مرحله ۴: دریافت نام شهر از کاربر
حالا می‌خوایم باتمون بتونه نام شهر رو از کاربر دریافت کنه. برای این کار از MessageHandler استفاده می‌کنیم.

from telegram.ext import MessageHandler, Filters

def get_city(update: Update, context: CallbackContext):
    city = update.message.text
    update.message.reply_text(f'شهر شما: {city}. در حال دریافت اطلاعات آب‌وهوا...')
    # در مرحله بعدی، اطلاعات آب‌وهوا رو دریافت می‌کنیم

dispatcher.add_handler(MessageHandler(Filters.text & ~Filters.command, get_city))

مرحله ۵: دریافت اطلاعات آب‌وهوا از API
برای دریافت اطلاعات آب‌وهوا، از API سایت OpenWeatherMap استفاده می‌کنیم.

اول باید تو سایت OpenWeatherMap ثبت‌نام کنی و یه API Key دریافت کنی.

https://openweathermap.org/api

import requests

def get_weather(city):
    api_key = 'API_KEY'  # API Key خودت رو اینجا قرار بده
    url = f'http://api.openweathermap.org/data/2.5/weather?q={city}&appid={api_key}&units=metric'
    response = requests.get(url)
    data = response.json()
    
    if data['cod'] == 200:
        weather = data['weather'][0]['description']
        temp = data['main']['temp']
        return f'وضعیت آب‌وهوا در {city}: {weather}, دما: {temp}°C'
    else:
        return 'شهر مورد نظر یافت نشد.'

def get_city(update: Update, context: CallbackContext):
    city = update.message.text
    weather_info = get_weather(city)
    update.message.reply_text(weather_info)

مرحله ۶: اضافه کردن قابلیت‌های بیشتر (اختیاری)
می‌تونی بات رو توسعه بدی و قابلیت‌های بیشتری بهش اضافه کنی. مثلاً:

نمایش رطوبت و سرعت باد.

اضافه کردن دستور /help برای راهنمایی کاربران.

استفاده از دکمه‌های شیشه‌ای (Inline Keyboard) برای انتخاب شهر.

مرحله ۷: استقرار بات روی سرور (اختیاری)
اگر می‌خوای باتت همیشه فعال باشه، می‌تونی اون رو روی یه سرور مثل Heroku یا PythonAnywhere استقرار بدی.

کد ها قبلی جنبه اموزش مفاهیم رو داشتن.اینجا یه سری پروژه گذاشتم که می تونید برای تمرین بیشتر ازشون استفاده کنید.
@python_with_mohammad

رفقا سلاااام
من یه کم حوصله م سر رفته، اینترنتم هم بی نهایت کند شده.

خوشبختانه تایم عید بیمارستان هم قرار نیست برم و کلی سرم خلوته.

دوست داشتم یه موضوع رو به صورت منظم و کوتاه آموزش بدم.

یه موضوع که نسبتا تازه و همچنان سخت و چالشی و البتههههه غیر کلیشه ای باشه.

این کتاب که داره آپلود می شه ، یه کتاب خفن و کاربردی برای آموزش و یادگیری الگوریتم ها هست.

اسمش اینه :
Introduction to Algorithms

نمی دونم ترجمه فارسی داره یا نه، اما من می خوام بر اساس این کتاب الگوریتم های کاربردی دنیای برنامه نویسی رو آموزش بدم، البته اگر حال و حوصله ش رو داشته باشم، برای درک بهتر این مفاهیم ، از کارای تصویری و انیمیشن هم استفاده خواهم کرد، البته اگرررررر حوصله شو داشت باشم.

اگه جای دیگه ای هم تو ذهنتون بود بگید، من ترجیحم اینه جایی باشه که دسترسی تون بهش راحت تر باشه.

رفقا سلام، من امروز پنج قسمت از مباحث مربوط به الگوریتم ها رو ضبط کردم چیزی حدود ۴۵ دقیقه شد، چون دوست دارم یه سری انیمیشن برای یادگیری بیشتر بزارم، احتمالا کمی اپلودش طولانی تر بشه.

