عبور پایتون از سد جاوا، رشد عظیم جامعه اپن سورس ایران

نچه از گزارش اخیر مایکروسافت برمی‌آید، آن است که برنامه‌نویسان عاشق زبان پایتون هستند.

زبان برنامه‌نویسی پایتون با پیشی‌گرفتن از جاوا که زمانی زبان غالب برنامه‌نویسی بود، به دومین زبان پرطرفدار برنامه‌نویسی در گیت‌هاب (GitHub)، سایت متعلق به مایکروسافت برای به‌اشتراک‌گذاری کدهای متن‌باز، تبدیل شد. پایتون اکنون موفق شده است جاوا را براساس تعداد مشارکت‌کنندگان در منبع پشت‌سر بگذارد و بر این مبنا، این زبان برنامه‌نویسی اکنون پس از جاوااسکریپت که از سال 2014 در رتبه‌ی اول جا خوش کرده است، دومین زبان پرطرفدار به‌شمار می‌آید. آمار ارائه‌شده براساس گزارش رتبه‌بندی Octoverse برای سال 2019 به‌دست آمده است. کسب رتبه‌ی دوم در این سایت نقطه‌ی عطف بزرگی برای پایتون 30 ساله است که خالق آن، خیدو فن‌روسوم (Guido van Rossum)، در همین هفته و پس از ترک سِمَت خود در شرکت ذخیره‌سازی کلاد دراپ‌باکس (Dropbox)، اعلام بازنشستگی کرد. بیشتر خدمات پیشرفته و اپلیکیشن‌های دسکتاپ این شرکت با استفاده از پایتون نوشته شده‌اند. جنبه‌ی جالب دیگر گزارش گیت‌هاب، رتبه‌بندی زبان‌ها براساس سرعت رشد آن‌ها است. زبان برنامه‌نویسی دارت گوگل و فریم‌ورک فلاتر که برای تولید رابط‌های کاربری برای برنامه‌های تحت اندروید و iOS کاربرد دارد، بیشتر از سایر زبان‌ها مدنظر برنامه‌نویسان در گیت‌هاب قرار گرفته است. در سال‌های 2018 و 2019، دارت از بیشترین رشد برخوردار بوده و استفاده از آن در میان برنامه‌نویسان، 532 درصد بیشتر شده است. همچنین، زبان راست (Rust) موزیلا با رشد چشمگیر 235 درصد، پس از دارت در رتبه‌ی دوم قرار دارد.
نمودار زبان‌های برنامه‌نویسی برتر در گیت‌هاب در پنج سال گذشته بیانگر افزایش محبوبیت پایتون است.
گیت هاب اکنون از 40 میلیون توسعه‌دهنده میزبانی می‌کند پایتون محبوب‌ترین زبان برنامه‌نویسی 2019 لقب گرفت زبان برنامه‌نویسی جاوا 13؛ ابزاری برای بهره‌وری بیشتر برنامه‌نویسان
زبان برنامه‌نویسی راست برای برطرف‌کردن باگ‌های امنیتی مرتبط‌ با حافظه طراحی شده که رایج‌ترین نقص امنیتی در نرم‌افزارهای مایکروسافت در یک دهه‌ی گذشته بوده است؛ به‌همین‌دلیل، مایکروسافت آن را در پایگاه کدهای ویندوز خود استفاده و آزمایش می‌کند. سال گذشته، زبان برنامه‌نویسی کاتلین، زبان تأییدشده‌ی گوگل برای تولید برنامه‌های اندرویدی، بیشترین روند رشد را در گیت‌هاب تجربه کرد؛ اما با وجود رشد 182 درصدی در طول سال، دیگر در میان 10 زبان برتر 2019 مشاهده نمی‌شود. زبان تایپ‌اسکریپت هم که مایکروسافت از آن پشتیبانی می‌کند و یکی از مجموعه‌های مافوق جاوااسکریپت به‌شمار می‌آید، با 161 درصد رشد سریعی در سال گذشته تجربه کرد. دلیل رشد سریع این زبان برنامه‌نویسی را می‌توان به تعداد زیاد برنامه‌نویسانی نسبت داد که از آن برای دست‌وپنجه نرم‌کردن با برنامه‌های بزرگ نوشته‌شده با جاوااسکریپت استفاده می‌کنند. زبان‌های دیگری که درزمره‌ی 10 زبان دارای بیشترین سرعت رشد در سال‌های 2018 و 2019 قرار می‌گیرند، عبارت‌اند از: اچ‌سی‌ال، پاورشل، اپکس، ‌پایتون، اسمبلی و گو (Go). دارت: 532 درصد راست: 235 درصد اچ‌سی‌ال: 213 درصد کاتلین: 182 درصد تایپ‌اسکریپت: 161 درصد پاورشل: 154 درصد اپکس: 151 درصد پایتون: 151 درصد اسمبلی: 149 درصد گو: 147 درصد قهرمان اصلی گزارش گیت‌هاب پایتون است که محبوبیتش را مدیون طرفداران علوم داده‌ای و علاقه‌مندان به سرگرمی و غنای کتابخانه‌های علوم داده‌ای، مانند نامپای است که این فرصت را دراختیار برنامه‌نویسان قرار داد تا کدهای پایتون را برای امور مربوط‌ به یادگیری ماشین به‌کار بگیرند. بخشی از انگیزه‌ی مایکروسافت برای راه‌اندازی دوره‌های رایگان آموزش برنامه‌نویسی با پایتون در ماه‌های گذشته، جلب توجه برنامه‌نویسان به خدمات هوش مصنوعی آن در آژور است. یکی دیگر از نشانه‌های رونق علوم داده‌ای در گیت‌هاب، رشد نوت‌بوک‌های ژوپیتر است که محیطی برای نوشتن و اجرای کدها با پشتیبانی از پایتون و آر و جولیا است.

