کتاب های برچسب Python
تاریخ: 1400/04/11 10:33
توسط: MotoMan
امتیاز: ۰

امروزه، به طور فزاینده ای وقتی با بانک یا ارائه دهنده اینترنت خود تماس می‌گیرید، ممکن است چیزی مانند این را در انتهای دیگر خط بشنوید: «سلام، من دستیار دیجیتالی شما هستم. لطفا سوال خود را بپرسید.» امروزه، ربات‌ها می‌توانند با استفاده از زبان طبیعی با انسان‌ها صحبت کنند و روز به روز هوشمندتر می‌شوند. حتی در این صورت هم افراد بسیار کمی می‌دانند که این ربات‌ها چگونه کار می‌کنند یا اینکه چگونه ممکن است از این فناوری‌ها در پروژه‌های خودشان استفاده کنند.
پردازش زبان طبیعی (NLP)، شاخه ای از هوش مصنوعی است که به ماشین‌ها کمک می‌کند تا زبان انسان را درک کرده و به آن پاسخ دهند. NLP فناوری کلیدی است که در قلب هر محصول دستیار دیجیتالی نهفته است. این کتاب شما را با مهارت هایی که برای شروع کردن به ایجاد برنامه‌های NLP خود نیاز دارید، مجهز می‌کند. در پایان این کتاب، شما نحوه‌ی بکارگیری رویکرد‌های NLP را برای مسائل دنیای واقعی همچون تحلیل جملات، درک معنای متن، نوشتن متن اصلی و حتی ساخت Chatbot خودتان را یاد خواهید گرفت.
کتاب Natural Language Processing with Python and spaCy (پردازش زبان طبیعی با پایتون و اسپیسی)، نحوه‌ی ایجاد سریع و راحت برنامه‌های NLP مانند chatbot ها، اسکریپت‌های متراکم سازی متن و ابزار‌های پردازش ترتیب را به شما نشان می‌دهد. شما می‌آموزید که چگونه از کتابخانه spaCy استفاده کنید تا هوشمندانه معنی را از متن استخراج کنید؛ چگونه روابط بین کلمات در یک جمله (تجزیه وابستگی نحوی) را تعیین کنید؛ اسامی، افعال و سایر قسمتهای گفتار (برچسب گذاری بخشی از گفتار) را شناسایی کنید؛ و اسامی خاص گروه هایی مانند افراد، سازمان‌ها و مکان‌ها (شناسایی موجودیت نامیده شده) را مرتب سازی کنید. شما حتی خواهید آموخت که چگونه عبارات را به سوالات تبدیل کنید تا مکالمه را ادامه دهید.

 

تعداد بازدید: ۲۳۷
دیدگاه ها: ۰
تاریخ: 1400/03/07 16:57
توسط: MotoMan
امتیاز: ۰
برچسب ها: Python |Django |

هدف ما از نوشتن این کتاب، به تحریر در آوردن تمام نکات، ترفندها و روش‌های رایج نانوشته ای است که ما طی سال‌ها کار با جنگو آموخته ایم. در هنگام نوشتن این کتاب، ما خود را همچون کاتبانی تصور کرده که چیز‌های مختلفی که افراد تصور می‌کنند دانش رایج است را با مثال هایی ساده ثبت کرده ایم.

در کتاب Two Scoops of Django 3.x (دو اسکوپ از جنگو 3.x)، ما شما را با نکات، ترفندها، الگوها، تکه کد‌ها و تکنیک‌های مختلفی که طی سال‌ها کار با جنگو یاد گرفته ایم آشنا می‌کنیم. این کتاب بروز رسانی و توسعه یافته نسخه‌های قبلی است که: برای Django 3.x به روز شده است (که حداقل تا آوریل 2024 توسط تیم اصلی نگهداری خواهد شد!)؛ برای مطابقت با تغییرات در اکوسیستم جنگو، همراه با اصلاحات و توضیحات اضافه شده به لطف بازخورد خوانندگان و بازبین‌های فنی، به روز شده است؛ برای پایتون 3.8 و 3.9 بروز شده است؛ تقریباً در هر مبحثی از مطالب کتاب تجدید نظر شده است و مطالبی جدید در مورد Django REST Framework، GraphQL، امنیت، فرم ها، مدل‌ها به ویرایش جدید این کتاب اضافه شده اند.

مانند مستندات رسمی جنگو، این کتاب نحوه‌ی انجام کارها در جنگو را شامل می‌شود و سناریو‌های مختلف یرا همراه با مثال‌های کدی نشان می‌دهد. بر خلاف مستندات جنگو، این کتاب سبک‌های خاص کد نویسی، الگو‌ها و انتخاب کتابخانه را توصیه می‌کند. اگرچه ممکن است توسعه دهندگان اصلی جنگو با برخی یا بسیاری از این گزینه‌ها موافق باشند، اما بخاطر داشته باشید که بسیاری از توصیه‌های ما دقیقاً همین موارد است و این‌ها توصیه‌های شخصی هستند که پس از سال‌ها کار با جنگو شکل گرفته اند. در طول این کتاب، ما از روش‌ها و تکنیک‌های خاصی طرفداری می‌کنیم که آنها را به عنوان بهترین روش‌ها در نظر گرفته ایم. ما همچنین تنظیمات شخصی خود را برای ابزارها و کتابخانه‌های خاص بیان می‌کنیم. گاهی اوقات ما شیوه‌های رایج را که ضد الگو می‌دانیم، رد می‌کنیم. برای اکثر مواردی که ما آنها را رد می‌کنیم، سعی می‌کنیم با ادب رفتار کنیم و به سخت کوشی نویسندگان احترام بگذاریم. موارد نادر و معدودی وجود دارد که ممکن است در مورد آنها خیلی ادب نداشته باشیم که این برای کمک به شما برای اجتناب از مشکلات خطرناک است.

