📢 اخبار داغ Python امروز 🐍✨

1. پایان عمر Python 3.7: پس از پنج سال، پشتیبانی از Python 3.7 به پایان رسید. این نسخه دیگر به‌روزرسانی‌های امنیتی دریافت نمی‌کند، بنابراین بهتر است به نسخه‌های جدیدتر مهاجرت کنید تا از امکانات و امنیت بیشتری برخوردار شوید. 🔚🔒

2. انتشار Pydantic 2: نسخه جدید کتابخانه‌ی محبوب Pydantic منتشر شد. این نسخه با بهبودهای عمده‌ای در عملکرد، تا پنجاه برابر سریع‌تر از نسخه‌های قبلی است و ویژگی‌های جدیدی همچون حالت سختگیرانه و جدول تبدیل رسمی داده‌ها را دارد. 🚀📈

3. معرفی توسعه‌دهنده امنیتی جدید در PSF: بنیاد نرم‌افزار Python (PSF) یک توسعه‌دهنده امنیتی به نام Seth Michael Larson را به‌عنوان اولین توسعه‌دهنده امنیتی مقیم خود معرفی کرده است. او مسئول انجام ممیزی‌های امنیتی و بهبود امنیت در اکوسیستم Python است. 🛡️🔐

4. پروژه Faster CPython: پروژه‌ی Faster CPython برای بهبود سرعت Python 3.11 به نتایج هیجان‌انگیزی رسیده است. این نسخه بین 10 تا 60 درصد سریع‌تر از Python 3.10 عمل می‌کند. 💨🔥

5. ویژگی‌های جدید در PEPs: برخی PEP‌های جدید معرفی شده‌اند که شامل پشتیبانی از گروه‌بندی اتمی و کوانتورهای مالکیت در عبارات منظم، و اضافه کردن Task Groups به Asyncio می‌شوند. 📜🔧

6. رویدادهای آتی Python: رویدادهای مهمی مثل PyCon US و EuroPython در ماه‌های آتی برگزار خواهند شد. این رویدادها فرصت‌های عالی برای یادگیری، شبکه‌سازی و به‌روزرسانی در مورد آخرین تحولات Python فراهم می‌کنند. 📅🌍

🔗 این کانال منه

#Python #Pydantic #PSF #PyCon #PythonSecurity #FasterCPython #PEPs #PythonEvents

📢 جدیدترین کتابخانه‌های پایتون امروز 📚✨

1. FastAPI 🚀:
- یک فریمورک مدرن و سریع برای ساخت APIها با استفاده از پایتون، که روی عملکرد بالا و کدنویسی آسان تمرکز دارد. این کتابخانه به تازگی بروزرسانی‌هایی برای بهبود امنیت و عملکرد دریافت کرده است.

2. Pydantic 💼:
- نسخه جدید Pydantic منتشر شده است که بهبودهای عمده‌ای در عملکرد دارد و اکنون تا پنجاه برابر سریع‌تر از نسخه‌های قبلی است. این کتابخانه برای اعتبارسنجی داده‌ها و تنظیمات استفاده می‌شود.

3. Polars 🐼:
- یک کتابخانه جدید برای پردازش داده‌ها که عملکرد بسیار بالاتری نسبت به Pandas دارد. این کتابخانه با استفاده از Rust نوشته شده و برای کار با مجموعه داده‌های بزرگ بسیار مناسب است.

4. Transformers 🤖:
- یک کتابخانه پیشرفته برای پردازش زبان طبیعی (NLP) که توسط Hugging Face توسعه داده شده است. نسخه جدید این کتابخانه بهبودهایی در مدل‌های بزرگ زبان (LLMs) دارد و از معماری‌های جدید پشتیبانی می‌کند.

5. HTTPX 🌐:
- یک کتابخانه برای ارسال درخواست‌های HTTP/1.1 و HTTP/2 با قابلیت پشتیبانی از async و sync. این کتابخانه به تازگی بروزرسانی‌هایی برای بهبود سازگاری و کارایی دریافت کرده است.

6. Poetry 🎶:
- یک ابزار مدیریت بسته‌های پایتون و محیط‌های مجازی که به تازگی ویژگی‌های جدیدی برای مدیریت وابستگی‌ها و بهبود تجربه کاربری اضافه کرده است.