خیدو فن‌روسوم، خالق زبان برنامه‌نویسی پایتون، هفته‌ی گذشته بازنشسته شد. علاوه‌بر آنچه گفته شد، گیت‌هاب در چند سال گذشته روی مسئله‌ی امنیت نیز سرمایه‌گذاری و توجه زیادی به کمک به برنامه‌نویسان برای یافتن و برطرف‌سازی آسیب‌پذیری‌ها در کتابخانه‌های نرم‌افزاری متن‌باز یا نرم‌افزارهای وابسته به آن‌ها کرده است. مسئولان شرکت می‌گویند هشدار آن‌ها به برنامه‌نویسان موجب ترمیم بیش‌از 7٫6 میلیون وابسته در همین سال شد. همچنین، این کار به انتشار بیش‌ از 209 هزار ترمیم خودکار ازطریق سرویس رایگان Dependabot آن انجامیده است که ماه مه گذشته راه‌اندازی شد. بیش‌ از 10 هزار همکار در بزرگ‌ترین پروژه‌های متن‌بازی که در‌حال‌حاضر در گیت‌هاب قرار دارند، مشغول همکاری هستند. بزرگ‌ترین پروژه تا زمان حال، ویژوال استودیو کد (Visual Studio Code) است که به محیط برنامه‌نویسی بسیار محبوبی برای برنامه‌نویسان فعال در پلتفرم گوگل تبدیل شده است. پروژه‌ی ویژوال استودیو کد، 19،100 مشارکت‌کننده دارد. البته مایکروسافت پیش از آنکه شرکت گیت‌هاب را تصاحب کند، بزرگ‌ترین مشارکت‌کننده در پروژه‌های متن‌باز آن به‌شمار می‌آمد. پروژه‌های دیگری که بیش‌ از 10 هزار مشارکت‌کننده دارند، عبارت‌اند از: مستندسازی مایکروسافت آژور و فلاتر و فرست کانتریبیوشنز (First Contributions). نکته‌ی مهمی که در این گزارش به‌چشم می‌خورد، مربوط‌به متن‌باز‌بودن و استفاده‌ی گیت‌هاب به‌وسیله‌ی کشورهایی است که با تحریم‌های آمریکا مواجه هستند. در ابتدای همین سال، گیت‌هاب دسترسی کاربران ساکن در کریمه و ایران را محدود کرد. این شرکت نمی‌خواهد کاری بیشتر از این انجام دهد که در قانون ایالات متحده‌ی آمریکا لازم دانسته شده است.
در ژوئیه، گیت‌هاب به کاربران خود در کشورهای تحریم‌شده پیشنهاد کرد از سرور تجاری گیت‌هاب (GitHub Enterprise Server) استفاده کنند که نسخه‌ی پولی و یک‌بار خرید (on-premise) این وب‌سایت برای میزبانی کدها به‌صورت شخصی است؛ اما این وب‌سایت دیگر نمی‌تواند مجوز استفاده از محصول خود را به‌صورت قانونی به کشورهای تحریم‌شده بفروشد. کاربران ساکن در کشورهای تحریم‌شده همچنان می‌توانند در مخازن عمومی مشارکت کنند. در بخش سؤال‌ها و جواب‌های مطرح‌شده (FAQ) در سایت گیت‌هاب، درباره‌ی تحریم‌های تجاری ایالات متحده‌ی آمریکا آمده است: سرور تجاری گیت‌هاب را نمی‌توان به هیچ‌کدام از کشورهای مندرج در فهرست کشورهای گروه E:1 در الحاقیه‌ی شماره‌ی 1 تا بخش 740 در قسمت EAR یا به منطقه‌ی کریمه واقع در اوکراین فروخت. این فهرست در‌حال‌حاضر شامل کشورهای کوبا، ایران، کره‌‌شمالی و سوریه است؛ اما احتمال تغییر آن وجود دارد. این محدودیت‌ها موجب بروز مشکلاتی در مسیر رشد گیت‌هاب شده است. دراین‌زمینه، در گزارش Octoverse آمده است: برنامه‌نویسان ایرانی دومین گروه با بیشترین نرخ رشد در پروژه‌های متن‌باز ایجادشده در مخازن عمومی گیت‌هاب هستند.

📚خلاصه مواردی که در درس دوم کار کردیم:

📗کار با متون در جملات

📕تقسیم جملات به کلمات و کلمات به کارکتر

📒پیدا کردن کلمات منحصر به فرد(حذف موارد تکراری)

📘کار با متن در سندهای فایل

دریافت کدهای درس دوم
حجم: 3.08 کیلوبایت

کار با متن در پایتون (6)

✅ مثالهای گوناگون

🔹 تابع split بصورت پیش فرض رشته ها رو از طریق space یا همون فاصله جدا میکنه و کلمات رو استخراج میکنه، اما ما میتونیم داخل پرانتز کارکتر دلخواه خودمون رو بعنوان میعار جدا کردن در نظر بگیریم. مثال زیر رو ببنید:

>>> text4 = "ouagadougou"

>>> text5 = text4.split('ou')

>>> text5

['', 'agad', 'g', '']

▪️خوب در مثال بالا رشته رو بر اساس کارکتر ou جدا کرد.دقت کنید که ما text4 رو نمیتونیم بر اساس میعار فاصله جدا کنیم چون هیچ فاصله ای در این رشته وجود نداره و اگر داخل پرانتر دستور split خالی باشه به ارور خواهیم خورد.

🔹 در دوره مقدماتی در مورد لیست صحبت کردیم و اگر بخواهیم text4 رو تبدیل به لیست کنیم کارکتر به کارکتر داخل یک لیست برامون قرار میده.

>>> list(text4)

['o', 'u', 'a', 'g', 'a', 'd', 'o', 'u', 'g', 'o', 'u']

🔹با استفاده از حلقه for هم امکان ایجاد لیست فوق وجود داره، مثال رو ببنید.

>>> [c for c in text4]

['o', 'u', 'a', 'g', 'a', 'd', 'o', 'u', 'g', 'o', 'u']

🔹 حالا اگر بخواهیم دوباره ou رو به text5 متصل کنیم از دستور join برای اینکار استفاده میکنیم.و نحوه استفاده بصورت زیر خواهد بود

>>> 'ou'.join(text5)

'ouagadougou'

🔹یک رشته جدید تو این مثال خواهیم زد که ابتدای رشته دوتا فاصله وجود داره؛ ما اول میاییم با دستور split کلمات رو جدا میکنیم و اتفاقی که میفته فاصله های ابتدایی رو بعنوان یک کلمه مجزا درنظر میگیره

>>> text6 = '  a quick brown fox jumped over the lazy dog'

>>> text6.split(' ')

['', '', 'a', 'quick', 'brown', 'fox', 'jumped', 'over', 'the', 'lazy', 'dog']

🔹حالا اگر بخواهیم این فاصله های اضافی رو برداریم و با توجه به اینکه این موضوع برای مباحث متن کاوی مهم هست که موارد اضافه رو حذف کنیم از دستور strip برای اینکار استفاده خواهیم کرد.

>>> text7 = text6.strip()

>>> text7.split(' ')

['a', 'quick', 'brown', 'fox', 'jumped', 'over', 'the', 'lazy', 'dog']

▪️همانطور که در بالا مشاهده میکنیم دیگر فاصله ها در لیست ما قرار ندارند.