مرسی از دوستانی که این چند روز پیام دادن و محبت داشتن.

شبتون بخیر

📍دوره جامع آموزش برنامه نویسی پایتون و هوش مصنوعی

✅ سرفصل های دوره:
فصل 1: مقدمات و مفاهیم پایه پایتون
فصل 2 : توابع در پایتون
فصل 3: کلاس ها در پایتون
فصل 4 : پیش‌پردازش و مدیریت داده‌ها با پانداس (Pandas)
فصل 5: محاسبات و عملیات ریاضی با نامپای (NumPy)
فصل 6 : ترسیم نمودارها و مصورسازی داده‌ها با مت‌پلات‌لیب (Matplotlib)
فصل 7 : مصور سازی داده ها با Seaborn
فصل 8 : ریاضیات کاربردی در برنامه‌نویسی
فصل 9: هوش مصنوعی و یادگیری ماشین (مقدماتی)
فصل 10 : یادگیری عمیق و یادگیری ماشین
فصل 11 : ساخت اپلیکیشن با کتابخانه Kivy
فصل 12: کار با Regex
فصل 13 : کار با  دیتابیس ها در پایتون
فصل 14 : پردازش تصاویر  در پایتون
فصل 15 :  سوالات مصاحبه های شغلی

💠 ویژگی های دوره:
به صورت کاملا پروژه محور
پشتیبانی یکساله دوره
آپدیت های ماهانه
گواهی پایان دوره

💰هزینه اصلی دوره ۲/۹۰۰/۰۰۰ تومان
💰هزینه با تخفیف ۸۵۰/۰۰۰ تومان

❇️ جهت ثبت نام به ایدی زیر پیام دهید👇
@Poshtibani_admin91

از امروز تعدادی سوال که توی مصاحبه های شغلی می پرسن رو با هم بررسی می کنیم و جواب ها و راه حل های مختلف حل اون ها رو با هم بررسی می کنیم.
یه گروه هم اد می کنم به کانال که بتونید برای هر سوال پاسخ هاتون رو کامنت کنید.
برای این سوالات هم هشتگ #مصاحبه می ذارم که راحت تر پیداش کنید.

سوال ۱: تابعی بنویسید که اعداد زوج بین ۱ تا n را برگرداند.


#مصاحبه

دوستان سلام وقتتون بخیر

با توجه به شرایط موجود واقعا انگیزه و حوصله ای برای ضبط ویدیو های آموزشی جدید نداریم.

اما از اونجایی که اکثر دانشگاه ها و مدارس در این برهه تعطیل هستند ، فرصت مناسبی هست برای علاقه مندان که این ایام شون بی ثمر نمونه.

همیشه بعد از شرایط سخت اینچنینی ، ما کوله باری از ترس و نگرانی و غم برامون می مونه، حداقل یه اندوخته مناسب هم داشته باشیم.

اگر تمایل دوستان بر این باشه که در بستر دیگه ای محتوا های آموزشی قبلی رو آپلود کنیم که بتونید بهره ببرید ازشون، اعلام بفرمایید که از اون فضا ها استفاده کنیم.

من خیلی با اپلیکیشن های ایرانی مشابه تلگرام آشنایی ندارم، اگر مواردی که استفاده می کنید رو اسامی شون رو توی کامنت های این پست اعلام بفرمایید، موردی که اتفاق نظر روش باشه رو می تونیم استفاده کنیم.

با توجه به بهبود وضعیت اینترنت، از امروز سعی می کنم مطالب کانال رو مجدد از سر بگیرم.

اگر نظر خاصی دارید که چه موضوعی رو پیش بگیریم، می تونید در کامنت ها اعلام بفرمایید.

🎯 پایتون و هوش مصنوعی در تحلیل داده‌های جنگی و بحران‌ها
🔍 وقتی دنیا درگیر جنگه، داده‌ها نقش مهمی تو تصمیم‌گیری، پیش‌بینی و اطلاع‌رسانی دارن. برنامه‌نویسی و هوش مصنوعی توی این فضا، خیلی کاربرد پیدا می‌کنن:

🧠 کاربردهای واقعی:

تحلیل تصاویر ماهواره‌ای و پهپادی با کمک هوش مصنوعی برای شناسایی تحرکات نظامی (استفاده از مدل‌های تشخیص شیء مثل YOLO).