✨ با ما همراه باشید برای تازه‌ترین اخبار و کتابخانه‌های دنیای پایتون!
🔗این کانال منه

#پایتون #کتابخانه_پایتون #FastAPI #Pydantic #Polars #Transformers #HTTPX #Poetry

📢 آموزش ساخت چت‌بات AI با استفاده از OpenAI 🤖✨

در این آموزش، نحوه ساخت یک چت‌بات هوش مصنوعی که به OpenAI متصل می‌شود را یاد می‌گیریم. این چت‌بات می‌تواند به سوالات کاربران پاسخ دهد. برای این کار از زبان برنامه‌نویسی Python و کتابخانه‌های مربوطه استفاده می‌کنیم. 🐍

مراحل ساخت چت‌بات

1. ایجاد حساب در OpenAI 🌐
ابتدا به سایت OpenAI بروید و یک حساب کاربری ایجاد کنید. پس از ایجاد حساب، کلید API خود را دریافت کنید. این کلید برای اتصال به سرویس‌های OpenAI ضروری است.

2. نصب کتابخانه‌های مورد نیاز 📦
کتابخانه‌های openai و requests را نصب کنید. برای این کار از دستور زیر در ترمینال یا Command Prompt استفاده کنید:

pip install openai requests

3. ایجاد فایل پایتون 📝
یک فایل پایتون جدید (مثلاً chatbot.py) ایجاد کنید و کد زیر را در آن قرار دهید:

وارد کردن کتابخانه‌ها

import openai

توضیح: ابتدا کتابخانه openai وارد می‌شود که برای ارتباط با API OpenAI ضروری است.

تنظیم کلید API

# کلید API خود را اینجا قرار دهید
openai.api_key = 'YOUR_API_KEY'

توضیح: کلید API دریافت‌شده از سایت OpenAI در اینجا قرار می‌گیرد.

تعریف تابع ask_openai

def ask_openai(question):
    response = openai.Completion.create(
        engine="text-davinci-003",  # انتخاب مدل
        prompt=question,  # سوالی که کاربر می‌پرسد
        max_tokens=150  # حداکثر تعداد کلمات در پاسخ
    )
    return response.choices[0].text.strip()  # پاسخ را برمی‌گرداند

توضیح: این تابع سوال کاربر را به مدل OpenAI ارسال می‌کند و پاسخ را برمی‌گرداند.
- پارامترها:
- engine="text-davinci-003": مدل مورد استفاده را مشخص می‌کند.
- prompt=question: سوال کاربر را به مدل ارسال می‌کند.
- max_tokens=150: حداکثر تعداد کلمات در پاسخ.
- پاسخ: اولین پاسخ مدل را برمی‌گرداند و فاصله‌های اضافی را حذف می‌کند.

حلقه اصلی برنامه

while True:
    user_input = input("شما: ")  # دریافت سوال از کاربر
    if user_input.lower() == 'exit':  # اگر کاربر 'exit' تایپ کند، برنامه متوقف می‌شود
        break
    response = ask_openai(user_input)  # ارسال سوال به OpenAI و دریافت پاسخ
    print(f"چت‌بات: {response}")  # نمایش پاسخ به کاربر

توضیح: در اینجا، برنامه به طور مداوم سوالات کاربر را دریافت می‌کند و پاسخ‌ها را نمایش می‌دهد.
- input("شما: "): سوال کاربر را دریافت می‌کند.
- شرط توقف: اگر کاربر exit را تایپ کند، برنامه متوقف می‌شود.
- نمایش پاسخ: پاسخ دریافت‌شده از OpenAI را نمایش می‌دهد.

4. اجرای برنامه 🚀
فایل chatbot.py را اجرا کنید و شروع به پرسیدن سوالات از چت‌بات کنید. با تایپ exit می‌توانید برنامه را متوقف کنید.

