#رسپبری_پای
رسپبری پای یا رزبری پای یک کامپیوتر ارزان قیمت و هم اندازه یک کارت عابر بانک است که می تواند به مانیتور ها و تلویزیون متصل شود و همچنین می توان کیبورد و ماوس معمولی را نیز به آن متصل نمود. رسپبری پای یک دستگاه کوچک با توانایی های بالاست که افراد علاقه مند به کامپیوتر ها از هر سنی می توانند از آن استفاده کنند و لذت ببرند. همچنین می توان از رسپبری پای برای یادگیری چگونگی نوشتن یک برنامه برای کامپیوتر ها به زبان های مختلف مانند پایتون و اسکرچ استفاده نمود. رسپبری پای می تواند هر کاری که یک کامپیوتر دسکتاپ می تواند انجام دهد از مرور صفحات وب و پخش آهنگ و فیلم های HD گرفته تا نرم افزار های صفحه گسترده ، پردازش متن و تصویر و اجرای بازی را برای شما انجام دهد.
اما رسپبری پای قابلیت منحصر به فرد دیگری نیز دارد. رزبری پای می تواند به سادگی به دستگاه های الکترونیکی دیگر متصل شود و با آنها در تعامل باشد و به تبادل اطلاعات با آنها بپردازد. طراحان سیستم های دیجیتال از رسپبری پای برای طراحی دستگاه های مختلفی از پروژه های کوچک گرفته تا پروژه های بزرگ استفاده می کنند.
تیم رسپبری پای امیدوارند کودکان و نوجوانان با استفاده از رسپبری پای ، نحوه ی برنامه نویسی را بیاموزند و روش عملکرد کامپیوتر ها را درک کنند.
رسپبری پای توسط بنیاد خیریه رسپبری پای ( Raspberry Pi Foundation ) در کشور انگلستان و با هدف توسعه دانش کامپیوتر در میان دانش آموزان ساخته شده است اما کاربرد رسپبری پای تنها به موارد آموزشی محدود نمی شود و تا کنون پروژه های تجاری بسیاری با این دستگاه کار آمد به انجام رسیده است.
@Pythonforeveryone

🙏با معرفی کانال به دیگران ما را همراهی کنید 🙏👇👇👇
@Pythonforeveryone
لینک گروه👇👇
https://t.iss.one/joinchat/B77HHA83pT8Xx8okYCuBYw

#بخش_هشتم :دیکشنری و مجموعه در پایتون
آموزش جامع پایتون به زبان انگلیسی(زیر نویس انگلیسی)
@Pythonforeveryone

(زیر نویس فارسی)در گروه قرار گرفت
لینک گروه👇👇
https://t.iss.one/joinchat/B77HHA83pT8Xx8okYCuBYw
GroupPython

