیل‌های خودکار، خبرنامه‌ها، یادآوری‌ها و پیام‌های شخصی‌سازی‌شده یکی از کاربردهای مهم اتوماسیون در کسب‌وکارها است.

---

4️⃣ وب اسکرپر و جمع‌آوری داده (Web Scraping Automation) 🌐

چرا؟
این پروژه مهارت شما در استخراج اطلاعات از وب، کار با APIها، پردازش داده و ساخت ابزارهای مانیتورینگ را نشان می‌دهد.

---

5️⃣ اتوماسیون فایل‌ها و کارهای اداری (Office Automation Tool) ⚙️

چرا؟
ابزارهایی مثل تغییر نام خودکار فایل‌ها، پردازش Excel، تولید PDF و مدیریت اسناد می‌توانند ساعت‌ها کار دستی را حذف کنند.

---

💡 یک اسکریپت کوچک که یک مشکل واقعی را حل کند، گاهی از یک پروژه بزرگ اما غیرکاربردی ارزش بیشتری دارد.

#python #automation #programming
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

˥ 13 پایتون مختلف که باید بشناسید 🐍
ا- CPython – استاندارد و عمومی
ا- Cython – افزایش سرعت، ارتباط با C
ا- Jython – ادغام با جاوا
ا- IronPython – ادغام با دات‌نت
ا- Anaconda – علم داده و ML
ا- Miniconda – نسخه سبک Anaconda
ا- ActiveState – محیط سازمانی و امن
ا- PyPy – سرعت بالا
ا- Stackless – برنامه‌های همزمان و real-time
ا- WinPython – پایتون قابل حمل برای ویندوز
ا- Python Portable – پایتون بدون نیاز به نصب
ا- MicroPython – پایتون برای میکروکنترلرها و سخت‌افزار کوچک
ا- RustPython – پایتون نوشته شده با Rust

#python
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

🧠 ۵ پروژه Machine Learning که باید در رزومه‌تان داشته باشید 🐍

1️⃣ پیش‌بینی قیمت خانه (House Price Prediction) 🏠

چرا؟
یک پروژه کلاسیک برای نشان دادن مهارت در رگرسیون، تحلیل داده، Feature Engineering و ارزیابی مدل است.

---

2️⃣ سیستم پیشنهاددهنده (Recommendation System) 🎬

چرا؟
سیستم‌هایی مثل پیشنهاد فیلم، محصول یا موسیقی در دنیای واقعی کاربرد زیادی دارند و مهارت شما در کار با داده‌های کاربران را نشان می‌دهند.

---

3️⃣ تشخیص تقلب (Fraud Detection) 💳

چرا؟
یکی از کاربردهای مهم یادگیری ماشین در بانکداری و کسب‌وکارهاست و توانایی شما در کار با داده‌های نامتوازن (Imbalanced Data) را نشان می‌دهد.

---

4️⃣ تحلیل احساسات متن (Sentiment Analysis) 💬

چرا؟
این پروژه ترکیبی از Machine Learning و NLP است و نشان می‌دهد می‌توانید داده‌های متنی را پردازش و دسته‌بندی کنید.

---

5️⃣ پیش‌بینی ریزش مشتری (Customer Churn Prediction) 📉

چرا؟
بسیاری از شرکت‌ها می‌خواهند بدانند کدام مشتری احتمال دارد سرویس را ترک کند. این پروژه مهارت شما در Classification و تحلیل رفتار مشتری را نشان می‌دهد.

---

💡 یک پروژه Machine Learning خوب فقط ساخت مدل نیست؛ جمع‌آوری داده، پاک‌سازی، انتخاب ویژگی، ارزیابی و توضیح نتیجه هم بخش مهم کار است.

#ml #python #machinelearning #ai
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

10 ابزار قدرتمند پردازش تصویر در پایتون 🐍📸

1️⃣ OpenCV → پردازش تصویر و بینایی ماشین کلاسیک
2️⃣ PyTorch → ساخت مدل‌های Deep Learning برای تصویر
3️⃣ TensorFlow → آموزش مدل‌های هوش مصنوعی تصویری
4️⃣ Scikit-image → ابزارهای علمی پردازش تصویر
5️⃣ MediaPipe → تشخیص چهره، دست و بدن در لحظه
6️⃣ Detectron2 → تشخیص اشیا و Segmentation پیشرفته
7️⃣ KerasCV → مدل‌های آماده بینایی ماشین با Keras
8️⃣ Albumentations → افزایش داده برای تصاویر
9️⃣ SimpleCV → پردازش تصویر ساده‌تر برای شروع
🔟 FastAI → آموزش سریع مدل‌های Deep Learning