🔗اینم لینک کانال ما

#چت_بات #هوش_مصنوعی #OpenAI #برنامه_نویسی #پایتون

Meme

کارت پانچ توری (Punched Card) یک وسیله ذخیره‌سازی داده است که در اوایل قرن بیستم برای ورود و ذخیره داده‌ها در کامپیوترها استفاده می‌شد. این کارت‌ها از جنس کاغذ یا مقوا بودند و شامل یک سری سوراخ بودند که اطلاعات را به صورت دودویی (0 و 1) نمایش می‌دادند.

هر ستون از کارت پانچ یک کاراکتر (حرف، عدد یا نماد) را نمایان می‌کرد. با استفاده از دستگاه‌های مخصوص، این کارت‌ها می‌توانستند خوانده و اطلاعات آن‌ها به کامپیوتر منتقل شوند.

کارت‌های پانچ توری در اوایل دوران کامپیوترهای الکترونیکی، ابزار اصلی ورود داده‌ها و برنامه‌نویسی بودند و نقش مهمی در پیشرفت تکنولوژی
اطلاعات ایفا کردند.

🔗https://t.iss.one/hamidpython123

#تاریخچه_کامپیوتر #داده_پردازی #کارت_پانچ #تکنولوژی #رایانه

🌟📰 اخبار امروز پایتون 📰🌟

سلام دوستان! امروز با آخرین اخبار داغ دنیای پایتون در خدمت شما هستیم. 📢👇

🔷 انتشار نسخه جدید پایتون 3.12:
نسخه 3.12 پایتون با بهبودهای عملکردی و اضافه شدن قابلیت‌های جدید منتشر شد! 🌐 برخی از ویژگی‌های جدید شامل بهبود در مدیریت حافظه و بهینه‌سازی کامپایلر می‌باشد. 🎉

🔷 پیشرفت در پروژه‌های یادگیری ماشین:
پایتون همچنان در صدر زبان‌های برنامه‌نویسی برای پروژه‌های یادگیری ماشین قرار دارد. 🧠📈 ابزارهای جدیدی مانند TensorFlow 2.9 و PyTorch 1.12 به تازگی عرضه شده‌اند که امکانات بیشتری را برای توسعه‌دهندگان فراهم می‌کنند. 🔥

🔷 کنفرانس PyCon 2024:
ثبت‌نام برای کنفرانس PyCon 2024 آغاز شده است. 🌍🎟 این کنفرانس بزرگترین گردهمایی توسعه‌دهندگان پایتون از سراسر جهان است که در آن می‌توانید از کارگاه‌ها و سخنرانی‌های تخصصی بهره‌مند شوید. 🎤

🔷 پایتون در صنعت خودروسازی:
پایتون به عنوان یکی از ابزارهای مورد استفاده در صنعت خودروسازی رونق گرفته است. 🚗 بسیاری از شرکت‌های بزرگ خودروسازی از پایتون برای توسعه نرم‌افزارهای مربوط به خودروهای هوشمند و خودران استفاده می‌کنند. 🌐

📅 تاریخ‌های مهم:
- انتشار نسخه 3.12: دیروز
- ثبت‌نام PyCon 2024: امروز

همراهان عزیز، برای اطلاعات بیشتر و دریافت اخبار روزانه با ما همراه باشید! 📲

اینجا کلیک کن

#پایتون #اخبار #برنامه‌نویسی #توسعه‌دهنده #یادگیری #تلگرام

🟥یه بیلاخ زیرش بزن ☝️🥺

واقعا این بده

آموزش استفاده از دیتابیس در پایتون 📚🐍

استفاده از دیتابیس‌ها در پایتون یکی از مهارت‌های حیاتی برای برنامه‌نویسان است. در این آموزش، نحوه استفاده از دیتابیس SQLite در پایتون را به شما آموزش می‌دهیم.

1. نصب SQLite:
SQLite به صورت پیش‌فرض در پایتون موجود است و نیازی به نصب ندارد. اما برای مدیریت راحت‌تر دیتابیس‌ها، می‌توانید از ابزارهایی مانند DB Browser for SQLite استفاده کنید.

2. ایجاد و اتصال به دیتابیس:
ابتدا باید به یک دیتابیس متصل شویم. اگر دیتابیس وجود نداشته باشد، به صورت خودکار ایجاد می‌شود.

import sqlite3

# اتصال به دیتابیس
conn = sqlite3.connect('mydatabase.db')

# ایجاد یک کرسر
cursor = conn.cursor()

print("Connected to the database")

3. ایجاد جدول:
برای ذخیره داده‌ها، باید یک جدول ایجاد کنیم.

