Forwarded from Quera
▪️محبوبیت فریمورک جنگو
▪️تفاوت جنگو با دیگر فرمورکهای بکاند
▪️فرصتهای شغلی
▪️جایگاه جنگو در صنعت
▪️رودمپ یادگیری #جنگو
▪️آماده شدن برای مصاحبه
https://quera.org/r/5hxy0
➖➖➖➖➖
#Quera #QBC7 #آموزش_برنامه_نویسی
Please open Telegram to view this post
VIEW IN TELEGRAM
اگه از VsCode استفاده میکنید، مراقب افزونههای مخرب باشید... 🖥
جدیدا خبری منتشر شده که افزونههای مخرب داخل Marketplace وی اس کد وجود دارن. پس حتما متن کامل خبر زیر رو بخونید 👇
+ برای مطالعه کلیک کنید +
#news #vscode #security
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
جدیدا خبری منتشر شده که افزونههای مخرب داخل Marketplace وی اس کد وجود دارن. پس حتما متن کامل خبر زیر رو بخونید 👇
+ برای مطالعه کلیک کنید +
#news #vscode #security
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
Forwarded from Abrha
abrh.ir/enjoy
📣@abrhacom
Please open Telegram to view this post
VIEW IN TELEGRAM
6 ابزار جایگزین chatGPT برای برنامه نویسان 🧠
➕ Codeium
➕ GitHub Copilot
➕ Code whisperer
➕ Tabnine
➕ codex
➕ askcodi
#ai #chatgpt
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
➕ Codeium
➕ GitHub Copilot
➕ Code whisperer
➕ Tabnine
➕ codex
➕ askcodi
#ai #chatgpt
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
📒ایده پروژه متوسط برای جاوا اسکریپت📒
📎لیست کارهای روزانه
📎بازی معما و چیستان
📎سبد خرید
📎سیستم احراز هویت
#js #javascript
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
📎لیست کارهای روزانه
📎بازی معما و چیستان
📎سبد خرید
📎سیستم احراز هویت
#js #javascript
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
تصور کنید یه بکاند کار هستین و اینجا باید پیدا کنید توی کدوم div کدتون رو بنویسید 😁
بله... جهنم همین شکلیه :)))
#programming_joke
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
بله... جهنم همین شکلیه :)))
#programming_joke
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
[معرفی فیلم]
🎥 بازی تقلید | The Imitation Game
📆 سال تولید: 2014
✍️ خلاصه داستان:
در طول جنگ جهانی دوم، آلن تورینگ، نابغه ریاضی انگلیسی، سعی میکند با کمک ریاضیدانان همکار خود، رمز انیگما آلمان را بشکند و در عین حال تلاش میکند با زندگی خصوصی پریشان خود کنار بیاید.
#it_movie
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
🎥 بازی تقلید | The Imitation Game
📆 سال تولید: 2014
✍️ خلاصه داستان:
در طول جنگ جهانی دوم، آلن تورینگ، نابغه ریاضی انگلیسی، سعی میکند با کمک ریاضیدانان همکار خود، رمز انیگما آلمان را بشکند و در عین حال تلاش میکند با زندگی خصوصی پریشان خود کنار بیاید.
#it_movie
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
ایشون یه دیتا آنالیز هستش که یهویی دستش میخوره و تمام برنامه ها رو میزنه با اکسل باز شن 😅
#programming_joke
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
#programming_joke
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
نقشه راه ماشین لرنینگ 🤓
☀️ برای شروع و پیشرفت در یادگیری ماشین (Machine Learning)، داشتن یک نقشه راه دقیق و قدم به قدم بسیار مفید است. در زیر یک نقشه راه جامع برای یادگیری ماشین آورده شده است:
1. مبانی ریاضی و آمار
- جبر خطی: بردارها، ماتریسها، تبدیلهای خطی، مقدار ویژه و بردار ویژه.
- حساب دیفرانسیل و انتگرال: توابع، مشتقات، انتگرالها، بهینهسازی.
- آمار و احتمال: توزیعها، متغیرهای تصادفی، امید ریاضی، تئوری بیز، تست فرضیهها.
2. مبانی برنامهنویسی
- زبان برنامهنویسی: پایتون به عنوان زبان اصلی مورد استفاده در یادگیری ماشین.
- کتابخانههای پایتون: NumPy، Pandas برای کار با دادهها؛ Matplotlib و Seaborn برای مصورسازی دادهها.
3. دادهکاوی و پیشپردازش دادهها
- جمعآوری دادهها: منابع داده، وب اسکریپینگ، APIها.
- پیشپردازش دادهها: تمیز کردن دادهها، مدیریت دادههای ناقص، نرمالسازی و استانداردسازی دادهها.
- تحلیل دادههای اکتشافی: تجزیه و تحلیل دادهها، مصورسازی دادهها، استخراج ویژگیها.