مثال دستور find و replace

🔹 در متن جدید میخواهیم کارکتر o رو پیدا کنیم اگر از دستور find استفاده کنیم اولین کارکتر o در متن رو پیدا میکنه و اندیسش رو بعنوان خروجی برمیگردونه. (اندیس در پایتون از صفر شروع میشه)

>>> text8 = "a quick brown fox jumped over the lazy dog"

>>> text8.find('o')

10

🔹 اگر دستور rfind برای اینکار استفاده کنید آخرین کارکتر o در رشته رو پیدا میکنه، بعبارتی از آخر رشته جستجو رو انجام میده.

>>> text8.rfind('o')

40

🔹 و برای جایگزینی کارکتر o با مقدار صفر (0) میتونیم از دستور replace بصورت زیر استفاده کنیم

>>> text8.replace('o','0')

'a quick br0wn f0x jumped 0ver the lazy d0g'

🏆مسابقه نوروزی چالش پایتون

🏅به دو نفر برتر این مسابقه یکی از آموزش های چالش پایتون با انتخاب خودشان، به رایگان اهدا خواهد شد.

▪️فقط اعضای کلاس چالش پایتون در سامانه کوئرا میتوانند در این مسابقه نوروزی شرکت کنند. اگر عضو نشدید از طریق راهنمای زیر عضو شوید:

https://t.me/pythonchallenge/528

🔹مسابقه راس ساعت 13 امروز شروع خواهد شد و ساعت 23 به اتمام خواهد رسید. در شرایط مساوی زمان در تعیین رتبه تاثیرگذار می باشد.

آموزش دسته‌بندی ایمیل‌های اسپم با روش یادگیری Naive Bayes

در این دوره تمامی مراحل لازم برای ساختن یک ماشین یادگیری تشخیص ایمیل اسپم آموزش داده می‌شود. آموزش‌ها از مباحث تئوری احتمالات آغاز شده و تا یادگیری Bayesian ادامه می‌یابد. سپس مراحل لازم جهت پیاده‌سازی مباحث تئوری در پایتون از 0 تا 100 طی شده است.

مخاطبان این دوره می‌توانند روش یادگیری Bayesian را که یکی از مشهورترین شیوه‌های یادگیری ماشین (Machine Learning) می‌باشد، بصورت تئوری فراگرفته و با بکار گیری آن در عمل به درک و شهود واقعی از آن برسند.

مقدمات برنامه‌نویسی این دوره نیز بصورت کامل در آن آموزش داده می‌شود تا حتی عزیزانی که در حد مقدماتی و پایین‌تر با پایتون آَشنایی دارند، بتوانند با ما همراه باشند.

پروژه عملی آموزش داده شده در این دوره می‌تواند در کاربردهای وسیع‌تر پردازش متن، از جمله تشخیص انواع متون از یکدیگر (مثل تشخیص متون سیاسی از غیر سیاسی، ورزشی از غیر ورزشی و ...) بکار گرفته شود. این دوره برای کسانی که پیش زمینه اندکی از ماشین لرنینگ و یا آمار و احتمالات در حد مقدماتی دارند مناسب می‌باشد.

لازم به ذکر است جهت درک بهتر، در این دوره از هیچ کتابخانه آماده هوش مصنوعی و ماشین لرنینگ و دیپ لرنینگ استفاده نشده و تمامی مراحل لازم از 0 تا 100 پیاده‌سازی شده است.

📘 فرمت تمام ویدئوها بصورت mp4 می باشد که به راحتی با نرم افزارهای پخش مدیا اجرا خواهند شد.

📘 در صورت بروز هر گونه مشکل در خرید و دانلود با پست الکترونیکی [e-mail] با ما در ارتباط باشید.

📘 سرفصل دوره در بخش زیر قابل مشاهده می‌باشد، بخش‎‌های که به رنگ آبی است بصورت رایگان قابل دانلود می‌باشد.

قیمت: ۵۰,۰۰۰ تومان

 

برای مشاهده سرفصل دوره کلیک کنید

پایتون، زبانی که برنامه‌ نویسی کامپیوتر را همه‌گیر کرد

زبان برنامه‌نویسی پایتون کاربردهای گسترده‌ای دارد و برنامه‌نویسان حرفه‌ای در سازمان‌های بزرگی مانند گوگل، اسپاتیفای، پیکسار و حتی آژانس اطلاعات مرکزی از آن استفاده می‌کنند.

خیدو فان‌روسوم، دانشمند علوم رایانه هلندی تصمیم گرفت در دسامبر ۱۹۸۹ در تعطیلات کریسمس روی پروژه‌ای شخصی کار کند. او که از کم‌وکاستی‌های دیگر زبان‌های برنامه‌نویسی رایانه خسته شده بود، دست به کار شد و زبان برنامه‌نویسی خودش را ساخت. فان‌روسوم برای ساخت زبان برنامه‌نویسی‌اش سه اصل ساده و ابتدایی داشت:

• ۱. زبانی که می‌سازد باید خوانا و یادگیری آن آسان باشد؛ به‌همین‌دلیل در هر کد در زبان برنامه‌نویسی پایتون به‌جای براکت‌های درهم، از تورفتگی (وایت‌اسپیس) استفاده می‌شود.
• ۲. به کاربران اجازه دهد بسته‌های خاص خود را برای ماژول‌های برنامه‌نویسی بسازند.
• ۳. زبان ساخته‌شده نامی کوتاه و خاص و کمی مبهم داشته باشد.

فان‌روسوم برای انتخاب نام زبان برنامه‌نویسی خود از گروه کمدی انگلیسی به‌نام مونتی پایتون (Monty Python) الهام گرفت و نام آن را پایتون گذاشت. همچنین نام package repository این زبان برنامه‌نویسی از نام یکی از قسمت‌های کمدی محبوب فان‌روسوم، یعنی چیزشاپ (Cheese Shop)، انتخاب شده است.

تقریبا سی سال بعد از اختراع فان‌روسوم، این زبان برنامه‌نویسی محبوب شد و تعداد جست‌وجوهای پایتون در گوگل از تعداد جست‌و‌جوهای کیم کارداشیان، ستاره‌ی هالیوودی پیشی گرفت. تعداد پرس‌وجوها درباره‌ی زبان برنامه‌نویسی پایتون تا سال ۲۰۱۰ بیش از سه برابر شده بود؛ درحالی‌که نمودار تعداد پرس‌وجوی دیگر زبان برنامه‌های نویسی معمولا با گذشت زمان، یکنواخت یا حتی نزولی است.