# ایجاد جدول
cursor.execute('''
CREATE TABLE IF NOT EXISTS users (
    id INTEGER PRIMARY KEY,
    name TEXT,
    age INTEGER
)
''')

print("Table created successfully")

4. اضافه کردن داده‌ها:
با استفاده از دستور INSERT می‌توانیم داده‌ها را به جدول اضافه کنیم.

# اضافه کردن داده‌ها
cursor.execute('''
INSERT INTO users (name, age) VALUES (?, ?)
''', ("John Doe", 28))

# ذخیره تغییرات
conn.commit()

print("Data inserted successfully")

5. خواندن داده‌ها:
برای خواندن داده‌ها از جدول، از دستور SELECT استفاده می‌کنیم.

# خواندن داده‌ها
cursor.execute('SELECT * FROM users')
rows = cursor.fetchall()

for row in rows:
    print(row)

6. به‌روزرسانی داده‌ها:
برای به‌روزرسانی داده‌ها از دستور UPDATE استفاده می‌کنیم.

# به‌روزرسانی داده‌ها
cursor.execute('''
UPDATE users
SET age = ?
WHERE name = ?
''', (30, "John Doe"))

# ذخیره تغییرات
conn.commit()

print("Data updated successfully")

7. حذف داده‌ها:
برای حذف داده‌ها از دستور DELETE استفاده می‌کنیم.

# حذف داده‌ها
cursor.execute('''
DELETE FROM users
WHERE name = ?
''', ("John Doe",))

# ذخیره تغییرات
conn.commit()

print("Data deleted successfully")

8. بستن اتصال:
در نهایت باید اتصال به دیتابیس را ببندیم.

# بستن اتصال
conn.close()

print("Connection closed")

با این آموزش ساده، شما می‌توانید به راحتی از SQLite در پایتون استفاده کنید و داده‌های خود را مدیریت کنید. امیدوارم که این آموزش برای شما مفید باشد. اگر سوالی دارید، در قسمت نظرات بپرسید! 😊

[این کانال منه]

#کانال_تلگرام #پایتون_آموزش #دیتابیس_پایتون

آموزش ساخت کد تست امنیت برنامه در پایتون 🎯

در این آموزش، نحوه نوشتن یک کد ساده برای تست امنیت برنامه‌تان را یاد می‌گیریم. این کد می‌تواند به شما کمک کند تا نقاط ضعف امنیتی را شناسایی و برطرف کنید.

گام اول: اعتبارسنجی ورودی

یکی از مهم‌ترین نکات امنیتی، اعتبارسنجی ورودی‌هاست. مطمئن شوید که کاربر تنها داده‌های معتبر را وارد می‌کند.

کد نمونه برای اعتبارسنجی ورودی:

def is_valid_input(user_input):
    return user_input.isalnum()

user_input = input("Enter your input: ")

if is_valid_input(user_input):
    print("Valid input!")
else:
    print("Invalid input. Only alphanumeric characters are allowed.")

گام دوم: جلوگیری از تزریق کد (SQL Injection)

تزریق کد یکی از رایج‌ترین حملات است که می‌تواند برنامه شما را آسیب‌پذیر کند. استفاده از پارامترهای آماده در کوئری‌های SQL به شما کمک می‌کند تا از این نوع حملات جلوگیری کنید.

کد نمونه برای جلوگیری از تزریق SQL:

فرض کنید یک پایگاه داده SQLite دارید و می‌خواهید از تزریق SQL جلوگیری کنید.

import sqlite3

# ایجاد اتصال به پایگاه داده
conn = sqlite3.connect('example.db')
cursor = conn.cursor()

# ایجاد جدول
cursor.execute('''CREATE TABLE IF NOT EXISTS users
                  (id INTEGER PRIMARY KEY, username TEXT, password TEXT)''')
conn.commit()

# تابع ورود کاربر با استفاده از پارامترهای آماده
def login(username, password):
    cursor.execute("SELECT * FROM users WHERE username=? AND password=?", (username, password))
    result = cursor.fetchone()
    if result:
        print("Login successful!")
    else:
        print("Invalid username or password.")

