شما اینجایید
خانه > مطالب تگ شده با "آموزش"

۷ نکته‌ای که باید در مورد Docker بدانید

آموزش داکر

 

داکر چیست و چگونه کار می‌کند؟

این روزها همه در مورد Container های داکر صحبت می‌کنند، یک راه‌کار IT در زمان حاضر. داکر یکی از محبوب‌ترین ابزارها برای ساخت کانتینر است. در ادامه مقاله 7 نکته بسیار مهم را در مورد داکر فرا خواهیم گرفت تا با چیستی و

آموزش بلاک‌چین – باشگاه مشتریان بلاک‌چین (بخش پنجم)

باشگاه مشتریان بلاک چین

 

آیا بلاک چین نیاز به برنامه‌های وفاداری را افزایش می‌دهد؟

علی‌رغم گزارش‌های خلاف واقع، وفاداری مشتریان آن‌چنان‌که تبلیغ‌شده است، ساکن و مرده نیست. مطالعه‌ای که اخیراً توسط American Express انجام‌شده، نشان می‌دهد که 58 درصد از مشتریان می‌گویند بدون توجه به مسائل دیگر به خرید از برندهای سابق خود

سری مطالب آموزش جاوا ۸ – بخش هفتم کلاس‌های Optional (قسمت دوم)

آموزش جاوا 8

   

  1. static <T> Optional<T> of(T value)
کد بالا یک Optional با مقدار غیر Null بخصوص بازمی‌گرداند.  
  1. static <T> Optional<T> ofNullable(T value)
کد بالا یک Optional با مقداری مشخص بازمی‌گرداند (اگر غیر Null باشد) در غیر‌این‌صورت یک Optional خالی باز‌می‌گرداند.  
  1. T orElse(T

هوش مصنوعی با پایتون – بخش هفتم – برنامه‌نویسی منطقی (قسمت دوم)

هوش مصنوعی با پایتون

   

مثال‌هایی از برنامه‌نویسی منطقی

در زیر مثال‌هایی آمده که می‌توان آن‌ها را با برنامه‌نویسی منطقی حل نمود.

   
  • تطبیق عبارات ریاضی

در حقیقت ما می‌توانیم مقادیر ناشناخته را در ریاضیات با استفاده از برنامه‌نویسی منطقی به شکل مؤثری بیابیم. کد پایتونی که در ادامه می‌آید به شما کمک خواهد

هوش مصنوعی با پایتون – بخش ششم – یادگیری نظارت شده : رگرسیون (قسمت سوم)

هوش مصنوعی با پایتون

   

حالا باید یک شیء رگرسیون خطی ایجاد کنیم.

reg_linear_mul = linear_model.LinearRegression()

 

شیء ایجاد شده را با نمونه‌های آموزشی train می‌کنیم.

reg_linear_mul.fit(X_train, y_train)

 

حالا درنهایت ما باید عمل پیش‌بینی را با استفاده از داده‌های تست انجام دهیم.

y_test_pred = reg_linear_mul.predict(X_test)

print("Performance of Linear regressor:")

print("Mean absolute error

هوش مصنوعی با پایتون – بخش ششم – یادگیری نظارت شده : رگرسیون (قسمت دوم)

هوش مصنوعی با پایتون

     

اکنون می‌توان عملکرد رگرسیون خطی خود را به شرح زیر محاسبه کرد -

print("Performance of Linear regressor:")

print("Mean absolute error =", round(sm.mean_absolute_error(y_test, y_test_pred), 2))

print("Mean squared error =", round(sm.mean_squared_error(y_test, y_test_pred), 2))

print("Median absolute error =", round(sm.median_absolute_error(y_test, y_test_pred), 2))

print("Explain variance score =", round(sm.explained_variance_score(y_test, y_test_pred),

2))

print("R2 score =",

سری مطالب آموزش جاوا ۸ : بخش پنجم – برخی از رابط‌های تابعی (قسمت دوم)

آموزش جاوا ۸

     

  • LongToDoubleFunction

نمایش‌دهنده تابعی است که آرگومانی با مقداری از نوع long  می‌پذیرد و نتیجه‌ای با مقدار double برمی‌گرداند.

   
  • LongToIntFucntion

تابعی را نشان می‌دهد که آرگومانی با مقدار long می‌پذیرد و نتیجه‌ای از نوع عدد برمی‌گرداند.

   
  • LongUnaryOperator

عملیاتی

سری مطالب آموزش جاوا ۸ – بخش ششم Streams (قسمت دوم)

آموزش جاوا ۸

     

Collector ها

Collector ها برای ترکیب نتیجه پردازش روی عناصر یک Stream استفاده می‌شوند. می‌توان از Collector ها برای برگرداندن یک لیست [1]یا یک رشته استفاده کرد.

List<String>strings = Arrays.asList("abc", "", "bc", "efg", "abcd","", "jkl");

List<String> filtered = strings.stream().filter(string -> !string.isEmpty()).collect(Collectors.toList());

System.out.println("Filtered List: "   filtered);

String mergedString

سری مطالب آموزش جاوا ۸ : بخش پنجم – برخی از رابط‌های تابعی

آموزش جاوا ۸

رابط‌های تابعی[1] تنها یک تابع را به نمایش می‌گذارند. (تنها یک تابع دارند.) برای مثال یک رابط مقایسه‌کننده که تنها یک متد به نام compareTo() دارد برای اهداف مقایسه کردن به کار می‌رود. جاوا 8 رابط‌های تابعی بسیاری تعریف کرده است که باید در عبارات لامبدا

سری مطالب آموزش جاوا ۸ – بخش چهارم: متدهای پیش‌فرض

آموزش جاوا

جاوا 8 مفهوم جدیدی از پیاده‌سازی (اجرای) متد پیش‌فرض در رابط‌ها[1] معرفی کرد. این قابلیت برای سازگاریِ عقب‌گرد اضافه‌شده است به‌گونه‌ای می‌توان از اینترفیس‌های قدیمی برای نیرومند کردن قابلیت عبارت لامبدا جاوا 8 استفاده کرد. برای مثال اینترفیس‌های "List " یا " Collection "، اعلان متد