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