Python3
200 subscribers
99 photos
6 videos
26 files
517 links
🎓 آموزش و پروژه‌های Python
آموزش‌های کاربردی و پروژه‌های عملی Python برای همه سطوح. 🚀
Download Telegram
آموزش ساخت سایت فروشگاهی با جنگو Django | پارت 2 | کار با مدل ها و دیتابیس❤️❤️

آپارات:
https://aparat.com/v/spzu151

یوتیوب:
https://youtu.be/J8dQyS5JaMg
آموزش جامع پایتون رو بزاریم ؟؟(نکاتی که هیچ دوره ای نمیگه)
Anonymous Poll
80%
آره کامل یاد بده❤️
20%
نه یاد دارم😂
پایتون جامع صفر تا صد | پارت 1 | نصب پایتون و اجرای آن در VSCode, PyCharm, IDLE 😄❤️

آپارات:
https://aparat.com/v/mwi22kx

یوتیوب:
https://youtu.be/R0bKFukgfRM
پایتون جامع صفر تا صد | پارت 2 | کار با رشته ها و Strings در پایتون و متد های آن✌️

آپارات:
https://aparat.com/v/amdn34y

یوتیوب:
https://youtu.be/NuxL0zmE_tg
پایتون جامع صفر تا صد | پارت 3 | کار با اعداد و متد هایش❤️

آپارات:
https://aparat.com/v/nulyvyd

یوتیوب:
https://youtu.be/KGRx50GLojY
پایتون جامع صفر تا صد | پارت 4 | کار با لیست و تاپل و ست| List Tuple Set✌️

آپارات:
https://aparat.com/v/wdj5lkv

یوتیوب:
https://youtu.be/vp8siycSkX8
↩️ راهنمای نصب وردپرس روی لوکال هاست با XAMPP


1. نصب XAMPP
   – دانلود از [Apache Friends](https://www.apachefriends.org/index.html) و نصب.

2. دانلود وردپرس
   – دریافت آخرین نسخه از [WordPress.org](https://wordpress.org/download/) و استخراج فایل.

3. انتقال فایل‌ها
   – کپی پوشه وردپرس به مسیر C:\xampp\htdocs.

4. ایجاد پایگاه داده
   – مراجعه به https://localhost/phpmyadmin و ایجاد پایگاه داده جدید (مثلاً wordpress_db).

5. تنظیم wp-config.php
   – تغییر نام wp-config-sample.php به wp-config.php و ویرایش اطلاعات پایگاه داده:
  
   define('DB_NAME', 'wordpress_db');
   define('DB_USER', 'root');
   define('DB_PASSWORD', '');
  
6. نصب وردپرس
   – مراجعه به https://localhost/wordpress و دنبال کردن مراحل نصب.

7. ورود به داشبورد
   – ورود به https://localhost/wordpress/wp-admin با نام کاربری و رمز عبور انتخابی.


توجه: اطمینان حاصل کنید که Apache و MySQL در XAMPP در حال اجرا هستند.
آموزش ساخت ربات در اپلیکیشن بله رو بزارم؟؟🌸
Anonymous Poll
50%
آرههههههه❤️😄
50%
نه😢
ساخت ربات تلگرام با پایتون بزاریم؟؟❤️
Anonymous Poll
81%
آره🌸
19%
نه😢
سلام دوستان بنده امیر طاها رمضان زاده هستم.
از ۱۱ سالگی شروع به برنامه نویسی کردم.
اگر خواستید میتونم با قیمت مناسب براتون در زمینه های زیر برنامه نویسم:
📌 طراحی سایت - WebSite
📌 هوش مصنوعی - Ai
📌 جنگو - Django
📌فلسک - Flask
📌ربات بله - bale bot
📌ربات تلگرام - telegram bot
📌بلیزور - Blazor
📌ای اس پی دات نت - Asp .Net
📌 پایگاه داده SQL - SQL & SQL server
📌 اسکیولایت - SQLite
و همچنین زبان های برنامه نویسی:
📌 پایتون Python
📌 سی شارپ C#
جاوااسکریپت JavaScript
زبان نشانه گذاری HTML
استایل دهی با CSS
بوت استرپ Bootstrap
و....
🔥اگر تمایل دارید که هر کدوم از خدمات بالا رو براتون انجام بدم میتونید به آیدی زیر در تلگرام پیام بدید:🔥
@Amir_123_ka
@Amir_123_kaka

اگر رزومه من رو خواستید میتونید در اینستاگرام به آیدی amir_1234_ka مراجعه کنید.