💬 شما بیشتر از کدام کتابخانه استفاده کرده‌اید؟

#python #computer_vision #ai
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

🤖 ۱۰ ابزار و کتابخانه پایتون برای رباتیک

🐍 پایتون فقط برای وب و هوش مصنوعی نیست؛ در دنیای ربات‌ها هم کاربرد زیادی دارد 👇

1️⃣ Robot Framework → تست خودکار و اتوماسیون ربات‌ها
2️⃣ PyRobot → توسعه و آزمایش ربات‌های هوشمند
3️⃣ PyDy → شبیه‌سازی دینامیک سیستم‌های مکانیکی
4️⃣ DART → شبیه‌سازی ربات‌ها و محیط‌های فیزیکی
5️⃣ Klamp’t → برنامه‌ریزی حرکت و کنترل ربات
6️⃣ Pybotics → محاسبات و کنترل بازوهای رباتیک
7️⃣ Siconos → شبیه‌سازی سیستم‌های دینامیکی
8️⃣ iDynTree → مدل‌سازی و کنترل ربات‌های انسان‌نما
9️⃣ SOFA Framework → شبیه‌سازی تعاملی رباتیک و پزشکی
🔟 PyBullet → شبیه‌سازی فیزیک و ربات‌ها در محیط سه‌بعدی

📌 دنیای رباتیک ترکیبی از Python + AI + کنترل + مهندسی است 🤖

#robotics #python #ai
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

🚀 ۵ پروژه Django که باید در رزومه‌تان داشته باشید 🐍

1️⃣ فروشگاه اینترنتی حرفه‌ای (E-commerce) 🛒

چرا؟
تقریباً هر توسعه‌دهنده وب باید بتواند یک سیستم فروش کامل بسازد. این پروژه مهارت شما در طراحی مدل‌ها، سبد خرید، سفارش‌ها، پرداخت و مدیریت محصولات را نشان می‌دهد.

---

2️⃣ سیستم مدیریت محتوا (CMS / Blog Platform) ✍️

چرا؟
ساخت یک CMS نشان می‌دهد که با Authentication، سطح دسترسی کاربران، پنل مدیریت، آپلود فایل و مدیریت محتوا آشنا هستید.

---

3️⃣ اپلیکیشن مدیریت پروژه (Project Management Tool) 📋

چرا؟
پروژه‌هایی مثل Trello نیازمند کار با روابط پیچیده دیتابیس، تیم‌ها، وظایف، کامنت‌ها و سیستم دسترسی هستند و مهارت طراحی Backend را نشان می‌دهند.

---

4️⃣ سیستم رزرو آنلاین (Booking System) 📅

چرا؟
رزرو هتل، کلاس، پزشک یا خدمات مختلف شامل منطق تجاری واقعی مثل زمان‌بندی، ظرفیت، پرداخت و جلوگیری از تداخل رزروها است.

---

5️⃣ شبکه اجتماعی کوچک (Mini Social Network) 🌐

چرا؟
این پروژه ترکیبی از امکانات مهم Django است:
پروفایل کاربران، دنبال کردن، پست، کامنت، لایک، نوتیفیکیشن و API.

---

💡 یک پروژه ساده اما کامل، ارزش بیشتری از چند پروژه کوچک و نصفه‌نیمه در رزومه دارد.

#django #python #backend
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

اتصال postgresql به پایتون و استفاده از آن
https://www.makeuseof.com/postgresql-python-connect-use/

اگر میخواین یاد بگیرین چطوری میشه postgresql رو به پایتون وصل کنید و ازش توی پایتون استفاده کنید، این مقاله رو بخونید.

#python #postgresql
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

[معرفی فریمورک Robyn] 🚀

فریمورک Robyn یک فریمورک وب مدرن و فوق سریع برای پایتون است که با تکیه بر Rust در لایه Runtime، عملکرد بسیار بالایی ارائه می‌دهد. اگر به دنبال ساخت APIها و وب سرویس های پرسرعت هستید، Robyn می‌تواند یکی از گزینه‌های جذاب باشد.