 
تعداد بازدید: ۶۹۹
دیدگاه ها: ۱
تاریخ: 1400/02/20 23:06
توسط: MotoMan
امتیاز: ۰
برچسب ها: Python |

سلام و به کتاب Python Basics: A Practical Introduction to Python 3 (مبانی پایتون: مقدمه ای عملی برای پایتون 3) خوش آمدید. کتاب «مبانی پایتون» بر اساس اولین کتاب در دوره اصلی پایتون واقعی است که در سال 2012 منتشر شد. برای ویرایش چهارم تجدید نظر شده و به روز شده این کتاب، قسمت‌های زیادی از کتاب را برای توسعه و به روزرسانی، با پایتون 3.9 بازنویسی کرده ایم. امیدوارم که آماده باشید تا بدانید که چرا بسیاری از توسعه دهندگان حرفه ای و مشتاق، به زبان پایتون جذب شده اند و چگونه می‌توانید بلافاصله در پروژه‌های کوچک و بزرگ از آن استفاده کنید. این کتاب، هم برای مبتدیانی که به غیر از زبان و اکو سیستم پایتون کمی برنامه نویسی می‌دانند و هم مبتدیان کامل در نظر گرفته شده است. اگر مدرک علوم کامپیوتر ندارید، نگران نباشید. Fletcher، David، Dan و Joanna، در حین آموزش مبانی پایتون، شما را در میان مفاهیم مهم محاسباتی راهنمایی می‌کنند و مهمتر از همه این که در ابتدا از بیان جزئیات غیر ضروری صرف نظر می‌کنند.
هنگام یادگیری یک زبان برنامه نویسی جدید، شما هنوز تجربه کافی ندارید تا قضاوت کنید که در دراز مدت چقدر به شما خدمت خواهد کرد. اگر پایتون را در نظر دارید، به شما اطمینان دهم که این انتخاب خوبی است. یک دلیل اصلی این است که پایتون یک زبان تمام طیف (full-spectrum) است. با کتاب Python Basics، شما نه تنها مفاهیم اصلی که باید واقعا بدانید را فرا خواهید گرفت، بلکه می‌توانید آنها را با کمک تمرینات عملی و آزمون‌های تعاملی و با کارآمدترین ترتیب یاد بگیرید. با کمک این کتاب، شما به سرعت برای خطرناک شدن با پایتون به اندازه‌ی کافی خواهید دانست!

 

تعداد بازدید: ۹۹۲
دیدگاه ها: ۲
تاریخ: 1400/02/10 18:44
توسط: MotoMan
امتیاز: ۰
برچسب ها: Python |Django |

ایجاد برنامه‌های وب ایمن و قابل نگهداری به دانش جامعی نیاز دارد. ویرایش دوم این کتاب نه تنها جنگو را بررسی می‌کند، بلکه سال‌ها تجربه را در قالب الگوهای طراحی و بهترین شیوه‌ها دربر می‌گیرد. این کتاب به جای اینکه فقط به الگوهای طراحی GoF پایبند باشد، الگوهای سطح بالاتری را نیز بررسی می‌کند. با استفاده از آخرین نسخه‌ی Django و Python، در حالی که پیش زمینه مفهومی محکمی ایجاد می‌کنید، درباره کانال‌ها و asyncio خواهید آموخت. این کتاب گزینه‌های طراحی را مقایسه می‌کند تا به شما در تصمیم گیری روزمره سریع‌تر در یک محیط به سرعت در حال تغییر کمک کند.
در کتاب Django Design Patterns and Best Practices, 2nd Edition (الگو‌های طراحی و بهترین شیوه‌های جنگو، ویرایش دوم)، شما ابتدا درباره الگو‌های معماری مختلف یاد خواهید گرفت که بسیاری از آن‌ها برای ساخت جنگو استفاده می‌شوند. شما با جمع آوری نیازمندی ها، ایجاد ماکت‌ها و راه اندازی پروژه، با ساخت یک پروژه ابرقهرمانی سرگرم کننده شروع خواهید کرد. از طریق مثال‌های پروژه محور، شما Model، View، قالب ها، گردش کار‌ها و تکنیک‌های استفاده مجدد از کد را بررسی خواهید کرد. علاوه بر این، شما تکنیک‌های کاربردی کد نویسی Python را در Django یاد خواهید گرفت که به شما امکان می‌دهند تا مشکلات مربوط به موضوعات پیچیده مانند کد قدیمی، مدل سازی داده‌ها و قابلیت استفاده مجدد از کد را برطرف کنید.
شما اصول طراحی API و بهترین شیوه‌ها را بررسی خواهید کرد و نیاز به گردش کار‌های ناهمزمان را درک خواهید کرد. در طول این سفر، شما تکنیک‌های محبوب تست کد پایتون را در جنگو، تهدیدهای مختلف امنیت وب و اقدامات متقابل آنها و نظارت و عملکرد برنامه خودتان را مطالعه خواهید کرد. این کتاب برای شما مناسب است، چه تازه با جنگو آشنا شده باشید و چه فقط می‌خواهید بهترین شیوه‌های آن را بیاموزید و نیازی نیست که در جنگو یا پایتون متخصص باشید. همچنین برای مطالعه این کتاب داشتن دانش قبلی از الگوها انتظار نمی‌رود، اما مفید خواهد بود.

