معرفی git bisect یکی از ویژگی‌های پنهان ولی مفید ابزار git!
https://youtu.be/YGTKtnmQuMo

کتابخانه scikit learn یکی از کتابخانه‌های معروف در زمینه یادگیری ماشین هست که با یک رابط کاربری ساده امکان دسترسی به مدل‌های مختلف یادگیری ماشین را به شما می‌ده. در این ویدیو ۶ کاربرد اصلی این کتابخانه رو معرفی می‌کنیم و بعد از آن در یک مثال واقعی خوش‌‌خیم یا بدخیم بودن غده‌های سرطانی را با این کتابخانه پیش‌بینی می‌کنیم.
https://youtu.be/qY-BT5_i-5U

وقتی از تحلیل‌داده صحبت می کنیم معمولا ذهن ما به تحلیل رفتار مشتری، میزان فروش و مواردی شبیه به این بره ولی تحلیل داده در همه جا می‌تونه کاربرد داشته باشه. یک از کاربردهای جذاب اون می‌تونه توی ورزش و به صورت خاص فوتبال باشه. توی این ویدیو یک دیتاست فوتبالی رو بررسی می‌کنیم و با استفاده از ابزارهایی که داریم سعی می‌کنیم ویژگی‌های پنهانی را از درون این دیتاست بیرون بکشیم.
https://youtu.be/R-PxUQn8ZP8

توی این قسمت از تحلیل داده فوتبالی سعی می‌کنم با استفاده از اطلاعاتی که از شوت‌های بازیکنان داریم، از یک مدل یادگیری ماشین کمک‌ می‌گیریم تا بتونیم احتمال گل‌شدن توپ رو دقیقا در لحظه شوت پیش‌بینی کنیم.
برای اینکار
- اول داده‌های خام رو بررسی می‌کنیم و ویژگی‌های اثرگذار را پیدا می‌کنیم
- بعد از اون ویژگی‌های جدیدی که ممکنه به پیش‌بینی بهتر کمک کنه رو از ویژگی‌های قبلی می‌سازیم.
- از بین مدل‌های مختلف سعی می‌کنیم مدلی که بهترین پیش‌بینی را برای داده‌‌ها داره انتخاب می‌کنیم.
ممنون می‌شم این ویدیو رو با دوستانتون با اشتراک بگذارید و اگر نکته‌ای دارید اینجا یا در یوتوب با من در میان بگذارید:
https://youtu.be/tp-nStjw5w8

معرفی کتابخانه #FastApi - قسمت اول
یکی از راه‌های ارائه خدمات، ارائه آن‌ها بر بستر Api‌ است. کتابخانه FastApi یک راه‌حل سریع برای تبدیل کدها به یک Api است.
در این ویدیو ویژگی‌های اصلی کتابخانه را معرفی می‌کنیم.
در قسمت‌های بعدی با جزئیات بیشتر در مورد کتابخانه صحبت می‌کنیم و یک Api برای تحلیل‌ سهام با استفاده از کتابخانه #pandas آماده می‌کنیم.

https://www.youtube.com/watch?v=iBKxv--kn8Y

قسمت دوم معرفی کتابخانه FastApi.
معرفی مفهوم REST
بررسی دقیق‌تر امکانات و مستندات خروجی FastApi

https://youtu.be/ai2O3egkhNM

قسمت سوم آموزش FastApi
ساخت یک کلاس برای تحلیل سهم‌ها از سایت tsetmc
و اتصال آن به api که در قسمت قبل درست کردیم.
با اینکار می‌تونیم یک سرویس آنلاین برای تحلیل سهام درست کنیم که با هر درخواست به صورت آنی سهم را تحلیل می‌کنه و خروجی را به صورت json در اختیار ما قرار میده.
https://www.youtube.com/watch?v=HfgBcDF_w_Q

توی ویدیوی پایانی آموزش FastApi از پایتون فاصله می‌گیریم و با استفاده از سرویس Heroku به راحتی سرویسی که در ویدیو‌های قبلی ساختیم در اختیار بقیه قرار بدیم.