از ویژگی‌های مهم Robyn می‌شود به این موارد اشاره کرد:

⚡️ سرعت بسیار بالا به لطف Runtime نوشته‌شده با Rust
🔹 پشتیبانی از برنامه‌نویسی Async
🔹 مناسب برای ساخت REST API و WebSocket
🔹 سبک، ساده و با راه‌اندازی سریع
🔹 متن‌باز و در حال رشد با کمک جامعه توسعه‌دهندگان

اگر عملکرد بالا و مصرف بهینه منابع برای پروژه‌تان اهمیت دارد، Robyn ارزش امتحان کردن را دارد.

🐱 آدرس گیت‌هاب:
https://github.com/sparckles/robyn

#backend #web #python #rust #robyn
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

اگر با اکوسیستم پایتون کار می‌کنید، این کتابخانه‌ها و فریمورک‌ها می‌توانند جایگزین یا مکمل ابزارهای قدیمی‌تر باشند:

🔹 Polars → جایگزین یا مکمل Pandas
برای پردازش داده‌های جدولی با سرعت بسیار بالاتر، مخصوصا روی دیتاست‌های بزرگ.

🔹 Ruff → جایگزین Flake8، Black و isort
یک ابزار فوق سریع برای بررسی کیفیت کد (Lint) و فرمت کردن پروژه‌های پایتون.

🔹 DuckDB → جایگزین دیتابیس‌های SQL محلی
اجازه می‌دهد بدون راه‌اندازی سرور، کوئری‌های SQL را روی فایل‌ها و داده‌های محلی اجرا کنید.

🔹 Pandera → مکمل اعتبارسنجی داده‌ها
قبل از اینکه داده‌های خراب وارد تحلیل یا مدل شوند، آن‌ها را بررسی و اعتبارسنجی می‌کند.

🔹 JAX → جایگزین NumPy در پروژه‌های هوش مصنوعی
محاسبات عددی بسیار سریع به همراه قابلیت مشتق‌گیری خودکار برای یادگیری ماشین.

🔹 Textual → جایگزین اسکریپت‌های ساده ترمینال
برای ساخت برنامه‌های تعاملی و زیبا در محیط ترمینال.

🔹 LlamaIndex → مکمل پروژه‌های LLM و RAG
داده‌های شخصی یا سازمانی شما را به مدل‌های زبانی متصل می‌کند تا پاسخ‌های دقیق‌تر تولید کنند.

🔹 Robyn → جایگزین Flask و FastAPI در برخی پروژه‌ها
یک فریمورک وب بسیار سریع با Runtime نوشته‌شده با Rust که برای ساخت APIهای پرترافیک طراحی شده است.

🔹 PyScript → جایگزین جاوااسکریپت در بعضی سناریوها
امکان اجرای کدهای پایتون را مستقیما داخل مرورگر فراهم می‌کند و برای پروژه‌های ساده وب گزینه جالبی است.

#python
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

البته ChatGPT از قلم افتاده 🙂

#python
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

🔷کتابخانه Pydantic | اعتبارسنجی و مدیریت داده در پایتون

کتابخانه Pydantic یکی از کتابخانه‌های بسیار محبوب پایتونه که برای اعتبارسنجی (Validation)، تبدیل و ساختاردهی داده‌ها استفاده میشه. ایده‌اش خیلی ساده‌ست: شما مشخص میکنی داده‌ای که برنامه باید دریافت کنه چه شکلی باشه، چه نوعی داشته باشه و چه محدودیت‌هایی براش وجود داشته باشه؛

from pydantic import BaseModel

class User(BaseModel):
    name: str
    age: int

بعد Pydantic خودش داده رو بررسی میکنه و در صورت نیاز بعضی تبدیل‌های نوعی رو هم انجام میده. مثلا میتونی بگی name باید رشته باشه، age باید عدد باشه و email باید فرمت ایمیل داشته باشه.

user = User(name="Ali", age="27")

print(user.name) #Ali
print(user.age) #27

این ویژگی باعث شده Pydantic توی پروژه‌های API و Backend مخصوصا در کنار FastAPI خیلی پرکاربرد باشه و برای تعریف Request/Response، تنظیمات برنامه، کار با JSON و جلوگیری از ورود داده‌های نامعتبر به منطق اصلی برنامه استفاده بشه. خلاصه اگر بخوای با داده‌های ورودی تمیز، قابل اعتماد و ساختاریافته کار کنی، Pydantic یکی از اون ابزارهاییه که خیلی زود میفهمی چرا همه جا اسمش رو میشنوی.

