#fun
the struggle is real

https://twitter.com/deeplearningai_/status/1254832685954011139?s=20

تکراری، اما کاربردی...

#منبع
کمتر کسیه که حداقل اسم کتاب معروف Clean Code از Robert C. Martin را نشنیده باشه.
آدرس زیر سعیشو بر این گذاشته که نکات این کتابو با زبان پایتون انطباق بده و قوانینی برای کد نوشتن بهتر در پایتون بیان کنه برامون. هنوز کامل نشده، اما میتونه مفید باشه:

https://github.com/zedr/clean-code-python

نسخه جدید scikit-learn نمایش pipeline ها را با html اضافه کرده.
میتونید روی خروجی کلیک کنید و اطلاعات بیشتری ببنید:

https://scikit-learn.org/stable/auto_examples/compose/plot_column_transformer_mixed_types.html#sphx-glr-auto-examples-compose-plot-column-transformer-mixed-types-py

#کورس #رایگان
همین الان برید سایت دیتاکمپ و یه هفته دسترسی رایگان به همه دوره ها بگیرید.
با توجه به خلاصه بودن کورس ها میتونید تو یه هفته چند تاشو تموم کنید...

https://www.datacamp.com/freeweek

با تشکر از @MH_Sattarian

Vaex v3 is released, fastest DataFrame library alive!

Instant file opening, subsecond groupby and join on +1,000,000,000 (billion) rows

It is a lazy Out-of-Core DataFrames (similar to Pandas), to visualize and explore big tabular datasets.

It calculates statistics such as mean, sum, count, standard deviation etc., on an N-dimensional grid for more than a billion (10^9) samples/rows per second.

Visualization is done using histograms, density plots and 3D volume rendering, allowing interactive exploration of big data.

Vaex uses memory mapping, zero memory copy policy and lazy computations for best performance (no memory wasted).

The data pipeline on your laptop will be super fast.


$ 𝚙𝚒𝚙 𝚒𝚗𝚜𝚝𝚊𝚕𝚕 𝚟𝚊𝚎𝚡

GitHub: https://github.com/vaexio/vaex

#لایو #رویداد #آنلاین #رایگان

#لایو_تخصصی_اینستاگرامی مربوط به دپارتمان علوم داده #جهاد_دانشگاهی_شریف

چهارشنبه، ۴ تیر ۹۹
ساعت ۹ شب
استاد عقیلی با همراهی استاد اخوان پور

➖➖➖➖➖➖➖➖➖

در این لایو قرار است به بررسی فریم ورک های یادگیری عمیق پرداخته شود.
➖➖➖➖➖➖➖➖➖
اطلاعات برگزاری لایو:
https://www.instagram.com/p/CBzlLwPDIgh/?igshid=1dt91ifqohlfq

پیج جهاد دانشگاهی شریف:
https://instagram.com/jdsharif

پیج مهندس اخوان پور:
https://instagram.com/class.vision
➖➖➖➖➖➖➖➖➖
این کانال با هدف آگاه سازی از رویدادهای مرتبط با هوش مصنوعی نظیر همایش، کنفرانس، ورک‌شاپ، کلاس و ... تشکیل شده است.

@eventai

پانزدهمین #لایو_تخصصی اینستاگرامی مربوط به دپارتمان علوم داده هست و مهندس علیرضا اخوان پور در این لایو با ما همراه خواهند بود ➖➖➖➖➖➖➖➖➖
در این لایو قرار هست به بررسی چهار چوب ها و فریم ورک های برنامه نویسی برای یادگیری عمیق بپردازیم
➖➖➖➖➖➖➖➖➖
اگر در خصوص موضوع لایو سوالی دارید در کامنت ها سوال خود را مطرح نمایید
#علوم_داده #هوش_مصنوعی #یادگیری_عمیق #یادگیری_ماشین #برنامه_نویسی
📌از اینجا ببینید↙️
https://Www.instagram.com/jdsharif

#منبع #پایتون #یادگیری_ماشین

SciPy 2020 first Talks are online • Scientific Computing with Python Conference 2020

https://www.youtube.com/playlist?list=PLYx7XA2nY5GejOB1lsvriFeMytD1-VS1B


برای یادآوری ابتدا پست (https://t.iss.one/PyLab/442) را ببینید...

با نهایت تأسف، اطلاع یافتم که پدر گرامی و ارجمند آقای میرجعفر عابدی از عزیزان این کلاسی که با هم داشتیم به رحمت ایزدی پیوستند. خدمت این بزگوار و خانواده ایشان تسلیت عرض میکنم.

نسخه ۳.۹ پایتون امروز به‌صورت رسمی منتشر شد. تغییرات این نسخه‌ رو می‌تونید در لینک زیر مشاهده کنید:

https://docs.python.org/3.9/whatsnew/3.9.html

تو پایتون، تابع int از اون چیزی که فکر میکنید به مراتب قوی تره!
برای مثال اعداد به هر زبانیو براتون معادل یونیکدشون تو انگلیسی میکنه

https://twitter.com/raymondh/status/1288332005373960193?s=09

بهترین الگوی موفقیت شما دیروز شماست.
اگر امروز بهتر از دیروز هستید، پس موفقید.
در موفقیت کسی را الگو قرار ندهید!
اضطراب دیگری شدن، شما را از خود شدن هم باز می‌دارد.
موفقیت یک استثنا نیست، یک قاعده است، برای کسانی که پشتکار دارند.

#آداب_خردمندی

پایتون ۳.۹ منتشر شد

https://docs.python.org/3/whatsnew/3.9.html

محاسبات موازی آسان تر از هر زمان دیگر در سی پلاس پلاس 17 و STL!

C++17 introduced the parallel implementation of STL routines, I love It, It's a clean and standard way to achieve parallelism using CPU threads. If you are looking for such a high level way for parallel programming on GPU, then take a look at Thrust:
https://docs.nvidia.com/cuda/thrust/index.html
It provides an efficient parallel implementation of C++ STL (most of it) for CUDA devices!