براساس گزارش انجمن برنامه‌نویسی اِستَک اُوِرفِلو (StackOverflow)، زبان پایتون نه‌تنها میان توسعه‌دهندگان حرفه‌ای محبوبیت پیدا کرده؛ بلکه مردم عادی نیز به آن علاقه‌مند شده بودند. وبگاه کُدِکادِمی (Codecademy)، یکی از وبگاه‌های شناخته‌شده در زمینه‌ی آموزش زبان‌های برنامه‌نویسی نیز اعلام کرده پایتون یکی از زبان‌های محبوبی است که کاربران برای یادگرفتن آن به این وبگاه مراجعه می‌کنند.

زبان برنامه‌نویسی پایتون باعث شده بسیاری از افراد سردرگم در دنیای برنامه‌نویسی راه خود را پیدا کنند. پایتونیست‌ها (طرفداران پایتون) با کمک یکدیگر بیش از ۱۴۵هزار بسته‌ی نرم‌افزاری به Cheese Shop پایتون اضافه کرده‌اند که موضوعات مختلفی از نجوم تا توسعه‌ی بازی را پوشش می‌دهد.

فان‌روسوم، مخترع زبان برنامه‌نویسی پایتون، از محبوبیت نرم‌افزار خود لذت می‌بُرد؛ اما فشار نظارتی و لقبی که به او داده بودند، یعنی «دیکتاتور خیرخواه جاویدان» باعث شد از مدیریت زبانی که اختراع کرده کنار بکشد. او از این موضوع وحشت داشت که به بُت زندگی مردم تبدیل شود و دراین‌باره گفت:

من مشهوربودن را دوست ندارم و احساس راحتی نمی‌کنم؛ حتی گاهی اوقات احساس می‌کنم هر حرفی که می‌زنم یا هر کاری که انجام می‌دهم، بیش‌ازاندازه به آن توجه می‌شود.

درنهایت، او در ۱۲جولای سال جاری، پایتونیست‌ها را در مدیریت پایتون تنها گذاشت.

گسترش و محبوبیت زبان پایتون

پایتون زبان کاملی نیست و درمقایسه‌با سایر زبان‌های برنامه‌نویسی بهره‌وری و قابلیت‌های تخصصی کمتری دارد. به‌عنوان مثال، C و ++C زبان‌های سطح پایین‌تری هستند که به کاربر کنترل بیشتری روی پردازنده‌ی رایانه می‌دهند. زبان برنامه‌نویسی جاوا در ساخت اپلیکشین‌های بزرگ و پیچیده به‌کار گرفته می‌شود و جاوا اسکریپت برای ساخت اپلیکیشن‌های تحت وب مناسب است. زبان‌های برنامه‌نویسی دیگری نیز وجود دارند که هرکدام برای هدفی خاص استفاده می‌شوند.

بااین‌حال، سینتکس پایتون یا نحوه‌ی نوشتن آن به‌اندازه‌ای ساده است که یادگیری آن را آسان می‌کند. همچنین، وجود بسته‌های نرم‌افزاری شخص ثالث، پایتون را به زبانی همه‌منظوره تبدیل کرده که تطبیق‌پذیری آن با استفاده‌ی گسترده‌ی و کاربران زیاد آن ثابت شده است. برای نمونه، آژانس اطلاعات مرکزی از زبان برنامه‌نویسی پایتون برای هک‌کردن، شرکت فیلم‌سازی پیکسار از آن برای ساخت فیلم، گوگل برای کرال‌کردن صفحات وب‌سایت و اسپاتیفایدر سیستم پیشنهاد آهنگ به کاربران خود از پایتون بهره گرفته‌ است.

یکی از بسته‌‌های نرم‌افزاری کاربردی و جذاب پایتون برای پایتونیست‌ها در Cheese Shop، هوش مصنوعی است. کاربران به کمک این زبان می‌توانند شبکه‌هایی عصبی بسازند که از ارتباطات مغز برای پیداکردن الگوی بین داده‌های حجیم استفاده می‌کند. فان‌روسوم می‌گوید پایتون به زبان برنامه‌نویسی محبوب محققان هوش مصنوعی تبدیل و بسته‌های نرم‌افزاری زیادی برای آن ساخته شده است.

البته همه‌ی پایتونیست‌ها تا این اندازه جاه‌طلب نیستند. زک سیمز، رئیس وبگاه Codecademy معتقد است بسیاری از بازدیدکنندگان وب‌سایت دنبال مهارت‌هایی هستند که در کارهای غیرفنی به آن‌ها کمک کند. به‌عنوان مثال، بازاریابان از پایتون برای ساخت مدل‌های آماری استفاده می‌کنند که میزان تأثیرگذاری پویش تبلیغاتی را اندازه‌گیری می‌کند. دانشجویان برای بررسی درستی توزیع نمره‌ها از پایتون بهره می‌گیرند و حتی روزنامه‌نگاران به‌منظور جمع‌آوری داده‌های مدنظرشان با پایتون برنامه‌نویسی می‌کنند. پایتون همچنین برای کاربران حرفه‌ای صفحه‌گسترده (Spreadsheets) دردسترس است.

استفاده از این زبان ‌برنامه‌نویسی بسیار گسترده شده است؛ به‌طوری‌که حتی سیتی‌گروپ (Citigroup)، یکی از بانک‌های آمریکایی، دوره‌ی پایتون برای تحلیل‌گران کارآموز برگزار می‌کند. وب‌سایت کاریابی eFinancialCareers نیز گزارش داده تعداد متقاضیان مربی پایتون در سال‌های ۲۰۱۵ تا ۲۰۱۸ بیش از چهار برابر شده است. بااین‌حال، برخی تحلیل‌گران از افزایش محبوبیت این زبان ابراز نگرانی کرده‌اند. سیزر برا، مشاور شرکت Bain & Company، درباره‌ی محبوبیت زبان پایتون هشدار داده و گفته است:

ترسناک‌ترین موضوع در فراگیرشدن یک ابزار این است که شخصی نحوه‌ی استفاده از آن را یاد گرفته؛ اما نمی‌داند از درون چگونه کار می‌کند. شخصی که کار با پایتون را به تازگی یاد گرفته است، بدون نظارت فردی حرفه‌ای به نتایج دقیقی دست پیدا نخواهد کرد.