تمامی خدمات با قیمت کاملا مناسب انجام میشود تا شما دوست عزیز از ما راضی باشی😅❤️🙏
جنگو نصب و راه‌اندازی:

pip install django
django-admin startproject myproject
cd myproject
python manage.py startapp myapp

ساخت ویو در myapp/views.py:
from django.http import HttpResponse

def home_view(request):
return HttpResponse("سلام! این صفحه اولیه من است")

تنظیمات myproject/urls.py:
from django.contrib import admin
from django.urls import path, include

urlpatterns = [
path('admin/', admin.site.urls),
path('', include('myapp.urls')),
]

ساخت `myapp/urls.py:
from django.urls import path
from . import views

urlpatterns = [
path('', views.home_view, name='home'),
]

اجرا سرور:

bash
python manage.py migrate
python manage.py runserver
این کدها یک پروژه پایه جنگو با یک اپ و صفحه اصلی ایجاد می‌کنند.

@Amir_123_ka
تبدیل فایل Py به EXE

بعضی اوقات لازم هست که فایل پایتونی‌مون رو تبدیل به یک فایل EXE کنیم تا راحت بتونیم اجراش کنیم. برای این کار ابزارهای زیادی هست، ولی یکی از راحت‌ترین و بی‌دردسرترین روش‌ها استفاده از cx_Freeze هست. حالا بریم ببینیم چطوری میشه ازش استفاده کرد.

خب طبیعی هست که اول باید ابزار رو نصب کنیم. توی ترمینال این دستور رو می‌زنیم:
pip install cx_Freeze
بعد از نصب، باید یه فایل بسازیم به اسم setup.py که قراره تنظیمات تبدیل پروژه رو توش بنویسیم. اگه برنامه‌مون ساده‌ست این کد کفایت می‌کنه:
from cx_Freeze import setup, Executable

setup(
    name="اسم برنامه",
    version="ورژن برنامه",
    description="یک توضیح درباره برنامه",
    executables=[Executable("main.py")]
)
ولی اگه برنامه‌مون از کتابخونه‌های گرافیکی استفاده می‌کنه، اون وقت فایل setup.py باید یک ذره فرق داشته باشه:
from cx_Freeze import setup, Executable
import sys

base = None
if sys.platform == "win32":
    base = "Win32GUI"

setup(
    name="اسم برنامه",
    version="ورژن",
    description="توضیحات",
    executables=[Executable("main.py", base=base)]
)
نکته مهم: فایلی که می‌خواهید تبدیلش کنید باید اسمش main.py باشه. البته می‌تونید اسم دیگه هم بدید، ولی اون موقع باید توی قسمت Executable اسم دقیق فایل رو بنویسید.
حالا ترمینال رو باز کنید، وارد مسیر اون فایل شید و این دستور رو بزنید:
python setup.py build
یه پوشه به اسم build ساخته می‌شه که داخل‌ش نسخه‌ی EXE برنامه‌ هست😉


یک روش ساده‌تر هم هست که دیگه نیاز به فایل setup نداره.
که دستورش این هست:
cxfreeze --script hello.py --target-dir dist
اینجوری مستقیم فایل EXE ساخته می‌شه و نیاز به فایل setup.py نیست.
البته توی صفحه رسمی‌ش سوییچ‌های دیگه هم گذاشته شده که می‌تونید ازشون استفاده کنید:
https://cx-freeze.readthedocs.io/en/stable/script.html

🔖 #Python, #پایتون

👤 @Amir_123_ka

💎 Channel:
https://t.iss.one/programming_languages390
آموزش سوییت الرت در جاوا اسکریپت | Sweet Alert JavaScript | نکته مهم در جی اس ❤️😄:
https://aparat.com/v/fwuddkj

لایک و فالو فراموش نشه💸
🚀 هوش مصنوعی یک قدم جلوتر!

دوست داری بدونی چطور میشه یک مدل هوش مصنوعی فوق‌العاده سبک و سریع روی لپ‌تاپ معمولی اجرا کرد؟ 😲
مایکروسافت با پروژه BitNet یک مدل ۱ بیتی ساخته که برخلاف مدل‌های بزرگ و سنگین مثل GPT، نیاز به منابع خیلی کم داره و متن‌باز هم هست!

در این سری پست‌ها با هم می‌بینیم:
1️⃣ چرا این مدل با بقیه فرق داره
2️⃣ خود BitNet چیه و چطور کار می‌کنه
3️⃣ چطور می‌تونی اون رو روی ویندوز و لینوکس اجرا کنی

پس آماده باش، دنیای جذاب هوش مصنوعی یک قدم به تو نزدیک شد! 🌟
پارت ۱: مقدمه – هوش مصنوعی و مدل‌ها

سلام دوستان 🌟
قبل از اینکه سراغ پروژه‌ی BitNet بریم، بیایید اول یک دیدگاه درست از هوش مصنوعی و مدل‌های یادگیری ماشین داشته باشیم.