 

 
تعداد بازدید: ۹۶۲
دیدگاه ها: ۰
تاریخ: 1400/01/29 21:57
توسط: MotoMan
امتیاز: ۰

این روزها، پایتون بدون شک یکی از مهمترین بسترهای استراتژیک فناوری در صنعت مالی است. هنگامی که شروع به نوشتن ویرایش اول این کتاب در سال 2013 می‌کردم، هنوز مکالمات و ارائه‌های زیادی داشتم که در آن بی وقفه بر سر مزیت‌های رقابتی پایتون در امور مالی نسبت به زبان‌ها و پلتفرم‌های دیگر بحث می‌کردم. اواخر سال 2018، این دیگر جای سوال نیست: موسسات مالی در سراسر جهان اکنون به سادگی سعی می‌کنند تا از پایتون و اکوسیستم قدرتمند آن، از جمله پکیج‌های تجزیه و تحلیل داده ها، مصور سازی و یادگیری ماشین بهترین استفاده را ببرند.
فراتر از حوزه مالی، همچنین در دوره‌های مقدماتی برنامه نویسی مانند برنامه‌های علوم کامپیوتر، اغلب پایتون زبان انتخابی است. فراتر از نحو خوانا و رویکرد چند پارادایمی آن، یک دلیل بزرگ برای این امر این است که پایتون به یک first class citizen در حوزه‌های هوش مصنوعی (AI)، یادگیری ماشین (ML) و یادگیری عمیق (DL) تبدیل شده است. بسیاری از محبوب‌ترین پکیج‌ها و کتابخانه‌ها در این حوزه‌ها یا مستقیماً با پایتون نوشته شده اند(مانند scikit-learn برای ML) یا دارای wrapper‌های پایتون هستند (مانند TensorFlow برای DL). 
خود دانش مالی وارد دوره جدیدی می‌شود و دو نیروی عمده این تحول را پیش می‌برند. اولین مورد، دسترسی برنامه نویسی به همه‌ی داده‌های مالی دردسترس است - به طور کلی، این اتفاق به صورت بلادرنگ رخ می‌دهد و همان چیزی است که منجر به دانش مالی داده محور می‌شود. دهه‌ها پیش، بیشتر تصمیمات مربوط به معاملات یا سرمایه گذاری توسط آنچه که بازرگانان و مدیران سرمایه گذاری می‌توانستند در روزنامه‌ها بخوانند یا از طریق مکالمات شخصی یاد بگیرند، پیش برده می‌شد. سپس ترمینال هایی آمدند که داده‌های مالی را از طریق کامپیوتر و ارتباطات الکترونیکی به صورت بلادرنگ به میز معامله گران و مدیران سهام می‌آوردند. امروزه، افراد (یا تیم ها) دیگر نمی‌توانند با حجم عظیم داده‌های مالی تولید شده حتی در یک دقیقه همگام شوند. فقط ماشین‌ها با سرعت پردازش و قدرت محاسباتی روز افزونشان، می‌توانند با حجم و سرعت داده‌های مالی همگام شوند. این بدان معناست که در بین چیز‌های دیگر، بیشتر حجم معاملات سهام جهانی امروز توسط الگوریتم‌ها و کامپیوتر‌ها انجام می‌شوند تا معامله گران انسانی.
دومین نیروی مهم، اهمیت روزافزون هوش مصنوعی در امور مالی است. بیشتر موسسات مالی سعی می‌کنند تا از الگوریتم‌های ML و DL برای بهبود عملیات و عملکرد تجاری و سرمایه گذاری خود استفاده کنند. در آغاز سال 2018، اولین کتاب اختصاصی در مورد «یادگیری ماشین دانش مالی» منتشر شد، که بر این trend تاکید می‌کرد. بدون تردید، چیز‌های بیشتری برای آمدن وجود دارند. این منجر به آنچه می‌شود که ممکن است AI-first finance نامیده شود، جایی که الگوریتم‌های انعطاف پذیر و قابل پارامتری شدن ML و DL، جایگزین تئوری مالی سنتی می‌شوند - نظریه ای که ممکن است زیبا باشد اما دیگر در دوره‌ی جدید دانش مالی اول-هوش مصنوعی و مبتنی بر داده، شاید بسیار مفید نباشد.
پایتون زبان برنامه نویسی و اکوسیستم مناسب برای از عهده بر آمدن چالش‌های این دوره از دانش مالی است. اگرچه این کتاب، الگوریتم‌های اساسی یادگیری ماشین برای یادگیری بدون نظارت و تحت نظارت (به عنوان مثال شبکه‌های عصبی عمیق) را شامل می‌شود، تمرکز آن بر روی توانایی‌های پردازش و تحلیل داده‌های پایتون است. برای دانستن کامل اهمیت هوش مصنوعی در امور مالی، اکنون و در آینده، کتاب دیگری لازم است. با این حال بیشتر تکنیک‌های هوش مصنوعی، یادگیری ماشین و یادگیری عمیق، به چنین حجم بزرگی از داده‌ها نیاز دارند که تسلط بر امور مالی داده محور باید به هر حال حرف اول را بزند.
کتاب Python for Finance: Mastering Data-Driven Finance 2nd Edition (پایتون برای دانش مالی: تسلط برای دانش مالی داده محور، ویرایش دوم)، برای پایتون 3 به روز شده است و به شما کمک می‌کند تا با زبان پایتون شروع به کار کنید و توسعه دهندگان و تحلیلگران کمی را برای ساخت برنامه‌های مالی و تحلیل‌های مالی تعاملی با کتابخانه‌ها و ابزار‌های پایتون راهنمایی می‌کند. نویسنده این کتاب، ایو هیلپیش (Yves Hilpisch)، با استفاده از مثال‌های عملی در سراسر کتاب، به شما نشان می‌دهد که چگونه یک چارچوب تمام عیار برای مشتقات مبتنی بر شبیه سازی مونت کارلو و تجزیه و تحلیل ریسک، براساس یک مورد مطالعاتی واقع بینانه و بزرگ، توسعه دهید. همچنین در بیشتر کتاب از Notebook‌های تعاملی IPython استفاده شده است.