#بخش_پایانی
5- Pyramid
فریم ورک Python ما با Pyramid بسته می شود که به عنوان بخشی از پروژه Pylons ایجاد شده است. Pyramid به عنوان یکی از انعطاف پذیر ترین فریم ورک توسعه وب در پایتون (به ویژه در مقایسه با جنگو) شناخته می شود. این چارچوب اجازه می دهد تا توسعه دهنده هر چیزی را انتخاب کند - DBMSها، ساختار URL، قالب سبک و خیلی چیزهای دیگر. همانطور که توسط سازندگان نقل قول شده است:
"مگا فریم ورک ها برای شما تصمیم می گیرد. اما اگر دیدگاه خود را نادیده نگیرید، در نهایت تصمیمات خود را می گیرید. میکرو فریم ورک ها هیچ تصمیمی اتخاذ نمی کند و باعث می شود شروع به کار کند. اما همانطور که برنامه شما رشد می کند، شما خودتان هستید. در هر دو مورد، تمرکز بر روی شروع است: بیش از حد یا خیلی کم. در هر صورت، پایان دادن و ماندن به پایان رسیده است سخت است. شما نیاز به یک فریم ورک که متمرکز به پایان برسد با یک طراحی معماری که شروع به کار می کند، و سپس به عنوان یک برنامه شما رشد می کند. Pyramid برای این فقط ساخته شد. این یک راه حل Goldilocks است: نه خیلی کوچک، نه خیلی بزرگ، درست است. "
بنابراین، ممکن است برنامه های کاربردی RDBMS مسیریابی سنتی با استفاده از SQLAlchemy بدون تلاش زیادی ایجاد شود. Pyramid مانند فلاسک پشتیبانی از بسیاری از زبان های قالب و موتورها از جمله Jinja2 و Mako، اما همچنین دارای یک راه حل داخلی است. علاوه بر این، این چارچوب سازگار با Chameleon است - پیاده سازی راحت و جهانی قالب ZPT .
از جمله ویژگی های شناخته شده جهانی pyramid توانایی ایجاد یک پروژه تمام عیار در یک فایل است. قالب های قابل اصلاح دارایی قابل تنظیم؛ ابزار انعطاف پذیر برای ایجاد اسناد احراز هویت / مجوز؛ یک ابزار بوت پیشرفته اولیه - pcreate؛ مشاهده پیش فرض ها؛ پشتیبانی از تنظیمات ضروری و اعلام شده ذخیره سازی HTTP؛ پشتیبانی داخلی برای ذخیره سازی session و غیره. به طور کلی، این چارچوب یکی از محبوب ترین برنامه های بزرگ در حال حاضر است (به عنوان مثال، برای Dropbox). از سوی دیگر، این انعطاف پذیری یک مانع بزرگ برای مبتدیان است و می تواند به راحتی آنها را از مسیر درست جلوگیری کند.
کدام فریم ورک وب پایتون را انتخاب کنید: چگونه در انتخاب اشتباه نکنید
بیایید خلاصه کنیم همانطور که می بینید، انتخاب نهایی یکی از بسیاری از فریم ورک های وب پایتون امروز، بسته به نیازهای فردی شما و ویژگی های پروژه ای که در حال کار بر روی آنها هستید، باید رخ دهد. ما، برای یکی، تحت تاثیر تقریبا یکسان از هر یک از محیط های توسعه فوق ذکر شده است، بنابراین ما قطعا می توانیم بر روی انتخاب هر یک از آنها بر روی دیگران اصرار نداشته باشیم.(https://trypyramid.com)
@Pythonforeveryone

آشنایی با علم داده

آشنایی با علم داده
علم داده (Data Science)، دانشی میان‌رشته‌ای پیرامون استخراج دانش و آگاهی از مجموعه‌ای داده و اطلاعات است. علم داده از ترکیب مباحث مختلفی به وجود آمده و بر مبانی و روش‌های موجود در حوزه‌های مختلف علمی بنا شده‌است. تعدادی از این حوزه‌ها عبارتند از: ریاضیات، آمار، مهندسی داده، بازشناخت الگو و… هدف این علم، استخراج مفهوم از داده و تولید محصولات داده‌محور است.
به شاغلین در حوزهٔ علم داده، متخصص علم داده(Data Science) می‌گویند. این اصطلاح توسط دی جی پاتیل و جف همربارکر ابداع شده‌است در صورتی که سال‌ها قبل از آن که آن‌ها استفاده از اصطلاح فوق را به‌طور عمومی مطرح کنند، از آن استفاده شده‌است. چن فو جف وو در سال ۱۹۹۸ برای اولین بار در یک سخنرانی از واژهٔ متخصص علم داده استفاده کرد. متخصصین علم داده با عمیق شدن در چندین رشته علمی، مسائل پیچیده مطرح شده در حوزۀ داده را حل می‌کنند. به‌طور کلی انتظار می‌رود که متخصصین علم داده قادر باشند در بخش‌هایی از علوم ریاضیات و آمار و علوم کامپیوتر کار کنند.یک متخصص علم داده می‌بایست در یک یا دو رشته تخصص داشته باشد و در دیگر حوزه‌ها دارای مهارت کافی باشد. نتایج نظرسنجی‌ها حاکی از این موضوع است که برای متخصص علم داده شدن ۵ تا ۸ سال زمان لازم است
متخصصین علم داده می‌توانند مهارت‌هایشان را برای دست یابی به طیف وسیعی از نتایج نهایی به کار گیرند. تعدادی از این مهارتها به شرح زیرند:
توانایی استخراج و تفسیر منابع داده
مدیریت حجم زیاد اطلاعات با سخت‌افزار
محدودیت‌های نرم‌افزاری و پهنای باند
ادغام منابع داده با یک دیگر
تضمین پایداری مجموعه‌های داده
@Pythonforeveryone

