Post#چالش_پایتون_در_هوش_مصنوعی

#چالش_پایتون_در_هوش_مصنوعی 🧠 قسمت ۶: پروژه کوچک عملی 🎯 و جمع‌بندی فاز ۱ سلام دوستان! 👋 تو این قسمت می‌خوایم تمام چیزهایی که تا حالا یاد گرفتیم رو جمع‌بندی کنیم و یک پروژه کوچک عملی بسازیم تا مطمئن بشیم همه مفاهیم رو خوب یاد گرفتیم! 🚀 ۱. اهداف پروژه * استفاده از متغیرها و انواع داده‌ها * استفاده از شرط‌ها و حلقه‌ها * استفاده از توابع و ماژول‌ها * استفاده از کتابخانه‌ها ۲. پروژه: تحلیل نمرات دانش‌آموزان فرض کنید سه دانش‌آموز داریم و نمراتشون رو می‌خوایم بررسی کنیم: import pandas as pd # داده‌ها students = {"نام": ["علی", "سارا", "نیما"], "نمره": [85, 92, 78]} df = pd.DataFrame(students) # تابع برای بررسی وضعیت نمره def check_grade(score): if score >= 90: return "عالی 🌟" elif score >= 75: return "خوب 👍" else: return "نیاز به تلاش بیشتر 💪" # اضافه کردن ستون وضعیت نمره df["وضعیت"] = df["نمره"].apply(check_grade) # نمایش جدول نهایی print(df) خروجی نمونه: نام نمره وضعیت 0 علی 85 خوب 👍 1 سارا 92 عالی 🌟 2 نیما 78 خوب 👍 ۳. نکات جمع‌بندی * پایتون ابزارهای قدرتمندی برای تحلیل داده‌ها و هوش مصنوعی داره * مفاهیم پایه: متغیر، شرط، حلقه، تابع، ماژول و کتابخانه‌ها پایه هر پروژه AI هستن * در فاز بعدی می‌ریم سراغ پردازش داده‌ها و تجسم داده‌ها 🎨 👀 قسمت بعدی: پردازش داده‌ها با Pandas و NumPy 🗂 مرکز آموزش پایتون ➖➖➖➖➖➖➖➖ @pythonchallenge