#python
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

🤖 ۵ کتابخانه پایتون که برای ورود به دنیای هوش مصنوعی باید بشناسید

اگر میخواید وارد حوزه هوش مصنوعی و یادگیری ماشین بشید، این ۵ کتابخانه از بهترین نقطه‌های شروع هستن:

🔹 یک. NumPy | محاسبات عددی
پایه بسیاری از کتابخانه‌های علمی و هوش مصنوعی پایتونه و برای کار با آرایه‌ها، ماتریس‌ها و محاسبات ریاضی استفاده میشه.

🔹 دو. Pandas | کار با داده‌ها
داده‌های واقعی معمولا تمیز و مرتب نیستن! Pandas برای خواندن، پاکسازی، فیلتر و تحلیل داده‌ها استفاده میشه.

🔹 سه. Scikit-learn | یادگیری ماشین
باهاش میتونید بدون پیاده‌سازی الگوریتم‌ها از صفر، مدل‌های مختلف یادگیری ماشین مثل Linear Regression و Random Forest رو بسازید.

🔹 چهار. PyTorch | یادگیری عمیق
یکی از محبوب‌ترین ابزارها برای ساخت و آموزش شبکه‌های عصبی و پروژه‌های Deep Learning مثل تشخیص تصویر و پردازش داده‌های پیچیده.

🔹 پنج. Matplotlib | مصورسازی داده
کمکتون میکنه داده‌ها رو به شکل نمودارهای مختلف نمایش بدید تا الگوها و روابط بین داده‌ها راحت‌تر قابل درک باشن.
📌 مسیر پیشنهادی:
NumPy → Pandas → Matplotlib → Scikit-learn → PyTorch

اگر قصد دارید وارد حوزه AI بشید، این ۵ کتابخانه میتونن نقطه شروع خیلی خوبی برای مسیرتون باشن. 🚀

#ai #python
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

اگه یه آموزش سریع برای Numpy میخواین این چیز خوبیه:
کلیک کنید

#python #numpy #data_analysis
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

مقایسه پانداس و polars و اینکه کدام را انتخاب کنیم؟
+ برای مطالعه مقاله کلیک کنید +

#data_analysis #ai #data_science #python #pandas #polars
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

˥ 13 پایتون مختلف که باید بشناسید 🐍
ا- CPython – استاندارد و عمومی
ا- Cython – افزایش سرعت، ارتباط با C
ا- Jython – ادغام با جاوا
ا- IronPython – ادغام با دات‌نت
ا- Anaconda – علم داده و ML
ا- Miniconda – نسخه سبک Anaconda
ا- ActiveState – محیط سازمانی و امن
ا- PyPy – سرعت بالا
ا- Stackless – برنامه‌های همزمان و real-time
ا- WinPython – پایتون قابل حمل برای ویندوز
ا- Python Portable – پایتون بدون نیاز به نصب
ا- MicroPython – پایتون برای میکروکنترلرها و سخت‌افزار کوچک
ا- RustPython – پایتون نوشته شده با Rust

#python
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

[معرفی کتاب] 📚
🔷 Python for Bioinformatics: Using Machine Learning for Drug Discovery, Cluster Analysis, and Phylogenetics

کتاب Python for Bioinformatics: Using Machine Learning for Drug Discovery, Cluster Analysis, and Phylogenetics یک منبع کاربردی برای آشنایی با بیوانفورماتیک با پایتون است. این کتاب به‌صورت مرحله‌به‌مرحله نشان می‌دهد چطور می‌توان از پایتون برای تحلیل داده‌های زیستی، پردازش رشته‌های DNA و RNA، کار با الگوها، خوشه‌بندی داده‌ها، و حتی استفاده از یادگیری ماشین در کشف دارو بهره برد. همچنین به موضوعاتی مثل تحلیل فیلوژنتیک و ارتباط داده‌های زیستی با روش‌های محاسباتی می‌پردازد. اگر دنبال این هستی که پایتون را در یکی از جذاب‌ترین شاخه‌های علوم زیستی به کار بگیری، این کتاب می‌تواند شروع خوبی باشد.

#python #bioinformatics
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

تفاوت threading، multiprocessing و asyncio در چیه؟ 🐍

همه این‌ها برای «انجام هزمان کارها» هستن، اما راه حل هر کدوم بستگی به این داره که گلوگاه (Bottleneck) برنامه‌ات کجاست: پردازنده درگیر محاسباته یا برنامه منتظر پاسخ شبکه و فایل‌هاست؟ در این مقاله این موارد رو یاد میگیرین.

#python
〰️〰️〰️〰️〰️〰️〰️
@programming_tips