 

تعداد بازدید: ۷۷۲
دیدگاه ها: ۰
تاریخ: 1400/01/20 10:50
توسط: MotoMan
امتیاز: ۰

ظهور حوزه شبکه‌های زایای دشمنگونه (GANs)، تولید تصاویر غیر قابل تشخیص از مجموعه داده‌های موجود را امکان پذیر کرده است. با استفاده از این کتاب عملی، شما نه تنها مهارت‌های تولید تصویر را پرورش خواهید داد، بلکه درک درستی از اصول اساسی نیز پیدا می‌کنید.
کتاب Hands-On Image Generation with TensorFlow (راهنمای عملی تولید تصویر با تنسورفلو)، با مقدمه ای بر مبانی تولید تصویر با استفاده از TensorFlow شروع می‌شود و Variational Autoencoders (VAEs) و GANs را شامل می‌شود. با انجام تعویض چهره با استفاده از deepfakes، انتقال سبک عصبی، ترجمه تصویر به تصویر، تبدیل تصاویر ساده به عکس‌های واقع گرایانه و موارد دیگر، به چگونگی ساخت مدل برای کاربرد‌های مختلفی پی خواهید برد. شما همچنین می‌فهمید که چرا و چگونه می‌توان پیشرفته‌ترین شبکه‌های عصبی عمیق را با استفاده از تکنیک‌های پیشرفته مانند نرمال سازی طیفی و لایه توجه به خود، قبل از کار با مدل‌های پیشرفته برای تولید و ویرایش چهره ساخت. همچنین با بازسازی عکس، سنتز متن به تصویر، هدفگذاری مجدد ویدئو و رندر عصبی نیز آشنا خواهید شد. در طول کتاب، شما می‌آموزید که مدل‌ها را از ابتدا در TensorFlow 2.x پیاده سازی کنید، از جمله PixelCNN، VAE، DCGAN، WGAN، pix2pix، CycleGAN، StyleGAN، GauGAN و BigGAN.
با به پایان رساندن این کتاب، شما در TensorFlow به خوبی تبحر پیدا خواهید کرد و می‌توانید فناوری‌های تولید تصویر را با اطمینان پیاده سازی کنید. کتاب Hands-On Image Generation with TensorFlow برای مهندسان، شاغلان و محققان یادگیری عمیق است که دانش اولیه ای در مورد شبکه‌های عصبی کانولوشن دارند و می‌خواهند تکنیک‌های مختلف تولید تصویر را با استفاده از TensorFlow 2.x بیاموزند. همچنین اگر یک متخصص پردازش تصویر یا مهندس بینایی ماشین هستید که به دنبال کاوش در معماری‌های پیشرفته برای بهبود و ارتقا تصاویر و فیلم‌ها هستید، این کتاب را مفید خواهید یافت. دانش Python و TensorFlow به شما کمک می‌کند تا بهترین نتیجه را از خواندن این کتاب بگیرید.

 

تعداد بازدید: ۷۸۴
دیدگاه ها: ۱
تاریخ: 1399/12/07 19:28
توسط: MotoMan
امتیاز: ۰
برچسب ها: Python |

کتاب Python for Teenagers (پایتون برای نوجوانان) انتشارات Apress، برای نوجوانانی که به دنبال برنامه نویسی با پایتون هستند در نظر گرفته شده است. در حالی که از نظر فنی، نوجوان به معنای هر کسی از سن 13 تا 18 سال است، واقعیت این است که هر کسی در هر سنی می‌تواند (و باید، اگر تعریف از خودم نباشد!) این کتاب را انتخاب کند اگر که می‌خواهد مواردی همچون نحوه‌ی برنامه نویسی با پایتون، چگونگی برنامه نویسی به عنوان یک مبتدی و یا اضافه کردن پایتون به مهارت هایش را یاد بگیرد.
این کتاب با استفاده از مثال‌های کاربردی و سرگرم کننده، به دانش آموزان دبیرستانی که می‌خواهند یک زبان برنامه نویسی آسان را یاد بگیرند، می‌تواند ایده هایی برای چگونگی استفاده از آنها در بازار کار ارائه دهد. این کتاب با مبانی پایه شروع می‌شود و پس از آن وب سایت‌های خودتان را می‌سازید، هک کلاه سفید انجام می‌دهید، باگ‌ها و خطا‌های کد‌ها را پیدا می‌کنید و یک بازی که شامل استفاده از پایتون برای نقش دادن به کاراکتر‌ها برای RPG‌ها است را می‌سازید. تمام فصل‌ها آرام و دوستانه هستند و مانند یادگیری از یک معلم با حال است که تمامی وقت‌ها در کنار شماست.
کامپیوتر ها، تلفن‌ها و وب، زمین بازی شما هستند و شما می‌توانید با محتوای خودتان به این مهمانی بپیوندید. فراتر از پست‌های در مورد ابزار‌های یادگیری برنامه نویسی، پایتون یک انتخاب عالی برای شروع کار است. یادگیری پایتون سریع است، انعطاف پذیر است و اگر بخواهید، ممکن است شغلی در حوزه‌ی پایتون را برای شما رقم بزند که وقتی از مدرسه تعطیل می‌شوید؛ بیش از حداقل دستمزد، حقوق بگیرید. کتاب Python for Teenagers بیشترین سرگرمی است که هنگام یادگیری خواهید داشت. این کتاب برای دبیرستانی هایی که می‌خواهند یک زبان برنامه نویسی آسان بیاموزند، مفید خواهد بود.