💡 هوش مصنوعی چیست؟
هوش مصنوعی یا AI یعنی توانایی یک سیستم برای انجام کارهایی که معمولاً نیاز به هوش انسانی دارند؛ مثل تشخیص تصویر، تولید متن، پیش‌بینی روند بازار و …

دو نوع اصلی هوش مصنوعی داریم:

1. هوش مصنوعی محدود (Narrow AI): سیستم‌هایی که فقط می‌توانند یک کار مشخص را انجام دهند. مثل دستیارهای صوتی، برنامه‌های شناسایی تصویر و ترجمه ماشینی.


2. هوش مصنوعی عمومی (General AI): سیستم‌هایی که می‌توانند طیف گسترده‌ای از وظایف انسانی را انجام دهند. هنوز در عمل وجود ندارد، اما پژوهش‌ها به سمت آن حرکت می‌کنند.



💻 مدل‌های هوش مصنوعی چیست؟
مدل‌ها، قلب هوش مصنوعی هستند. یک مدل در واقع یک برنامه‌ی ریاضی است که از داده‌ها یاد می‌گیرد. بر اساس نوع داده و هدف، مدل‌ها متفاوتند:

شبکه‌های عصبی ساده: برای مسائل پیش‌بینی و طبقه‌بندی معمولی.

شبکه‌های عصبی کانولوشنی (CNN): برای تصاویر و ویدیوها عالی هستند.

شبکه‌های عصبی بازگشتی (RNN/LSTM): برای داده‌های ترتیبی مثل متن و صدا استفاده می‌شوند.

مدل‌های بزرگ زبانی (LLM): مثل GPT و Bard که می‌توانند متن تولید کنند و مکالمه کنند.


چالش‌های مدل‌های بزرگ:

حجم بالای محاسبات و نیاز به GPUهای قدرتمند

مصرف زیاد حافظه و انرژی

زمان طولانی برای آموزش و به‌روزرسانی


🧩 پس جایگاه BitNet کجاست؟
اینجا جالب می‌شود: BitNet یک مدل ۱ بیتی هوش مصنوعی متن‌باز است که مایکروسافت ساخته. یعنی به جای استفاده از اعداد ۳۲ بیتی یا ۱۶ بیتی، کل وزن‌ها و محاسباتش با یک بیت انجام می‌شود!
این کار باعث می‌شود:

مصرف حافظه فوق‌العاده پایین باشد

سرعت اجرای مدل بسیار بالاتر رود

هر کسی حتی با لپ‌تاپ معمولی بتواند مدل را اجرا کند


در پارت بعدی می‌ریم سراغ معرفی خود BitNet و ویژگی‌هایی که آن را با سایر مدل‌ها متمایز می‌کند.
پارت ۲: معرفی BitNet 🌐


حالا که با هوش مصنوعی و مدل‌ها آشنا شدیم، بیایید سراغ BitNet برویم و ببینیم چرا این مدل متمایز است.

💡 BitNet چیست؟

یک مدل هوش مصنوعی ۱ بیتی متن‌باز که توسط مایکروسافت ساخته شده.

به جای استفاده از اعداد ۳۲ بیتی یا ۱۶ بیتی برای وزن‌ها و محاسبات، همه چیز با ۱ بیت ذخیره و محاسبه می‌شود!

هدف: کاهش مصرف حافظه و افزایش سرعت اجرا بدون کاهش کیفیت مدل.


ویژگی‌های کلیدی BitNet:

سبک و سریع: حتی روی لپ‌تاپ یا رایانه معمولی می‌توان آن را اجرا کرد.

متن‌باز: می‌توان کدها را تغییر داد و شخصی‌سازی کرد.

بهینه برای GPU و CPU: نیاز به منابع خیلی زیاد ندارد و می‌تواند روی سیستم‌های معمولی نیز کار کند.

کیفیت بالا: با وجود ۱ بیت، دقت آن در بسیاری از کاربردها نزدیک به مدل‌های بزرگ استاندارد است.


⚡️ مقایسه عملی:

فرض کنید بخواهید یک مدل بزرگ ۳۲ بیتی را روی لپ‌تاپ معمولی اجرا کنید. نتیجه؟ یا اصلاً اجرا نمی‌شود، یا باید ساعت‌ها و حتی روزها صبر کنید و برق زیادی مصرف می‌شود.

حالا BitNet را تصور کنید: همان کارها را در کسری از حافظه و زمان، با مصرف انرژی خیلی پایین‌تر انجام می‌دهد.

مثال دیگر: مدل GPT معمولی ممکن است چند صد گیگابایت حافظه لازم داشته باشد و فقط روی سرورهای قدرتمند اجرا شود، اما BitNet حتی روی یک لپ‌تاپ معمولی با چند صد مگابایت حافظه هم قابل اجراست!


🤔 چرا ۱ بیت؟
با کاهش دقت از ۳۲ یا 16 بیت به ۱ بیت، حجم ذخیره‌سازی و پردازش بسیار کاهش پیدا می‌کند، ولی مایکروسافت با الگوریتم‌های خاص خود توانسته کیفیت مدل را تقریباً حفظ کند.