4. یادگیری نظارتشده (Supervised Learning)
- رگرسیون: رگرسیون خطی، رگرسیون لجستیک.
- طبقهبندی: درخت تصمیم، ماشین بردار پشتیبان (SVM)، K-نزدیکترین همسایه (KNN)، جنگلهای تصادفی (Random Forest).
- ارزیابی مدلها: دقت، ماتریس درهمریختگی، ROC و AUC.
5. یادگیری بدون نظارت (Unsupervised Learning)
- خوشهبندی: K-means، خوشهبندی سلسلهمراتبی، DBSCAN.
- کاهش ابعاد: PCA، t-SNE.
- تجزیه و تحلیل انجمنی: قوانین انجمنی، الگوریتم آپریوری.
6. یادگیری عمیق (Deep Learning)
- شبکههای عصبی مصنوعی: مبانی شبکههای عصبی، لایهها، فعالسازی، آموزش شبکههای عصبی.
- شبکههای عصبی کانولوشنی (CNNs): برای پردازش تصاویر.
- شبکههای عصبی بازگشتی (RNNs): برای پردازش دادههای توالیدار.
- فریمورکهای یادگیری عمیق: TensorFlow، Keras، PyTorch.
7. یادگیری تقویتی (Reinforcement Learning)
- مفاهیم پایه: عاملها، محیط، پاداش.
- الگوریتمها: Q-Learning، Deep Q-Networks (DQN)، سیاستهای گرادیان.
8. پروژهها و کاربردها
- پروژههای کوچک: انجام پروژههای ساده برای درک مفاهیم.
- پروژههای عملی: شرکت در مسابقات Kaggle، کار بر روی دادههای واقعی.
- کاربردها: پردازش زبان طبیعی (NLP)، بینایی ماشین، توصیهگرها.
9. بهینهسازی و تنظیم مدلها
- تنظیم هایپرپارامترها: جستجوی شبکهای، جستجوی تصادفی، جستجوی بیزی.
- روشهای جلوگیری از بیشبرازش: Dropout، تنظیم (Regularization).
10. مطالعه منابع پیشرفته و بهروز رسانی
- کتابها و مقالات علمی: مطالعه کتابهای معتبر و مقالات جدید در حوزه یادگیری ماشین.
- دورههای آنلاین و وبینارها: شرکت در دورههای تخصصی و بهروز.
- کنفرانسها و کارگاهها: حضور در کنفرانسهای معتبر برای آشنایی با آخرین پژوهشها و تکنولوژیها
#ml #machine_learning
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
☀️ برای شروع و پیشرفت در یادگیری ماشین (Machine Learning)، داشتن یک نقشه راه دقیق و قدم به قدم بسیار مفید است. در زیر یک نقشه راه جامع برای یادگیری ماشین آورده شده است:
1. مبانی ریاضی و آمار
- جبر خطی: بردارها، ماتریسها، تبدیلهای خطی، مقدار ویژه و بردار ویژه.
- حساب دیفرانسیل و انتگرال: توابع، مشتقات، انتگرالها، بهینهسازی.
- آمار و احتمال: توزیعها، متغیرهای تصادفی، امید ریاضی، تئوری بیز، تست فرضیهها.
2. مبانی برنامهنویسی
- زبان برنامهنویسی: پایتون به عنوان زبان اصلی مورد استفاده در یادگیری ماشین.
- کتابخانههای پایتون: NumPy، Pandas برای کار با دادهها؛ Matplotlib و Seaborn برای مصورسازی دادهها.
3. دادهکاوی و پیشپردازش دادهها
- جمعآوری دادهها: منابع داده، وب اسکریپینگ، APIها.
- پیشپردازش دادهها: تمیز کردن دادهها، مدیریت دادههای ناقص، نرمالسازی و استانداردسازی دادهها.
- تحلیل دادههای اکتشافی: تجزیه و تحلیل دادهها، مصورسازی دادهها، استخراج ویژگیها.
4. یادگیری نظارتشده (Supervised Learning)
- رگرسیون: رگرسیون خطی، رگرسیون لجستیک.
- طبقهبندی: درخت تصمیم، ماشین بردار پشتیبان (SVM)، K-نزدیکترین همسایه (KNN)، جنگلهای تصادفی (Random Forest).
- ارزیابی مدلها: دقت، ماتریس درهمریختگی، ROC و AUC.
5. یادگیری بدون نظارت (Unsupervised Learning)
- خوشهبندی: K-means، خوشهبندی سلسلهمراتبی، DBSCAN.
- کاهش ابعاد: PCA، t-SNE.
- تجزیه و تحلیل انجمنی: قوانین انجمنی، الگوریتم آپریوری.
6. یادگیری عمیق (Deep Learning)
- شبکههای عصبی مصنوعی: مبانی شبکههای عصبی، لایهها، فعالسازی، آموزش شبکههای عصبی.
- شبکههای عصبی کانولوشنی (CNNs): برای پردازش تصاویر.