# دریافت ورودی‌های کاربر
username = input("Enter your username: ")
password = input("Enter your password: ")

# تلاش برای ورود
login(username, password)

# بستن اتصال به پایگاه داده
conn.close()

در نتیجه

با استفاده از این روش‌ها، می‌توانید برخی از مهم‌ترین نکات امنیتی را در برنامه‌های خود اعمال کنید. همیشه به یاد داشته باشید که امنیت یک فرایند پیوسته است و باید به طور مرتب به‌روزرسانی و بررسی شود.

با این روش می‌توانید امنیت برنامه‌های خود را بهبود ببخشید و از بسیاری از حملات جلوگیری کنید. 😊🚀

[اینم لینک کانال منه]

#امنیت #برنامه‌نویسی #پایتون #تست_نفوذ #آموزش_برنامه‌نویسی

درود دوستان! 👋
امروز می‌خوایم درباره دو تا از مهم‌ترین الگوریتم‌های برنامه‌نویسی صحبت کنیم: مرتب‌سازی سریع (Quick Sort) و الگوریتم‌های جست‌وجو (Search Algorithms). بریم که با این الگوریتم‌ها بیشتر آشنا بشیم! 🚀

📌 الگوریتم مرتب‌سازی سریع (Quick Sort)
الگوریتم Quick Sort یکی از کارآمدترین الگوریتم‌های مرتب‌سازی هست که از روش تقسیم و حل (Divide and Conquer) استفاده می‌کنه. این الگوریتم به صورت زیر کار می‌کنه:
1. انتخاب محور (Pivot): یک عنصر رو به عنوان محور انتخاب می‌کنیم.
2. تقسیم‌بندی: آرایه رو به دو بخش تقسیم می‌کنیم، طوری که عناصر کمتر از محور در یک بخش و عناصر بزرگتر در بخش دیگر قرار بگیرن.
3. بازگشت (Recursion): برای هر دو بخش به صورت بازگشتی همین کار رو انجام می‌دیم تا آرایه کاملاً مرتب بشه.

مزیت Quick Sort سرعت بالا و کارایی خوبش در اکثر موارده، هر چند که در بدترین حالت می‌تونه O(n^2) باشه. ولی با انتخاب مناسب محور، معمولاً کارایی اون به O(n log n) می‌رسه.

نمونه کد Quick Sort :

def quick_sort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr) // 2]
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]
    return quick_sort(left) + middle + quick_sort(right)

# استفاده
arr = [3, 6, 8, 10, 1, 2, 1]
print("Sorted array:", quick_sort(arr))

📌 الگوریتم‌های جست‌وجو (Search Algorithms)
الگوریتم‌های جست‌وجو برای پیدا کردن یک عنصر خاص در یک مجموعه داده استفاده می‌شن. دو تا از پرکاربردترین این الگوریتم‌ها عبارتند از:

1. جست‌وجوی خطی (Linear Search):
- ساده‌ترین روش جست‌وجو هست.
- به ترتیب هر عنصر مجموعه رو بررسی می‌کنه تا عنصر مورد نظر رو پیدا کنه.
- زمان اجرای این الگوریتم O(n) هست.

نمونه کد جست‌وجوی خطی :

def linear_search(arr, target):
    for i in range(len(arr)):
        if arr[i] == target:
            return i
    return -1

# استفاده
arr = [3, 6, 8, 10, 1, 2, 1]
target = 10
print("Element found at index:", linear_search(arr, target))

2. جست‌وجوی دودویی (Binary Search):
- این الگوریتم برای آرایه‌های مرتب‌شده مناسبه.
- به این صورت کار می‌کنه که عنصر وسط رو بررسی می‌کنه. اگر عنصر مورد نظر بزرگتر یا کوچکتر از عنصر وسط باشه، جست‌وجو رو در نیمه مناسب ادامه می‌ده.
- زمان اجرای این الگوریتم O(log n) هست که خیلی سریع‌تر از جست‌وجوی خطیه.