به نظر می رسد که پایتون در حال محبوب شدن است.
@Pythonforeveryone

#بخش_نهم:ورودی و خروجی (I_O) در پایتون
آموزش جامع پایتون به زبان انگلیسی(زیر نویس انگلیسی)
@Pythonforeveryone

(زیر نویس فارسی)در گروه قرار گرفت
لینک گروه👇👇
https://t.iss.one/joinchat/B77HHA83pT8Xx8okYCuBYw
GroupPython

10 زبان برتر برای هکرها در سال 2017
@Pythonforeveryone

#بخش_دهم:ورودی و خروجی (I_O) در پایتون(بخش دوم)
آموزش جامع پایتون به زبان انگلیسی(زیر نویس انگلیسی)
@Pythonforeveryone

(زیر نویس فارسی)در گروه قرار گرفت
لینک گروه👇👇
https://t.iss.one/joinchat/B77HHA83pT8Xx8okYCuBYw
GroupPython

🙏با معرفی کانال به دیگران ما را همراهی کنید 🙏👇👇👇
@Pythonforeveryone
لینک گروه👇👇
https://t.iss.one/joinchat/B77HHA83pT8Xx8okYCuBYw

رمزنگاری

رمزنگاری دانشی است که به بررسی و شناختِ اصول و روش‌های انتقال یا ذخیرهٔ اطلاعات به صورت امن (حتی اگر مسیر انتقال اطلاعات و کانال‌های ارتباطی یا محل ذخیره اطلاعات ناامن باشند) می‌پردازد.
رمزنگاری استفاده از تکنیک‌های ریاضی، برای برقراری امنیت اطلاعات است. دراصل رمزنگاری دانش تغییر دادن متن پیام یا اطلاعات به کمک کلید رمز و با استفاده از یک الگوریتم رمز است، به صورتی که تنها شخصی که از کلید و الگوریتم مطلع است قادر به استخراج اطلاعات اصلی از اطلاعات رمز شده باشد و شخصی که از یکی یا هر دوی آن‌ها اطلاع ندارد، نتواند به اطلاعات دسترسی پیدا کند. دانش رمزنگاری بر پایه مقدمات بسیاری از قبیل تئوری اطلاعات، نظریه اعداد و آمار بنا شده‌است و امروزه به‌طور خاص در علم مخابرات مورد بررسی و استفاده قرار می‌گیرد. معادل رمزنگاری در زبان انگلیسی کلمه Cryptography است، که برگرفته از لغات یونانی kryptos به مفهوم «محرمانه» و graphien به معنای «نوشتن» است.
@Pythonforeveryone