- شبکههای عصبی بازگشتی (RNNs): برای پردازش دادههای توالیدار.
- فریمورکهای یادگیری عمیق: TensorFlow، Keras، PyTorch.
7. یادگیری تقویتی (Reinforcement Learning)
- مفاهیم پایه: عاملها، محیط، پاداش.
- الگوریتمها: Q-Learning، Deep Q-Networks (DQN)، سیاستهای گرادیان.
8. پروژهها و کاربردها
- پروژههای کوچک: انجام پروژههای ساده برای درک مفاهیم.
- پروژههای عملی: شرکت در مسابقات Kaggle، کار بر روی دادههای واقعی.
- کاربردها: پردازش زبان طبیعی (NLP)، بینایی ماشین، توصیهگرها.
9. بهینهسازی و تنظیم مدلها
- تنظیم هایپرپارامترها: جستجوی شبکهای، جستجوی تصادفی، جستجوی بیزی.
- روشهای جلوگیری از بیشبرازش: Dropout، تنظیم (Regularization).
10. مطالعه منابع پیشرفته و بهروز رسانی
- کتابها و مقالات علمی: مطالعه کتابهای معتبر و مقالات جدید در حوزه یادگیری ماشین.
- دورههای آنلاین و وبینارها: شرکت در دورههای تخصصی و بهروز.
- کنفرانسها و کارگاهها: حضور در کنفرانسهای معتبر برای آشنایی با آخرین پژوهشها و تکنولوژیها
#ml #machine_learning
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
وقتی بدون خوندن داکیومنت، با یه فریمورک کار میکنی 😁😂
#programming_joke
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
#programming_joke
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
Forwarded from Quera Talent | استخدام برنامهنویسان
🔸استخدام طراح دوره #C در Quera
🔹نوع همکاری: پارهوقت
🔹سطح: ارشد (Senior)
🔹زمینه کاری شرکت: فناوری اطلاعات، نرمافزار و سختافزار
مزایا: 🔹تیم جوان و با انگیزه 🔹ساعت کاری منعطف 🔹امکان دورکاری 🔹وام 🔹بیمه تکمیلی 🔹Board Games 🔹کتابخانه 🔹محیط استراحت و سرگرمی
ارسال درخواست از طریق:👇
🔗 https://quera.org/r/99pNZu
➖➖➖➖➖➖➖➖➖
@Quera_Talent
🔹نوع همکاری: پارهوقت
🔹سطح: ارشد (Senior)
🔹زمینه کاری شرکت: فناوری اطلاعات، نرمافزار و سختافزار
مزایا: 🔹تیم جوان و با انگیزه 🔹ساعت کاری منعطف 🔹امکان دورکاری 🔹وام 🔹بیمه تکمیلی 🔹Board Games 🔹کتابخانه 🔹محیط استراحت و سرگرمی
ارسال درخواست از طریق:👇
🔗 https://quera.org/r/99pNZu
➖➖➖➖➖➖➖➖➖
@Quera_Talent
فرمولهای پرکاربرد اکسل / بخش اول ✅
1️⃣ SUM
1️⃣ مقدار سلولهای انتخابی را با هم جمع میکند.
2️⃣ AVERAGE
2️⃣ میانگین سلولهای انتخابی را محاسبه میکند.
3️⃣ COUNT
3️⃣تعداد مقادیر غیر خالی را در یک مجموعه داده (رنج خاصی از سلولها یا یک رنج مشخص) محاسبه میکند.
4️⃣ COUNTA
4️⃣ تعداد همه سلولهای غیر خالی در یک مجموعه داده را محاسبه میکند، چه عدد باشد، چه متن، چه علامت نقطه گذاری، و غیره.
5️⃣ MAX
5️⃣ بزرگترین مقدار در یک مجموعه داده را پیدا میکند.
6️⃣ MIN
6️⃣ کوچکترین مقدار را در یک مجموعه داده پیدا میکند.
#excel
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
1️⃣ SUM
1️⃣ مقدار سلولهای انتخابی را با هم جمع میکند.
2️⃣ AVERAGE
2️⃣ میانگین سلولهای انتخابی را محاسبه میکند.
3️⃣ COUNT
3️⃣تعداد مقادیر غیر خالی را در یک مجموعه داده (رنج خاصی از سلولها یا یک رنج مشخص) محاسبه میکند.
4️⃣ COUNTA
4️⃣ تعداد همه سلولهای غیر خالی در یک مجموعه داده را محاسبه میکند، چه عدد باشد، چه متن، چه علامت نقطه گذاری، و غیره.
5️⃣ MAX
5️⃣ بزرگترین مقدار در یک مجموعه داده را پیدا میکند.
6️⃣ MIN
6️⃣ کوچکترین مقدار را در یک مجموعه داده پیدا میکند.
#excel
〰️〰️〰️〰️〰️〰️〰️
@programming_tips