نمونه کد جست‌وجوی دودویی :

def binary_search(arr, target):
    left, right = 0, len(arr) - 1
    while left <= right:
        mid = (left + right) // 2
        if arr[mid] == target:
            return mid
        elif arr[mid] < target:
            left = mid + 1
        else:
            right = mid - 1
    return -1

# استفاده
arr = sorted([3, 6, 8, 10, 1, 2, 1])
target = 10
print("Element found at index:", binary_search(arr, target))

استفاده از این الگوریتم‌ها به شما کمک می‌کنه تا برنامه‌هاتون بهینه‌تر و سریع‌تر عمل کنن.

📢 به دوستانتون هم بگین بیاین اینجا تا با هم بیشتر یاد بگیریم! 🌟

[اینم کانال منه]

#برنامه_نویسی #آموزش #الگوریتم #مرتب_سازی #جستجو #یادگیری #QuickSort #SearchAlgorithms

درود دوستان! 👋
امروز می‌خوایم درباره یکی از مهم‌ترین الگوریتم‌های جست‌وجو صحبت کنیم: الگوریتم جست‌وجوی دودویی (Binary Search). این الگوریتم برای پیدا کردن سریع یک عنصر در یک آرایه مرتب‌شده استفاده می‌شه. بریم که با این الگوریتم بیشتر آشنا بشیم! 🚀

‌ 📌 الگوریتم جست‌وجوی دودویی (Binary Search)
الگوریتم جست‌وجوی دودویی یکی از سریع‌ترین الگوریتم‌های جست‌وجو هست که زمان اجرای اون O(log n) هست. این الگوریتم به صورت زیر کار می‌کنه:
1. بررسی عنصر وسط: ابتدا عنصر وسط آرایه رو پیدا می‌کنیم.
2. مقایسه: اگر عنصر وسط برابر با عنصر مورد نظر باشه، جست‌وجو تموم می‌شه.
3. تقسیم‌بندی: اگر عنصر مورد نظر کوچکتر از عنصر وسط باشه، جست‌وجو رو در نیمه چپ آرایه ادامه می‌دیم؛ اگر بزرگتر باشه، در نیمه راست آرایه ادامه می‌دیم.
4. تکرار: این مراحل رو تا زمانی که عنصر مورد نظر پیدا بشه یا محدوده جست‌وجو به صفر برسه، تکرار می‌کنیم.

نمونه کد جست‌وجوی دودویی به زبان پایتون:

def binary_search(arr, target):
    left, right = 0, len(arr) - 1
    while left <= right:
        mid = (left + right) // 2
        if arr[mid] == target:
            return mid
        elif arr[mid] < target:
            left = mid + 1
        else:
            right = mid - 1
    return -1

# استفاده
arr = sorted([3, 6, 8, 10, 1, 2, 1])  # آرایه مرتب‌شده
target = 10
print("Element found at index:", binary_search(arr, target))

در این مثال، ابتدا آرایه رو مرتب می‌کنیم و سپس از الگوریتم جست‌وجوی دودویی برای پیدا کردن عنصر مورد نظر استفاده می‌کنیم. اگر عنصر پیدا بشه، اندکس اون برگردونده می‌شه؛ در غیر این صورت، -1 برگردونده می‌شه.

استفاده از جست‌وجوی دودویی باعث می‌شه تا در آرایه‌های بزرگتر، زمان جست‌وجو به طور قابل توجهی کاهش پیدا کنه.

📢 به دوستانتون هم بگین بیاین اینجا تا با هم بیشتر یاد بگیریم! 🌟

[اینم کانال ماست]

#برنامه_نویسی #آموزش #الگوریتم #جستجو #یادگیری #BinarySearch #الگوریتم_دودویی

https://t.iss.one/programers_gap

❗️گپ برنامه نویسی برای گرفتن مشاوره از برنامه نویسان ☝️

❗️🆕️یه کد کار بردی جدید

👇این یکی آپدیت اون کدی هست که CPU رو اسکن می‌کرد این یکی یه جدول درست میکنه و اطلاعات سخت افزاری دستگاه نشون می‌ده 👇