ربات جهانی فان‌روسوم

یکی از راه‌حل‌ها برای ازبین‌بردن مشکل کاربران تقریبا تازه‌کار این است که تمام جوانب زبان برنامه‌نویسی به آن‌ها آموزش داده شود. پایتون محبوب‌ترین زبان مقدماتی در دانشگاه‌های آمریکا در سال ۲۰۱۴ بوده است؛ اما فقط در رشته‌های علوم، فناوری، مهندسی و ریاضی آموزش داده می‌شود. یکی از راه‌حل‌های کاربردی این است که علوم رایانه از دوران ابتدایی مدرسه به دانش‌آموزان آموزش داده شود. هادی پرتوی، رئیس بنیاد Code.org می‌گوید:

۴۰درصد مدارس آمریکا درحال‌حاضر چنین درس‌هایی برای دانش‌آموزان دارند؛ درحالی‌که در سال ۲۰۱۳، تنها ۱۰درصد آن‌ها برنامه‌نویسی را به دانش‌آموزان یاد می‌دادند. حدود دوسوم کودکان ده تا دوازده‌ساله در وبگاه Code.org حساب کاربری دارند. اگر پیشرفت‌کردن و خودکارشدن کارها به‌همین ترتیب ادامه پیدا کند، شاید ۹۰درصد والدین آمریکایی خواستار آموزش علوم یارانه به فرزندانشان شوند.

اینکه پایتون تا چه اندازه رشد می‌کند، هنوز معلوم نیست. زبان‌های برنامه‌نویسی بسیار محبوبی در گذشته وجود داشته‌اند که امروزه چندان طرفدار ندارند و به حاشیه رفته‌اند. در سال ۱۹۶۰، زبان برنامه‌نویسی فورترن (Fortran) در کل دنیا محبوب شده بود و به کارآموزان آموزش داده می‌شد. بیسیک (Basic) و پاسکال (Pascal) نیز از دیگر زبان‌هایی هستند که روزگاری در اوج محبوبیت بوده‌اند. هادی پرتوی نیز زبان جاوا اسکریپت را به‌عنوان زبان اصلی سایت Code.org انتخاب کرده است؛ زیرا انتخاب استاندارد برای انیمیشن‌سازی صفحات وب است.

هیچ زبان برنامه‌نویسی نمی‌تواند به شکل همه‌منظوره استفاده شود و تعیین محدوده و تخصص برای هرکدام از آن‌ها ضروری است. بااین‌حال، نمی‌توان این حقیقت را انکار کرد که خیدو فان‌روسوم زبانی را اختراع کرد که همیشه در یاد برنامه‌نویسان خواهد ماند.

منبع ECONOMIST

5 نکته ای که یک برنامه نویس پایتون قبل از ورود به حوزه اقتصاد باید بداند:

نویسنده : Robert Carver

مترجم : آزاده رضازاده همدانی

امروزه برنامه نویسی پایتون یکی از پرتقاضاترین شغل ها در صنعت بانکداری و بیمه محسوب می شود.خوشبختانه فراگیری زبان پایتون بسیار اسان بوده به گونه ای که در مدارس ابتدایی انگلستان برای آموزش مفاهیم پایه برنامه نویسی از این زبان استفاده می­شود. اگر هدف شما از یادگیری پایتون ورود به دنیای سرمایه گذاری و اقتصاد است , بهتر است قبل از شروع چندین نکته را بدانید:

1-    کدام نسخه پایتون مناسب شما است؟ پایتون 2  یا پایتون 3 ؟

معمولا نسخه های جدید یک زبان, علاوه بر دارا بودن امکاناتی جدید, از نسخه های قدیمی نیز پشتیبانی می کنند. این بدین معنی است که با ارتقاء نسخه, همچنان کدهای قبلی نوشته شده قابل اجرا هستند. اما این قانون در مورد پایتون 3 برقرار نیست. بعبارتی پایتون 3 هرگز قادر به پشتیبانی برنامه های نوشته شده با پایتون 2 نمی باشد.  به همین دلیل پس از حدود 10 سال که از ارایه نسخه 3 پایتون می گذرد, نسخه 2 همچنان پشتیبانی می شود. البته ارایه نسخه جدید برای پایتون 2 متوقف شده است. ولی همچنان بطور گسترده در صنعت تجارت و امور مالی و اقتصادی کاربرد دارد.

این امر واضح است که انتخاب نسخه های جدید پایتون 3 و بهره گیری از امکانات جدید آن,  به پیشبرد پروژه های جدید کمک بیشتر خواهد کرد اما گاهی ممکن است در شرایط کاری قرار بگیرید که مجبور به کار با پایتون 2 باشید.پس بهتر است خود را از هم اکنون برای کار با هر نسخه پایتون آماده کنید.

 

2-    کتابخانه های موردنیاز

هسته اصلی پایتون بسیار سبک است بنابراین برای هر هدف و منظوری که دارید باید ابتدا کتابخانه مربود به آن را به هسته اصلی اضافه نمایید. این کتابخانه ها , توابعی را برای اجرای عملیات محاسبات ریاضی, کار با تقویم, کار با داده ها و یا انجام کارهای سیستمی در اختیار شما قرار می دهند.

برای استفاده از پایتون در پروژه های مالی ,  شما به کتابخانه های : numpy (برای کار با آرایه های بزرگ و عملیات مربوط بر روی آنها) , Scipy ( عملیات آماری و توابع ریاضی پیشرفته) , matplotlib (نمایش داده)   نیاز دارید. همچنین به منظور کار های پیچیده تر به کتابخانه های tensorflow( برای بکارگیری الگوریتم های یادگیری ماشین) , pandas ( برای کار با داده ها) و کتابخانه pedigree که توسط شرکت بزرگ AQR پیاده سازی شده است نیاز خواهید داشت.

لازم بذکر است که میتوان از نرم افزار anaconda برای نصب پایتون و هر یک از کتابخانه های دلخواه بهره گرفت.

3-    چگونه میتوان مشکل سرعت را در پایتون حل کرد؟

ممکن است برنامه نویسانی که با زبان هایی مثل c,c++ , Java و ... کار کرده باشند , پایتون را کندتر بدانند هرچند که پایتون در مقایسه با سایر زبانهای محاسباتی مثل Matlab و R از سرعت بالاتری برخوردار می باشد. عموما برنامه نویسان از اغراق در مورد سرعت کدهای ود و کارایی آن لذت می برند اما در واقع بسیاری از کدها چندان ضرورتی برای اجرای سریع ندارند. پایتون در شرایطی که مجبور به اجرای عملیات تکراری بر روی مجموعه داده های بزرگ باشد , بسیار کند و آهسته عمل می کند.