 

تعداد بازدید: ۷۵۲
دیدگاه ها: ۰
تاریخ: 1399/10/19 16:36
توسط: MotoMan
امتیاز: ۲
برچسب ها: Python |Django |

کتاب Django for Professionals (جنگو برای حرفه ای ها)، راهنمای ساخت وب سایت‌های حرفه ای با چارچوب وب جنگو است. بین ساختن «برنامه‌های اسباب بازی» ساده که می‌توانند به سرعت ایجاد شوند و استقرار یابند و آنچه که برای ساختن یک برنامه وب «آماده تولید» مناسب برای استفاده هزاران و یا حتی میلیون‌ها کاربر لازم است فاصله‌ی زیادی وجود دارد. این کتاب به شما نشان می‌دهد که چگونه این فاصله را پر کنید.
هنگامی که اولین بار Django را نصب می‌کنید و یک پروژه جدید ایجاد می‌کنید، تنظیمات پیش فرض جهت توسعه سریع محلی پیکربندی شده اند، و این منطقی است: نیازی به افزودن تمام قابلیت‌های اضافی مورد نیاز یک وب سایت بزرگ نیست، تا زمانی که بدانید که واقعا به آنها احتیاج دارید. این پیش فرض‌ها شامل SQLite به عنوان پایگاه داده پیش فرض، وب سرور محلی، میزبانی static asset محلی، مدل User تعبیه شده و حالت DEBUG روشن است.
اما برای یک پروژه عملیاتی، اگر نه همه ولی بیشتر این تنظیمات باید مجدداً پیکربندی شوند، و حتی عدم توافق نا امید کننده ای در بین متخصصان می‌تواند وجود داشته باشد. به عنوان مثال، بهترین پایگاه داده عملیاتی برای استفاده چیست؟ بسیاری از توسعه دهندگان جنگو، از جمله من، PostgreSQL را انتخاب می‌کنند. این همان چیزی است که ما در این کتاب استفاده خواهیم کرد. با این حال بسته به پروژه می‌توان برای استفاده از MySQL نیز بحث کرد. در واقع همه اینها به نیازهای خاص یک پروژه بستگی دارد.
این کتاب به جای آنکه مخاطب را در لیستی کامل از گزینه‌های موجود غرق کند، نشان می‌دهد که یک روش برای ایجاد یک وب سایت حرفه ای، روشی مبتنی بر بهترین شیوه‌های فعلی جامعه جنگو است. عناوین پوشش داده شده شامل استفاده از Docker برای توسعه و استقرار محلی، PostgreSQL، یک مدل کاربر سفارشی، جریان احراز هویت کاربر قوی با ایمیل، آزمایش جامع، متغیرهای محیط، بهبود امنیت و عملکرد و موارد دیگر است.
در پایان این کتاب، شما یک وب سایت حرفه ای ساخته اید و تمام مراحل لازم را برای این کار فرا گرفته اید. خواه پروژه جدیدی را شروع می‌کنید که امیدوار هستید که به بزرگی اینستاگرام (در حال حاضر بزرگترین وب سایت جنگو در جهان) شود یا به روز رسانی‌های مورد نیاز یک پروژه جنگو موجود را انجام دهید، ابزار و دانش لازم برای این کار را در اختیار خواهید داشت.

تعداد بازدید: ۱۹۹۵
دیدگاه ها: ۰
تاریخ: 1399/10/19 14:15
توسط: MotoMan
امتیاز: ۲
برچسب ها: Python |Django |

جنگو (Django) یک چارچوب وب متن باز و آزاد است که با زبان برنامه نویسی Python نوشته شده است. «چارچوب وب» نرم افزاری است که بسیاری از چالش‌های رایج مربوط به ساخت وب سایت، از جمله اتصال به پایگاه داده، مدیریت امنیت، حساب‌های کاربری و غیره را از شما پنهان می‌کند. این روزها، بیشتر توسعه دهندگان به جای تلاش برای ساختن یک وب سایت از صفر، بر چارچوب‌های وب متکی هستند. جنگو اولین بار در سال 2005 منتشر شد و از آن زمان به طور مداوم در حال توسعه است. امروزه، جنگو یکی از محبوب‌ترین چارچوب‌های وب است که توسط بزرگترین وب سایت‌های جهان همچون اینستاگرام، Pinterest،Bitbucket  و Disqus استفاده می‌شود؛ اما همچنین به اندازه کافی انعطاف پذیر است که می‌تواند انتخاب خوبی برای استارتاپ‌های نوپا و نمونه سازی اولیه پروژه‌های شخصی باشد.
کتاب Django for Beginners (جنگو برای مبتدیان)، یک رویکرد پروژه محور برای یادگیری توسعه وب با چارچوب وب Django است. در این کتاب شما پنج برنامه وب که به تدریج پیچیده‌تر می‌شوند را خواهید ساخت که از یک برنامه “Hello, World” ساده آغاز می‌شود که به یک برنامه Pages، برنامه Message Board، یک برنامه Blog با فرم‌ها و حساب‌های کاربری پیشرفت می‌کند و در نهایت یکه برنامه روزنامه که از user model سفارشی، یکپارچه سازی با ایمیل، کلیدی‌های خارجی، احراز مجوز، سطوح دسترسی و غیره استفاده می‌کند. در پایان این کتاب، در ایجاد پروژه‌های جنگو خودتان از صفر و با استفاده از بهترین شیوه‌های موجود، احساس اطمینان خواهید داشت. این کتاب به طور مرتب به روز می‌شود و آخرین نسخه‌های جنگو و پایتون را پوشش می‌دهد.