🟥البته که این کد روی همه سیستم عامل ها و سخت افزار ها کار می‌کنه ❗️

import psutil
import GPUtil


def get_cpu_specs():
    cpu_freq = psutil.cpu_freq().current
    return f"{cpu_freq / 1000:.2f} GHz"


def get_ram_specs():
    ram = psutil.virtual_memory().total
    return f"{ram / (1024**3):.2f} GB"


def get_gpu_specs():
    gpus = GPUtil.getGPUs()
    if gpus:
        gpu = gpus[0]
        return f"{gpu.name}, {gpu.memoryTotal} MB"
    else:
        return "No GPU found"


def get_ssd_specs():
    disk_info = psutil.disk_usage('/')
    return f"{disk_info.total / (1024**3):.2f} GB"


def draw_specs_table():
    components = {
        'CPU': get_cpu_specs(),
        'RAM': get_ram_specs(),
        'GPU': get_gpu_specs(),
        'SSD': get_ssd_specs()
    }
    
    header = "| Component | Specs         |"
    separator = "+" + "-" * (len(header) - 2) + "+"
    
    print(separator)
    print(header)
    print(separator)
    
    for component, specs in components.items():
        line = f"| {component.ljust(9)} | {specs.ljust(13)} |"
        print(line)
        print(separator)


draw_specs_table()

[اینم کانال منه]

❗️ری اکشن یادتون نره😉

#cpu #پایتون #کاربردی

📰 #اخبار_امروز_پایتون 🐍 | ۹ ژوئن ۲۰۲۴

سلام به همه دوستان عزیز برنامه‌نویس! 🌟

امروز با شش خبر مهم از دنیای پایتون در خدمت شما هستیم:

1️⃣ پایتون 3.12.0 منتشر شد! 🎉
نسخه جدید پایتون با ویژگی‌های جدید و بهبود عملکرد منتشر شده است. این نسخه شامل بهبودهای بسیاری در زمینه سرعت و بهینه‌سازی حافظه است. حتماً آن را امتحان کنید! 💻

2️⃣ کتابخانه Pandas به‌روز شد! 📊
نسخه جدید کتابخانه Pandas با قابلیت‌های جدید برای تجزیه و تحلیل داده‌ها ارائه شده است. این به‌روزرسانی شامل بهبودهای زیادی در پردازش داده‌ها و عملکرد بهتر است. 📈

3️⃣ کنفرانس PyCon 2024 🌐
برنامه کنفرانس PyCon 2024 اعلام شد. این کنفرانس در ماه سپتامبر برگزار می‌شود و شامل سخنرانی‌ها و ورکشاپ‌های متنوعی است. برای ثبت‌نام زودتر اقدام کنید! 🗓️

4️⃣ چالش کدنویسی پایتون 🚀
یک چالش جدید برای برنامه‌نویسان پایتون آغاز شده است. این چالش فرصت خوبی برای تست مهارت‌های کدنویسی و یادگیری تکنیک‌های جدید است. در این چالش شرکت کنید و برنده جوایز ارزنده شوید! 🏆

5️⃣ انتشار Django 4.2 🌟
نسخه جدید فریم‌ورک وب محبوب Django منتشر شده است. این نسخه با قابلیت‌های جدید و بهبود‌های امنیتی همراه است. اگر توسعه‌دهنده وب هستید، این به‌روزرسانی را از دست ندهید! 🌐

6️⃣ کتابخانه TensorFlow 2.10.0 🤖
کتابخانه TensorFlow نیز نسخه جدیدی را ارائه کرده است که شامل ابزارهای بهبود یافته برای یادگیری ماشین و هوش مصنوعی است. این نسخه به توسعه‌دهندگان کمک می‌کند تا مدل‌های پیچیده‌تری بسازند. 📊

با ما همراه باشید تا همیشه از آخرین اخبار و به‌روزرسانی‌های دنیای پایتون مطلع شوید! 🌐

[اخبار روز پایتون رو تو این کانال ببینید]


#پایتون #برنامه‌نویسی #تکنولوژی #اخبار #کنفرانس #کدنویسی #چالش #جنگو #یادگیری_ماشین #هوش_مصنوعی

الگوریتم جستو جوی دو دویی