خوشبختانه برای این مشکل یک راه خوب وجود دارد. شما به راحتی می توانید کدهای نوشته شده به زبان های c و c++ را در پایتون جایگذاری نموده و از سرعت و کارایی آنها بهره مند شوید. پس حتما نحوه انجام این کار را فرا بگیرید!

 

4-    پایتون قابلیت کار با داده های حجیم را دارد

شرکت های سرمایه گداری و مالی بزرگ, این روزها به دنبال استفاده از آخرین تکنولوژی های روز دنیا هستند که با منابع جدید داده در ارتباط می باشند. نکته مشترک کلیه منابع داده, حجیم و بزرگ بودن آنهاست. به طور مثال برای استفاده از داده های twitter برای پیش بینی تمایلات بازار , ایده بسیار خوبی است. اما روزانه حدود 500 میلیون توییت جدید تولید می شود که دخیره سازی , پردازش و تحلیل این حجم عظیم داده , فرایندی بسیار پیچیده می باشد.

خوشبختانه پایتون با استفاده از کتابخانه های spark و Hadoop با این قضیه کنار آمده است . واسط های کاربری نیز برای ارتباط پایتون با پایگاه داده هایی غیر از SQL مثل MongoDB و یا ارتباط با provider های فضای ابری پیاده سازی شده اند.

 

5-    از GIL نترسید!

GIL مخفف عبارت Global Interpreter Lock مکانیزمی است که مفسرهای زبان های برنامه نویسی از آن برای همگام سازی thread ها استفاده می کنند . به عبارتی مفسری  که از GIL استفاده می کند تنها در هر لحظه قادر به اجرای یک Thread بر روی پردازنده خواهد بود حتی اگر پردازنده دارای امکانات پردازش چند هسته ای باشد! این ویژگی از دید مخالفان پایتون بسیار مورد نقد واقع شده است. زیرا اجرای تنها یک Thread  در هر لحظه باعث کاهش سرعت اجرا و عدم بهره وری کامل از پردازنده های چندهسته ای می شود.  در واقعیت, چون برنامه ها زمان بسیاری را صرف اتلاف وقت برای وروودی و خروجی می کنند , استفاده از مکانیزم GIL به ندرت ایجاد مشکل می کند. هرچند که عملیات محاسباتی حساس و عظیم می تواند توسط این مکانیزم تحت تاثیر قرار بگیرد. اما باید در نظر گرفت که اجرای چنین عملیاتی بر روی سیستم های رومیزی و لپ تاپ منطقی نبوده و نوعی خودآزاری محسوب می شود! پس به عنوان راه حل می توان کدهای پیچیده خود را به طور موازی بر روی پردازنده های موجود در فضای ابری اجرا نمود.

 

در انتها شاید جالب باشد بدانید که نویسنده مقاله فوق آقای Robert Carver مدیر سابق شرکت بیمه AHL  و نویسنده کتاب های Systematic Trading و Smart Portfolios از حدود 7 سالگی شروع به یادگیری زبان های برنامه نویسی کرده است و زبان های بسیاری را آموخته اما زبانی که هر روز با آن برنامه نویسی می کند , پایتون است!

منبع (+)

رگرسیون – ویژگی ها و برچسب ها

مترجم : آزاده رضازاده همدانی

ویدئوهای آموزش یادگیری ماشین یا پایتون [کلیک کنید]

در دنباله آموزش­های یادگیری ماشین, مثال رگرسیون بر روی داده­های ارزش سهام را ادامه می­دهیم: کدهایی که در مرحله قبل نوشتیم به صورت زیر است:

در ادامه باید تعدادی از کتابخانه­ها را import کنیم:

·         numpy: داده ها را به آرایه ( numpy Array ) تبدیل کرده تا بتوان آنها را در اختیار scikit-learn قرار داد.

·         ماژول پیش پردازش Preprocessing و اعتبارسنجی CrossValidation: که بیشتر در طول کدنویسی در مورد آنها توضیح خواهیم داد. اما به طور خلاصه کافی است بدانید که پیش پردازش, مرحله پاکسازی و مقیاس بندی داده­ها قبل از شروع عملیات یادگیری ماشین و اعتبار سنجی فاز آزمایش نتایج حاصل از اجرای الگوریتم یادگیری ماشین است.

·         الگوریتم linear Regression : همان الگوریتم رگرسیون خطی است.

·         Svm: الگوریتم یادگیری ماشین به کار رفته برای نمایش نتایج

تا این مرحله داده­های سودمند را دریافت کرده­ایم اما واقعا یادگیری ماشین چگونه کار میکند؟ در یادگیری بانظارت, مجموعه­ای از ویژگی­ها Features و برچسب­ها Labels را داریم. ویژگی­ها, خصوصیات توصیفی هر نمونه و برچسب, کلاسی است که در واقع نمونه به آن تعلق دارد و قرار است توسط یادگیری ماشین, پیش­بینی شود.  یکی از مثال­های رایج در رگرسیون, پیش­ بینی ارزش حق بیمه اشخاص است. شرکت بیمه اطلاعاتی از جمله سن, سوابق تخلفات رانندگی, سوابق سوء پیشینه و میزان اعتبار بانکی شخص را جمع آوری میکند. البته این داده­ها را از طریق اطلاعات مشتریان گذشته دریافت کرده تا حق بیمه مطلوب را پیش بینی نماید. در این مثال مشخصات هر مشتری به عنوان ویژگی­ها و حق بیمه به عنوان برچسب مرتبط با هر مشتری در نطر گرفته می­شود.

در مورد مثال بالا ویژگی­ها و برچسب چگونه تعیین می­شود؟ از آنجایی که هدف پیش بینی قیمت است آیا قیمت به عنوان برچسب در نطر گرفته می­شود؟ ویژگی­ها چطور؟ ویژگی­ها عبارتند از : قیمت فعلی, درصد high-low و درصد نوسانات تغییرات. قیمت آینده Future price به عنوان برچسب در این مثال در نظر گرفته می­شود.

حال کمی جلوتر برویم و خطوطی جدید را اضافه نماییم:

در اینجا ابتدا ستونی را به عنوان ستون پیش بینی(forecast_col) تعیین می­کنیم. سپس کلیه مقادیر نامعتبر NAN(not a number) را با مقدار99999-  جایگزین می­نماییم. از آنجایی که نمیتوان یک داده ناقص با مقادیر نامعتبر را به دسته­بند یادگیری ماشین ارسال کرد لذا راهکار­های متعددی برای حذف داده­های ناقص وجود دارد. از جمله: جایگزینی مقادیر نامعتبر با مقدار 99999-  که داده را به منزله یک داده پرت تلقی می­کند. و همچنین حذف کلیه داده­های ناقص. اما این کار احتمال از دست دادن حجم عطیمی از اطلاعات مفید را ایجاد می­کند.