 

تعداد بازدید: ۲۱۵۷
دیدگاه ها: ۰
تاریخ: 1399/10/01 20:43
توسط: MotoMan
امتیاز: ۱
برچسب ها: Python |

همانطور که عنوان نوید می‌دهد این کتاب، زبان برنامه نویسی پایتون را که یکی از محبوب‌ترین زبان‌های برنامه نویسی جهان است، به شما معرفی می‌کند. کتاب Introducing Python: Modern Computing in Simple Packages 2nd Edition (ویرایش دوم معرفی پایتون: محاسبات مدرن در بسته‌های ساده) تالیف Bill Lubanovic، هم برای برنامه نویسان تازه کار و هم برای برنامه نویسان با تجربه‌تری که می‌خواهند پایتون را به زبان هایی که در حال حاضر می‌دانند نیز اضافه کنند در نظر گرفته شده است.
در بیشتر موارد، یادگیری یک زبان کامپیوتری آسان‌تر از یادگیری یک زبان انسانی است؛ چرا که ابهامات و استثنا‌های کمتری وجود دارند تا نیاز باشد در ذهن خود نگه دارید. پایتون یکی از با ثبات‌ترین و واضح‌ترین زبان‌های کامپیوتری است. زبان Python، سهولت یادگیری، سادگی استفاده و قدرت بیان را به صورتی متعادل ارائه کرده است.

زبان‌های کامپیوتری از داده‌ها (مانند اسم‌ها در زبانهای گفتاری) و دستورالعمل‌ها یا کد (مانند فعل) ساخته شده اند؛ و شما به هر دو نیاز دارید. در فصل‌های متناوب، شما با ساختمان داده‌ها و کد‌های پایه ای پایتون آشنا خواهید شد، نحوه‌ی ترکیب آن‌ها را یاد خواهید گرفت و چیز‌های پیشرفته‌تری از آن‌ها ایجاد می‌کنید. برنامه هایی که می‌خوانید و می‌نویسید طولانی‌تر و پیچیده‌تر می‌شوند. با استفاده از تشبیه به نجاری، ما با چکش، میخ و تکه‌های چوب شروع خواهیم کرد. در نیمه اول این کتاب، ما کامپوننت‌های تخصصی‌تر تا معادل‌های ماشین‌های تراش و سایر ابزارهای برقی را معرفی خواهیم کرد.

شما نه تنها زبان، بلکه چه کارهایی با آن می‌توان کرد را نیز خواهید گرفت. ما با زبان پایتون و کتابخانه استاندارد “batteries included” آن شروع خواهیم کرد، اما همچنان به شما نشان می‌دهم که چگونه برخی از بسته‌های شخص ثالث خوب را پیدا، دانلود، نصب و استفاده کنید. تاکید من بیشتر بر روی چیز هایی است که در طول بیش از ۱۰ سال توسعه عملیاتی با پایتون، واقعا مفید یافتم است تا موضوعات حاشیه ای یا هک‌های پیچیده. اگرچه این کتاب یک مقدمه است، برخی از مباحث پیشرفته را نیز شامل می‌شود، زیرا می‌خواهم آنها را در معرض دید شما قرار دهم. حوزه هایی مانند پایگاه داده و وب نیز پوشش داده شده اند، اما فناوری به سرعت تغییر می‌کند. اکنون از یک برنامه نویس پایتون انتظار می‌رود تا چیز هایی در مورد رایانش ابری، یادگیری ماشین و یا جریان رویداد بداند. در این کتاب چیز هایی در مورد همه اینها پیدا خواهید کرد.

 

تعداد بازدید: ۱۶۳۶
دیدگاه ها: ۰
تاریخ: 1399/08/19 22:11
توسط: MotoMan
امتیاز: ۲

الگوریتم‌های یادگیری ماشین، ریاضیات و تئوری‌های زیادی در پشت صحنه دارند؛ اما نیازی نیست که بدانید الگوریتم‌ها چگونه کار می‌کنند تا بتوانید آنها را پیاده سازی و برای دستیابی به نتایج واقعی و ارزشمند از آنها استفاده کنید. از منظر کاربردی، یادگیری ماشین زمینه ای کم عمق است و یک توسعه دهنده با انگیزه می‌تواند به سرعت آن را انتخاب کند و مشارکت‌های واقعی و تأثیرگذاری را شروع کند. این هدف من برای شماست و این کتاب بلیط شما برای رسیدن به نتیجه است.

کتاب Machine Learning Algorithms From Scratch With Python، راهنمای شما برای یادگیری جزئیات الگوریتم‌های یادگیری ماشین از طریق پیاده سازی آنها از صفر با زبان پایتون است. شما نحوه بارگذاری داده ها، ارزیابی مدل‌ها و پیاده سازی مجموعه ای از الگوریتم‌های برتر یادگیری ماشین را با استفاده از آموزش‌های گام به گام و نمونه کد‌های پایتون خالص و ساده (بدون کتابخانه!) بررسی خواهید کرد.

تعداد بازدید: ۱۸۰۹
دیدگاه ها: ۰
تاریخ: 1399/08/08 00:07
توسط: MotoMan
امتیاز: ۰

ارزش یادگیری ماشین (ML) در امور مالی هر روز آشکارتر می‌شود. انتظار می‌رود که یادگیری ماشین برای عملکرد بازارهای مالی بسیار مهم شود. تحلیلگران، مدیران پورتفولیو، بازرگانان و مدیران ارشد سرمایه گذاری، همه باید با تکنیک‌های ML آشنا باشند. برای بانک‌ها و سایر موسسات مالی که در تلاشند تا تجزیه و تحلیل مالی را بهبود بخشند، فرآیندها را ساده کنند و امنیت را افزایش دهند، ML به فناوری منتخب تبدیل شده است. استفاده از ML در موسسات روند رو به افزایشی دارد و پتانسیل آن برای بهبود سیستم‌های مختلف را می‌توان در استراتژی‌های معاملاتی، قیمت گذاری و مدیریت ریسک مشاهده کرد.