پیش‌بینی مسیر درگیری‌ها با استفاده از مدل‌های یادگیری ماشین.

تحلیل اخبار و توییت‌ها برای کشف مکان درگیری یا شناسایی اخبار جعلی.

ردیابی مهاجرین یا مصدومان با الگوریتم‌های بینایی ماشین یا پردازش زبان طبیعی.

گزارش‌گیری از تلفات، نیازهای پزشکی، وضعیت پناهگاه‌ها با اتوماسیون پایتونی.

حالا بریم سراغ یه پروژه توی این حیطه

💻 پروژه پیشنهادی:
🔹 تحلیل اخبار جنگ با پایتون – جمع‌آوری اخبار از منابع خبری و دسته‌بندی خودکار اون‌ها به مثبت/منفی/اورژانسی.


📦 کتابخانه‌های مورد نیاز:

pip install requests beautifulsoup4 transformers 

📌 مثال ساده: جمع‌آوری و تحلیل احساسی اخبار جنگ

import requests from bs4 
import BeautifulSoup from transformers
import pipeline

 # مرحله ۱: گرفتن اخبار از سایت خبری 
url = 'https://www.bbc.com/persian' 
res = requests.get(url) 
soup = BeautifulSoup(res.text, 'html.parser') 
news = soup.find_all('h3')[:5] 

# گرفتن ۵ تیتر اول 

# مرحله ۲: تحلیل احساس با مدل ترنسفورمر 
sentiment = pipeline("sentiment-analysis") for i, item in enumerate(news): 
title = item.get_text() 
result = sentiment(title)[0] print(f"{i+1}. {title}") print(f" 👉 احساس: {result['label']} (score: {round(result['score'], 2)})") 

📢 نظرتون چیه؟ پروژه بعدی رو با کمک شما انتخاب کنیم!
🔁 ریپلای کن یا پیام بده بهم که کدوم پروژه برات جذابه تا آموزشش رو بفرستم 💡
#پایتون #هوش_مصنوعی #تحلیل_داده #برنامه‌نویسی

🎯 ردیابی تانک‌ها یا خودروهای نظامی در تصاویر با YOLOv8

📌 توی جنگ‌ها یکی از مهم‌ترین کاربردهای بینایی ماشین، شناسایی تجهیزات نظامی در تصاویر ماهواره‌ای یا پهپادی هست.

ما می‌تونیم با کمک YOLOv8 این کار رو خیلی سریع پیاده کنیم.

🔧 مراحل پروژه:

1️⃣ جمع‌آوری دیتاست (مثلاً تصاویر تانک از اینترنت)

2️⃣ استفاده از YOLOv8 آماده برای تشخیص اشیاء

3️⃣ نمایش تصویر با باکس شناسایی تانک

📦 کد آماده برای شروع:

اول باید YOLOv8 رو نصب کنیم:

pip install ultralytics 

بعد کد پایتون:

from ultralytics import YOLO
import cv2
 # مدل YOLO آماده 
model = YOLO('yolov8n.pt')
 # نسخه nano برای سبک بودن
 # تصویر تست
 img = cv2.imread('tank.jpg')
 # شناسایی 
results =model.predict(source=img, show=True, conf=0.3)
 # نمایش نتایج 
print(results) 

💡 نکته: می‌تونی از تصاویر واقعی تانک از گوگل بگیری و تست کنی. اگر دقت پایین بود، می‌شه مدل رو روی دیتاست تخصصی fine-tune کرد.

✅ پروژه‌های مرتبط:
شناسایی خودرو، نفرات یا ادوات جنگی در ویدیو
ساخت سیستم هشدار خودکار (ارسال پیام در تلگرام)
ترکیب با نقشه و مختصات GPS برای ردیابی زنده

https://www.tgoop.com/python_with_mohammad