بر خلاف مجموعه داده مربوط به ارزش و تعداد سهام که شامل داده­های کامل و بدون نقصی می­باشد, مجموعه داده­های دنیای واقعی بسیار ناقص و نامعتبر و یا به اصطلاح کثیف Messy می­باشند. اما شما لزوما نیازی به تضمین صحت همه داده­ها نخواهید داشت و حتی میتوانید شرط ببندید که داده­های واقعی مورد استفاده در الگوریتم یادگیری ماشین حتما دارای نقص­هایی می­باشند. بنابراین باید مراحل آموزش و آزمایش نتایج را به ظور زنده بر روی داده­های واقعی یکسان با تمام ویژگی­های آنها انجام داد.

در نهایت تعداد مواردی که میخواهیم پیش­بینی کنیم تعیین می­شود (forecast_out) .در بسیاری موارد به طور مثال پیش بینی حق بیمه, "در همان لحظه", تنها به یک عدد نیاز داریم درحالی که اصولا بدنبال پیش­بینی تعداد مشخصی از داده­ها هستیم.  معمولا هدف, پیش بینی %1  تعداد کل رکورد­های موجود در دیتاست در آینده است. این بدین معنی است که مثلا با داشتن 100 روز ارزش سهام ,هدف, پیش بینی ارزش سهام در یک روز آینده است. پس آنچه ا که می­خواهید, مشخص کنید! اگر تمایل به پیش بینی قیمت فردا را دارید مقدار forecast-out=1 خواهد بود. و اگر مقدار forecast-out=10 باشد یعنی شما قابلیت پیش بینی قیمتها تا ده روزآینده (یک هفته و نیم آینده) را خواهید داشت.

در مثال اولیه مجموعه ای از مقادیر فعلی را به عنوان ویژگی و قیمت آینده (منظور از آینده %1  تعداد داده­های موجود در دیتاست می­باشد )را به عنوان برچسب در نظر گرفتیم. از آنجایی که همه ستون­های فعلی را به عنوان ویژگی در نظر گرفته ایم لذا با یک عملیات ساده موجود در کتابخانه pandas , ستونی جدید برای برچسب ایجاد می نماییم.

تا اینجا ویژگی­ها و برچسب همه نمونه ­ها  معین گردید. در مرحله بعد پس از انجام عملیات پیش پردازش , نمونه ­ها در اختیار الگوریتم رگرسیون قرار خواهند گرفت که در بخش های آینده پیرامون آن صحبت خواهد شد.

شش وب‌سایت عالی برای آموزش زبان برنامه‌نویسی پایتون

در یک دهه گذشته زبان برنامه‌نویسی پایتون به یکی از محبوب‌ترین زبان‌های کدنویسی تبدیل شده است. از توسعه‌دهندگان وب گرفته تا طراحان بازی‌های ویدئویی، از دانشمندان داده تا سازندگان ابزار خانگی بسیاری از برنامه‎‌نویسان عاشق پایتون شده‌اند. اما چرا؟ زیرا یادگیری پایتون ساده است، استفاده از آن ساده است و بسیار زبان قدرتمندی است. 

دوست دارید زبان برنامه نویسی پایتون یادبگیرید؟ در این مقاله ما چند سایت و منبع آنلاین خیلی خوب را برای آموزش پایتون به شما معرفی می‌کنیم که بیشتر آن‌ها رایگان است. 

 

1- How to Think Like a Computer Scientist

 

یکی از بهترین سایت‌های آموزش پایتون How to Think Like a Computer Scientist است. این سایت نه تنها به شما آموزش می‌دهد چگونه از زبان برنامه نویسی پایتون استفاده کنید بلکه به شما یاد می‌دهد چگونه مانند یک برنامه‌نویس فکر کنید. اگر این اولین باری است که کدنویسی می‌کنید این سایت به درد شما نخواهد خورد. 

اما به یاد داشته باشید که این که بتوانید مانند یک دانشمند کامپیوتر فکر کنید نیازمند این است که طرز فکر خود را تغییر دهید. این کار برای بعضی‌ها ساده و برای بقیه دشوار است. اما اگر اراده داشته باشید می‌توانید این کار را انجام دهید. وقتی که یاد گرفتید که مثل یک دانشمند کامپیوتر فکر کنید می‌توانید به سادگی زبان‌های دیگر را به جز پایتون یاد بگیرید. 

2- سایت رسمی پایتون

 

چه روشی برای یادگیری پایتون بهتر از استفاده از سایت رسمی پایتون است؟ سازندگان این زبان خودشان یک راهنمای خیلی خوب ساخته‌اند که به هرکسی که بخواهد این زبان را از ابتدا یاد بگیرد کمک می‌کنند. 

بهترین قسمت این سایت آموزشی این است که بسیار آرام پیش می‌رود و مفاهیم خاص را طوری به شما آموزش می‌دهد تا پیش از رفتن به مبحث بعد کاملاً یاد بگیرید. فرمت این سایت بسیار ساده و دوست‌داشتنی است و روند کار را بسیار برای شما ساده‌تر خواهد کرد. 

اگر در زمینه برنامه نویسی پیش‌زمینه دارید شاید سایت آموزشی رسمی پایتون برایتان تا حدی خسته کننده باشد اما اگر خیلی تازه‌کار هستید این سایت تجربه بسیار خوبی برای شما خواهد بود. 

 

3- A Byte of Python

 

سایت آموزشی A Byte of Python برای کسانی مناسب است که دوست دارند پایتون یاد بگیرند و قبلاً تجربه برنامه نویسی دارند. در ابتدا چیزهایی درمورد مباحث لازم برای ایجاد یک اینترپرتر پایتون روی کامپیوتر را به شما یاد می‌دهد که ممکن است برای تازه‌کارها دشوار باشد. 

اما این سایت یک مشکل اساسی دارد: خیلی سریع پیش می‌رود که ممکن است برای تازه‌کارها بیش از حد سخت باشد. 

اما اگر بتوانید با آن پیش بروید  A Byte of Python منبع بسیار خوبی برای شما خواهد بود. اگر نتوانستید می‌توانید از منابع دیگر برای یادگیری پایتون استفاده کنید و وقتی که کمی حرفه‌ای شدید به این سایت بازگردید. 