#FastApi
#Heroku

https://www.youtube.com/watch?v=TFXoB7-g7Z4

لینک سرویس نهایی:

https://frozen-shore-83440.herokuapp.com/stock/35700344742885862

برای ساخت ویدیوی آموزش sql نیاز داشتم که یک دیتابیس مجزا برای اینکار آماده کنم. برای این موارد من معمولا از داکر استفاده می‌کنم. بنظرم رسید که بد نیست استفاده معمولی از این ابزار دوست‌داشتنی و نسبتا ترسناک رو آماده کنم.
امیدوارم که بدرد بخور باشه:
https://youtu.be/5LwSaz5EOAQ

یکی از انتقادهایی که به پایتون میشه سرعت پایین اون در مقایسه با زبان‌های کامپایلری است.
توی این ویدیو با ابزاری آشنا می‌شیم که با همون سادگی پایتون سرعت اجرای کدها رو تا چندبرابر افزایش داد.
در این مثال ۱۴۲ برابر.
#ویدیو
#پایتون
#numba
https://youtu.be/x3eL3tTd6Fw

گپ و گفت بین من و مهدی عزیز برای یادگیری ویژگی‌های پیش‌رفته پایثون. به زودی چند ویدئو از گفت و گوی‌مان را به اشتراک می‌گذاریم.

قسمت اول از مجموعه ویدیو‌هایی که با حامد قدوسی @hamedghoddusi در حال ضبطشون هستیم، منتشر شد. توی این ویدیو‌ها سعی می‌کنیم تا تا در مورد کاربرد #پایتون برای تحلیل‌های اقتصادی از دریافت اطلاعات تا پردازش اون صحبت کنیم و قدم به قدم یک پروژه واقعی رو پیش ببریم.
موضوع پروژه‌ای که مطرح شده بخاطر دسترسی به اطلاعات، آموزش‌های جانبی و جذابیت موضوع ارزیابی اثر واکسنیاسیون در ایالات مختلف آمریکاست.
در بخش اول به صورت مشخص سعی می‌کنیم راه‌حل‌های مختلف برای دریافت خودکار این اطلاعات رو بررسی کنیم.

لینک ویدیو
#چای‌با‌پایتون

زبان sql یکی از ابزارهای شناخته شده برای کار با داده‌هاست. خیلی از ما از این زبان فقط برای فراخوانی و ذخیره داده‌ها در دیتابیس‌ها از این زبان استفاده می‌کنیم ولی این زبان محدود به اینکار نیست و توانایی گسترده‌ای برای کار با داده‌ها دارد.
در مجموعه ویدیو‌های #sql‌برای‌آمار سعی می کنیم ویژگی‌های کمتر شناخته شده این زبان را بررسی کنیم.

در ویدیوی اول یک دیتابیس #postgresql را با کمک داکر راه‌اندازی می‌کنیم و با یک دیتای تصادفی برای استفاده‌های آتی یک جدول آماده می‌کنیم:

https://youtu.be/xmB0Q-Q8gag

بعد از حدود ۲ ماه که با تغییری توی سایت tsetmc بسته بورس تهران در پایتون دچار مشکل شده بود و امکان دریافت اطلاعات رو نداشت بروزرسانی شد. نسخه 0.9.0ش رو می‌تونید به راحتی با دستور زیر نصب کنید:
pip install tehran-stocks
اگر دفعه اولی هست که با این بسته‌ آشنا می‌شید می‌تونید از طریق گیتهاب یا لینک ویدیوی زیر اطلاعات بیشتری کسب کنید:

https://github.com/ghodsizadeh/tehran-stocks
https://www.youtube.com/watch?v=SQivGBZYAZc&t=23s

قسمت دوم مجموعه #چای‌با‌پایتون هم منتشر شد.
هدف این ویدیو بررسی راه‌های دیگه برای دریافت دیتا بود ولی در کنارش در مورد ابزار جذاب سلنیوم صحبت کردیم و سعی کردیم علاوه بر دریافت و تجزیه داده‌ها از سطح وب برخی کارها مثل تغییر یا کلیک‌کردن بر روی المان‌های سطح وب را انجام بدیم و در مورد تفاوت‌های تجزیه دیتا در پایتون در مقایسه با متلب یا زبان‌های مشابه صحبت کردیم:

https://youtu.be/XYB4fQbQ35U

یادداشت‌هایی از پایتون برای حرفه‌ای‌ها:

یک کتاب کامل برای یادگیری و مرور نکات پایتون که توش از مفاهیم ساده مثل انواع داده و توابع تا مباحث پیچیده مثل Asyncio ، استفاده از postgreSQL و parallel computing گفته شده.

و در کنار همه این‌ها مهم اینه که رایگانه.
@learn_with_mehdi
@ai_python