اگرچه یادگیری ماشین در تمام بخش‌های صنعت خدمات مالی پیشرفت قابل توجهی کرده است، اما بین ایده‌ها و اجرای الگوریتم‌های یادگیری ماشین شکافی وجود دارد. درباره این حوزه‌ها انبوهی از مطالب در وب در دسترس است، اما بسیار کم سازماندهی شده اند. علاوه بر این، بیشتر مطالب فقط به الگوریتم‌های تجارت محدود است. کتاب «نقشه‌های یادگیری ماشین و علم داده برای امور مالی» این خلا را پر می‌کند و یک جعبه ابزار یادگیری ماشین سفارشی شده برای بازار‌های مالی را فراهم می‌کند که به خوانندگان اجازه می‌دهد تا بخشی از انقلاب یادگیری ماشین باشند. این کتاب محدود به استراتژی‌های سرمایه گذاری یا معاملاتی نیست، بلکه بر روی استفاده از هنر و صنعت ساخت الگوریتم‌های مبتنی بر ML تمرکز دارد که در صنعت مالی بسیار مهم هستند.

پیاده سازی مدل‌های یادگیری ماشین در امور مالی آسانتر از آن است که عموم تصور می‌کنند. همچنین یک تصور غلط وجود دارد که برای ساخت مدل‌های یادگیری ماشین به کلان داده نیاز است. موارد مطالعاتی در این کتاب تقریباً تمام زمینه‌های یادگیری ماشین را دربر می‌گیرد و هدف آنها مدیریت چنین باورهای غلطی است. این کتاب نه تنها تئوری و موارد مطالعاتی مربوط به استفاده از ML در استراتژی‌های تجاری را پوشش می‌دهد، بلکه در سایر مفاهیم مهم «نیاز به دانستن» مانند مدیریت پورتفولیو، قیمت گذاری مشتقه، تشخیص کلاه برداری، رتبه بندی اعتبار شرکت ها، توسعه مشاور robo و توسعه chatbot نیز ورود می‌کند. این کتاب مسائل واقعی را که متخصصان با آن روبرو هستند را بررسی می‌کند و راه حل‌های علمی معتبری را ارائه می‌دهد که بر کد‌ها و مثال‌ها متکی هستند.

تعداد بازدید: ۱۲۶۸
دیدگاه ها: ۰
تاریخ: 1399/08/01 21:06
توسط: MotoMan
امتیاز: ۱

بینایی ماشین، علمی به سرعت در حال تحول است و کاربرد‌ها و تکنیک‌های مختلفی را شامل می‌شود. این کتاب نه تنها به کسانی که تازه شروع به کار با بینایی ماشین کرده اند بلکه به متخصصان این حوزه نیز کمک خواهد کرد. با کمک این کتاب قادر خواهید بود تا با ساختن برنامه هایی با OpenCV 4 و Python 3، مطالب تئوری را به شکل عملی پیاده سازی کنید. ویرایش سوم کتاب یادگیری بینایی ماشین با OpenCV 4 و Python 3، که برای OpenCV 4 و پایتون 3 به روز شده است، جدیدترین مطالب درباره دوربین‌های عمق، ردیابی سه بعدی، واقعیت افزوده و شبکه‌های عصبی عمیق را شامل می‌شود و به شما کمک می‌کند تا مسائل واقعی بینایی ماشین را با کد‌های کاربردی حل کنید.

شما با درک OpenCV 4 و چگونگی نصب آن به همراه پایتون 3 بر روی پلتفرم‌های مختلف، کار را آغاز خواهید کرد. در ادامه، شما یاد خواهید گرفت که چگونه عملیات اصلی مانند خواندن، نوشتن، دستکاری و نمایش تصاویر ثابت، فیلم‌ها و فیدهای دوربین را انجام دهید. این کتاب از راهنمایی شما در زمینه پردازش تصویر، تجزیه و تحلیل ویدئو و تخمین عمق و بخش بندی، تا کمک به شما در انجام تمرینات با ساخت یک برنامه با رابط کاربری گرافیکی، تضمین می‌کند که شما فرصت انجام فعالیت‌های عملی را خواهید داشت. در ادامه، شما با دو چالش محبوب دست و پنجه نرم می‌کنید: تشخیص چهره و شناسایی چهره. شما همچنین درباره طبقه بندی اشیا و مفاهیم یادگیری ماشین یاد خواهید گرفت که شما را قادر می‌سازند تا تشخیص دهنده و دسته بندی کننده اشیا را بسازید و استفاده کنید و حتی اشیا موجود در فیلم‌ها یا فید ویدیویی دوربین را ردیابی کنید. در ادامه، همچنین مهارت‌های خود را در ردیابی سه بعدی و واقعیت افزوده توسعه می‌دهید. سرانجام، شما ANN‌ها و DNN‌ها را بررسی خواهید کرد، و یاد خواهید گرفت که چگونه برنامه هایی را برای شناسایی ارقام دست نویس و طبقه بندی جنسیت و سن فرد ایجاد کنید. در پایان این کتاب، مهارت‌های لازم برای اجرای پروژه‌های بینایی ماشین واقعی را در اختیار خواهید داشت.
اگر شما علاقه مند به یادگیری بینایی ماشین، یادگیری ماشین و OpenCV در زمینه برنامه‌های کاربردی واقعی هستید، این کتاب برای شما مناسب است. این کتاب OpenCV، همچنین برای هر کسی که تازه با بینایی ماشین شروع به کار می‌کند و همچنین متخصصانی که می‌خواهند با OpenCV 4 و Python 3 به روز شوند، مفید خواهد بود. اگرچه هیچ دانش قبلی در مورد پردازش تصویر، بینایی ماشین یا یادگیری ماشین مورد نیاز نیست، اما آشنایی ابتدایی با برنامه نویسی پایتون الزامی است.