 

4- LearnPython

 

برخلاف سایت‌های آموزشی که در بالا معرفی کردیم LearnPython یک سایت عالی است چرا که خودش یک اینترپرتر پایتون دارد. در نتیجه شما می‌توانید درون خود سایت از کدنویسی پایتون استفاده کنید و دیگر لازم نیست که یک اینترپرتر پایتون را روی سیستم خود نصب کنید. 

البته اگر قصد دارید جدی از این زبان استفاده کنید باید اینترپرتر را نصب کنید اما LearnPython به شما این امکان را می‌دهد تا پیش از این که به طور جدی روی پایتون سرمایه‌گذاری کنید فکر کنید و با آن آشنا شوید.  

با LearnPython می‌توانید با کدهای واقعی سروکله بزنید و آن را یاد بگیرید. درضمن پس از هر درس یک تمرین نیز به شما داده می‌شود. 

 

5- Learn X in Y Minutes: Python 3

 

اگر تجربه زیادی در برنامه نویسی دارید و می‌دانید چطور مثل یک برنامه نویس فکر کنید اما پایتون برای شما جدید است و دوست دارید سینتکس این زبان را یاد بگیرید Learn X in Y Minutes بهترین سایت برای شماست. 

این سایت طیف‌های نحوی یا سینتتیک پایتون را در فرمت کد به شما یاد می‌دهد در نتیجه شما می‌‎توانید زیر پانزده ثانیه همه‌ی چیزهای مهم را درمورد سینتکس پایتون بیاموزید. شما می‌توانید صفحه‌ای که در آن قرار دارید را بوکمارک کرده و هرگاه که چیزی را فراموش کردید به آن برگردید. 

 

6- CodeWars

 

CodeWars خیلی یک سایت آموزشی نیست بلکه یک روشی بازی و آزمایشی است تا میزان دانش برنامه‌نویسی خود را امتحان کنید. این سایت دارای صدها پازل کدنویسی مختلف است که شما را مجبور می‌کند تا دانش پایتون خود را آزمایش کرده و از آن‌ها در مشکلات واقعی استفاده کنید. 

پازل‌های CodeWars جنبه آموزشی نیز دارند و هرچه شما بیشتر پیش بروید چیزهای بیشتری یادخواهید گرفت. وقتی که شما یک پازل را کامل کنید به مرحله بالا رفته و به پازل‌های سخت‌تر دسترسی خواهید داشت. درضمن شما می‌توانید نتایج خود را با نتایج دیگران مقایسه کنید که در آموزش شما بسیار مفید خواهد بود. 

پایتون زبان برنامه نویسی بسیار قوی و ساده‌ای است که موارد استفاده بسیار زیادی دارد و در چند سال اخیر بیش از پیش محبوب شده‌ است و روزبه‌روز محبوب‌تر می‌شود. 

  

منبع: makeuseof

6+1 : سایت چالش پایتون

اما هفتمین سایت، معرفی آموزش های فارسی بصورت ویدئویی سایت چالش پایتون هست

که توسط مدرسین فارغ التحصیل دانشگاه صنعتی امیرکیر تدریس شده است.

در این سایت که تمرکز اصلی بر روی آموزش های مرتبط با هوش مصنوعی و علم داده هست

 آموزش مقدماتی، تکمیلی پایتون در کنار آموزش یادگیری ماشین و پردازش تصویر با پایتون قرار دارد.

دوره یادگیری ماشین با پایتون

به عنوان یکی از شاخه‌های وسیع و پرکاربرد هوش مصنوعی، یادگیری ماشین (Machine learning) به تنظیم و اکتشاف شیوه‌ها و الگوریتم‌هایی می‌پردازد که بر اساس آنها رایانه‌ها و سامانه‌ها توانایی تعلٌم و یادگیری پیدا می‌کنند

هدف یادگیری ماشین این است که کامپیوتر (در کلی‌ترین مفهوم آن) بتواند به تدریج و با افزایش داده‌ها کارایی بهتری در انجام وظیفه مورد نظر پیدا کند. گستره این وظیفه می‌تواند از تشخیص خودکار چهره با دیدن چند نمونه از چهره مورد نظر تا فراگیری شیوه گام‌برداری روبات‌های دوپا با دریافت سیگنال پاداش و تنبیه باشد.

پیش بینی می شود در آینده استفاده از زبان برنامه نویسی پایتون، گسترش بسیار بیشتری داشته باشد

در حوزه تحلیل داده، یادگیری ماشین و علم داده نیز، استفاده از پایتون بسیار قابل توجه است به طوری که این زبان پرکاربردترین زبان در حوزه علم داده و یادگیری ماشین می باشد:

با توجه به درخواست‌های مخاطبین جهت برگزاری کلاس‌های پرسش و پاسخ با مدرس دوره، تصمیم گرفته شد تا دوره یادگیری ماشین با پایتون به صورت هفتگی برگزار شود.

در این دوره، که از اول آذر 97 شروع خواهد شد هر هفته دو ویدئو از طریق سامانه کلاس کوئرا و کانال یادگیری ماشین برای مخاطبین ارسال خواهد شد.و تمرینات و تکالیفی در این سامانه توسط مدرس تعیین و تصحیح خواهد شد. مخاطبینی که تمایل دارند خود را درگیر این دوره نمایند و چالش بیشتری رو تجربه کنند تا موفق تر باشند توصیه ما انتخاب همین دوره همراه با کلاس می باشد.

بعد از پرداخت هزینه، آدرس کانال و نحوه عضویت در سامانه کوئرا قابل مشاهده می‌باشد. در این روش هیچ گونه ویدئویی به محض پرداخت برایتان ارسال نخواهد شد. بلکه ویدئوها بصورت هفتگی از طریق سامانه کوئرا و پست الکترونیکی ثبت شده برایتان ارسال می‌گردد.

در این روش مدرس دوره در طی دوره تمریناتی را در اختیار شما قرار خواهد داد و تصحیح خواهد نمود و همراه شما در کل دوره خواهد بود. مدت زمان این دوره 13 هفته می‌باشد که از هفته اول آذر شروع خواهد شد. توصیه ما بر مخاطبینی که تمایل دارند بیشتر خود را درگیر این دوره نمایند انتخاب همین روش می‌باشد.

📘 حجم کل جلسات : 3 GB

📘 زمان کل جلسات : 16 ساعت

📘 میزان تخفیف : 10000 تومان

📘 کد تخفیف (با حروف کوچک وارد کنید) : mchntwo