#پردازش_تصویر
پردازش تصاویر امروزه بیشتر به موضوع پردازش تصویر دیجیتال گفته می‌شود که شاخه‌ای از دانش رایانه است که با پردازش سیگنال دیجیتال که نماینده تصاویر برداشته شده با دوربین دیجیتال یا پویش شده توسط پویشگر هستند سر و کار دارد.
پردازش تصاویر دارای دو شاخه عمدۀ بهبود تصاویر و بینایی ماشین است. بهبود تصاویر دربرگیرندۀ روش هایی چون استفاده از فیلتر محوکننده و افزایش تضاد برای بهتر کردن کیفیت دیداری تصاویر و اطمینان از نمایش درست آن‌ها در محیط مقصد (مانند چاپگر یا نمایشگر رایانه)است، در حالی که بینایی ماشین به روش هایی می‌پردازد که به کمک آن‌ها می‌توان معنی و محتوای تصاویر را درک کرد تا از آن‌ها در کارهایی چون رباتیک و محور تصاویر استفاده شود.
در معنای خاص آن پردازش تصویر عبارتست از هر نوع پردازش سیگنال که ورودی یک تصویر است مثل عکس یا صحنه‌ای از یک فیلم. خروجی پردازشگر تصویر می‌تواند یک تصویر یا یک مجموعه از نشانهای ویژه یا متغیرهای مربوط به تصویر باشد. اغلب تکنیک‌های پردازش تصویر شامل برخورد با تصویر به عنوان یک سیگنال دو بعدی و به‌کار گرفتن تکنیک‌های استاندارد پردازش سیگنال روی آن‌ها می‌شود. پردازش تصویر اغلب به پردازش دیجیتالی تصویر اشاره می‌کند ولی پردازش نوری و آنالوگ تصویر هم وجود دارند. این مقاله در مورد تکنیک‌های کلی است که برای همه آن‌ها به کار می‌رود.
پردازش تصاویر امروزه بیشتر به موضوع پردازش تصویر دیجیتال گفته می‌شود که شاخه‌ای از دانش رایانه است که با پردازش سیگنال دیجیتال که نماینده تصاویر برداشته شده با دوربین دیجیتال یا پویش شده توسط پویشگر هستند سر و کار دارد.
پردازش تصاویر دارای دو شاخه عمدۀ بهبود تصاویر و بینایی ماشین است. بهبود تصاویر دربرگیرندۀ روش هایی چون استفاده از فیلتر محوکننده و افزایش تضاد برای بهتر کردن کیفیت دیداری تصاویر و اطمینان از نمایش درست آن‌ها در محیط مقصد (مانند چاپگر یا نمایشگر رایانه)است، در حالی که بینایی ماشین به روش هایی می‌پردازد که به کمک آن‌ها می‌توان معنی و محتوای تصاویر را درک کرد تا از آن‌ها در کارهایی چون رباتیک و محور تصاویر استفاده شود.
در معنای خاص آن پردازش تصویر عبارتست از هر نوع پردازش سیگنال که ورودی یک تصویر است مثل عکس یا صحنه‌ای از یک فیلم. خروجی پردازشگر تصویر می‌تواند یک تصویر یا یک مجموعه از نشانهای ویژه یا متغیرهای مربوط به تصویر باشد. اغلب تکنیک‌های پردازش تصویر شامل برخورد با تصویر به عنوان یک سیگنال دو بعدی و به‌کار گرفتن تکنیک‌های استاندارد پردازش سیگنال روی آن‌ها می‌شود. پردازش تصویر اغلب به پردازش دیجیتالی تصویر اشاره می‌کند ولی پردازش نوری و آنالوگ تصویر هم وجود دارند. این مقاله در مورد تکنیک‌های کلی است که برای همه آن‌ها به کار می‌رود.
@Pythonforeveryone

#بخش_دوم
در این سیستم ها ۴ فرایند عمده اتفاق می افتد: پیش پردازش، ارتقاء کیفیت تصویر، تبدیل تصاویر و طبقه بندی و آنالیز تصاویر. در این روش ها با استفاده از علم ریاضیات قواعدی برای شبیه سازی المان های بینائی انسان توسط کامپیوتر ایجاد شده است و یک جنبه آنالیز تصاویر است که برای منظورهای خاصی کاربرد دارد. دید کامپیوتری (Computer Vision) آنالیز تصویر علمی است که در شاخه های مختلف علم مانند پزشکی، مهندسی، تصویر برداری مولکولی، فضانوردی، امنیتی و …. کاربرد دارد.تکنولوژی مدرن دیجیتال این امکان را فراهم آورده که سیگنال های چند بعدی را توسط سیستم هائی از مدارات دیجیتال ساده گرفته تا چندین کامپیوتر موازی دستکاری کرد.
هدف از این دستکاری ها یکی از موارد زیر است:
-پردازش تصویر: ورودی تصویر / خروجی تصویر
– آنالیز تصویر: ورودی تصویر / خروجی شامل تعدادی از اندازه گیری ها
– درک تصویر: ورودی تصویر / خروجی شامل توصیف ادراکی تصویر
@Pythonforeveryone