 

تعداد بازدید: ۱۴۶۷
دیدگاه ها: ۳
تاریخ: 1399/07/13 23:10
توسط: MotoMan
امتیاز: ۳
برچسب ها: WEB API |Python |Django |

اینترنت توسط API‌های RESTful تامین می‌شود. در پشت صحنه، حتی ساده‌ترین کار آنلاین نیز شامل چندین کامپیوتر است که با یکدیگر تعامل دارند. یک API ( رابط برنامه نویسی برنامه)، روشی رسمی برای توصیف ارتباط مستقیم دو کامپیوتر با یکدیگر است. اگرچه چندین روش برای ساختن API وجود دارد، اما API‌های وب که امکان انتقال داده‌ها از طریق شبکه جهانی وب را فراهم می‌کنند، اکثریت به شکل RESTful (انتقال بازنمودی حالت) هستند.

ترکیبی از Django و Django REST Framework، یکی از محبوب‌ترین و قابل شخصی سازی‌ترین روش‌ها برای ساخت API‌های وب است که توسط بسیاری از بزرگترین شرکت‌های فن آوری در جهان از جمله Instagram ،Mozilla ،Pinterest و Bitbucket استفاده می‌شود. همچنین چارچوب جنگو برای مبتدیان کاملاً مناسب است زیرا رویکرد "batteries-included" جنگو بسیاری از پیچیدگی‌های اساسی و خطرات امنیتی درگیر در ایجاد هر API وب را پنهان می‌کند.

کتاب Django for APIs، یک راهنمای پروژه محور برای ساختن API‌های مدرن با Django و Django Rest Framework‌ است. این کتاب برای مبتدیانی که قبلاً هرگز API ایجاد نکرده اند و همچنین برنامه نویسان حرفه ای که به دنبال مقدمه ای سریع از اصول اساسی و بهترین شیوه‌های جنگو هستند مناسب است.

تعداد بازدید: ۲۱۸۲
دیدگاه ها: ۵
تاریخ: 1399/05/30 21:11
توسط: MotoMan
امتیاز: ۰
برچسب ها: data |Database |Python |Data Mining |Video |

پایگاه داده‌ها بخشی جدایی ناپذیر از علوم داده هستند و هر برنامه نویسی که با داده‌ها سر و کار دارد، باید بتواند با یک پایگاه داده نیز کار کند. در دوره ویدیویی Understanding Databases with SQLAlchemy: Python Data Playbook موسسه Pluralsight که توسط Xavier Morera تدریس شده است،‌ شما دانش بنیادی برای کار با پایگاه‌های داده با استفاده از SQLAlchemy را یاد خواهید گرفت.

در این دوره ابتدا نحوه query‌ زدن را یاد می‌گیرید. سپس چگونگی ایجاد پایگاه‌های داده و جداول و پر کردن آن‌ها با داده‌ها را یاد می‌گیرید. در پایان، شما نحوه دستکاری داده هایی که درج کرده اید و کوئری گرفته اید را خواهید آموخت. پس از اتمام این دوره، مهارت‌ها و دانش لازم برای کار کردن با پایگاه داده‌ها با استفاده پایتون و SQLAlchemy را در اختیار خواهید داشت.

تعداد بازدید: ۹۳۲
دیدگاه ها: ۰
تاریخ: 1399/05/30 20:10
توسط: MotoMan
امتیاز: ۰
برچسب ها: data |Python |Data Mining |Video |

فرمت‌های تصویری برداری مثل SVG، مزایای بسیاری نسبت به فرمت‌های scalar همچون PNG و JPEG دارند. با استفاده از SVG، می‌توانید تصاویری با کیفیت بالا و حجم کم ایجاد کنید که هم در دستگاه هایی با وضوح پایین به خوبی نمایش داده می‌شوند و هم می‌توان آن‌ها را بدون ایجاد اعوجاج، بزرگنمایی کرد و حرکت داد. در دوره ویدیویی Pygal: Python Data Playbook موسسه Pluralsight ‌که توسط Kishan Iyer تدریس شده است، شما با استفاده از Pygal، توانایی ساختن مجموعه ای از تصاویر و تبدیل آنها به فرمت SVG را بدست می‌آورید.

ابتدا مزایای کار با Pygal را برای ساخت SVG‌ها خواهید آموخت و جایگاهی که Pygal نسبت به سایر بسته‌های تصویرسازی همچون Matplotlib، Seaborn، Bokeh و Plotly دارد را درک خواهید کرد. در ادامه نحوه ساخت مجموعه ای از تصویر‌ها در Pygal را از درون حافظه و همچنین فایل‌ها بررسی خواهید کرد. سپس می‌توانید یک تصویر سازی از جمله نمودارهای ساده مانند گراف‌های خطی، درختی و میله ای و همچنین انواع تخصصی مانند TreeMaps و Sparklines را بسازید. شما انواع مختلف سبک‌ها و پیکربندی هایی که برای کنترل ظاهر نمودار‌ها می‌توان استفاده کرد را یاد خواهید گرفت. شما همچنین با سبک‌های سفارشی و پارامتری تعبیه شده و همچنین تنظیمات Chart، Serie و Value کار خواهید کرد.

در پایان، شما چگونگی ارائه تصویر سازی‌های Pygal را در قالب‌های تصویری و غیر تصویری برای انتقال‌های آنلاین از جمله XML element trees و base64 encoded یاد خواهید گرفت. شما همچنین با ساختن یک برنامه وب با استفاده از میکرو فریمورک Flesk به منظور ارائه و نمایش نمودار‌های Pygal این دوره را کامل خواهید کرد. وقتی که این دوره را به پایان رساندید، شما دانش و مهارت‌های لازم برای نمایش تصویر سازی‌ها در Pygal را برای استفاده از مزایای فرمت Scalable Vector Graphics، در اختیار خواهید داشت.

تعداد بازدید: ۶۵۰
دیدگاه ها: ۰
loading...

لطفا منتظر بمانید...