آماده‌کردن پایتون برای هوش مصنوعی، خیلی ساده و قدم‌به‌قدم

حالا چه کار کن؟

1. مرورگر Chrome یا هر مرورگر دیگری را باز کن.
2. وارد سایت رسمی Visual Studio Code شو.
3. روی دکمه دانلود برای Windows کلیک کن.فایلی با پسوند .exe دانلود می‌شود.
4. فایل دانلودشده را باز کن.
5. گزینه قبول قوانین را فعال کن و چند بار روی Next بزن.
6. در صفحه‌ای که چند گزینه دارد، گزینه Add to PATH را فعال کن.این گزینه کمک می‌کند ویندوز بتواند VS Code را از داخل ترمینال پیدا کند.
7. روی Install بزن و تا پایان نصب صبر کن.
8. در پایان روی Finish بزن تا VS Code باز شود.

نصب مرحله‌به‌مرحله

1. وارد صفحه رسمی دانلود Python شو.
2. روی دکمه دانلود نسخه پایدار Python 3 کلیک کن.نسخه‌هایی که کنارشان Alpha یا Beta نوشته شده برای شروع مناسب نیستند.
3. فایل دانلودشده را باز کن.
4. قبل از هر کاری تیک Add Python to PATH یا Add python.exe to PATH را بزن.PATH یعنی ویندوز بداند Python در کدام پوشه نصب شده است.
5. روی Install Now کلیک کن.
6. پس از نمایش پیام موفقیت، پنجره را ببند.
7. VS Code را ببند و دوباره باز کن تا نصب جدید را بشناسد.

بررسی کنیم Python نصب شده یا نه

1. در VS Code از بالای صفحه روی Terminal و بعد New Terminal بزن.
2. پایین صفحه یک قسمت تیره باز می‌شود. اسم آن Terminal است.
3. دستور زیر را وارد کن و Enter بزن:

python --version

1. در نوار سمت چپ VS Code روی آیکن چهارم که شبیه چند مربع است کلیک کن.نام این بخش Extensions است.
2. در کادر جست‌وجو بنویس Python.
3. افزونه‌ای را انتخاب کن که نامش Python و سازنده‌اش Microsoft است.
4. روی Install بزن.
5. دوباره جست‌وجو کن و افزونه Jupyter از Microsoft را هم نصب کن.این افزونه را کمی بعد استفاده می‌کنیم.

1. در یکی از درایوهای کامپیوتر یک پوشه با نام AI-Course بساز.
2. داخل آن پوشه دیگری با نام first-project بساز.
3. در VS Code از منوی File گزینه Open Folder را بزن.
4. پوشه first-project را انتخاب کن.
5. در سمت چپ روی آیکن ساخت فایل جدید بزن.
6. نام فایل را دقیقاً main.py بگذار.پسوند .py یعنی این فایل کد Python دارد.
7. کد زیر را داخل فایل بنویس یا کپی کن:

name = input("نامت را وارد کن: ")
print("سلام", name)
print("پایتون آماده است!")

1. کلیدهای Ctrl + S را بزن تا فایل ذخیره شود.
2. از منوی Terminal یک ترمینال جدید باز کن.
3. دستور زیر را وارد کن:

python main.py

اول معنی pip را بدان

1. Terminal را در VS Code باز کن.
2. دستور اول را وارد کن تا ابزار نصب به‌روز شود:

python -m pip install --upgrade pip

1. حالا Jupyter و موتور اجرای آن را نصب کن:

python -m pip install jupyter ipykernel

ساخت اولین Notebook

1. یک فایل جدید با نام lesson1.ipynb بساز.
2. فایل را باز کن. بالای صفحه گزینه Select Kernel را می‌بینی.
3. روی آن بزن و Python نصب‌شده را انتخاب کن.Kernel یعنی همان Python که سلول‌های Notebook را اجرا می‌کند.
4. داخل اولین سلول بنویس:

print("ژوپیتر آماده است!")

1. روی دکمه مثلث کنار سلول بزن یا Shift + Enter را فشار بده.

نصب همه کتابخانه‌های پایه

1. Terminal را باز کن و این دستور را وارد کن. دانلود ممکن است چند دقیقه طول بکشد.

python -m pip install numpy pandas matplotlib seaborn scikit-learn

بررسی نصب

python -c "import numpy, pandas, matplotlib, seaborn, sklearn; print('همه کتابخانه‌ها نصب شدند')"

ساخت محیط

1. پوشه پروژه first-project باید در VS Code باز باشد.
2. Terminal جدید باز کن.
3. دستور زیر را اجرا کن:

python -m venv .venv

چند لحظه بعد پوشه‌ای به نام .venv ساخته می‌شود.

فعال‌کردن محیط

اگر Terminal تو PowerShell است، این دستور را بزن:

.\.venv\Scripts\Activate.ps1

اگر Command Prompt یا CMD است:

.venv\Scripts\activate.bat

کتابخانه‌ها را داخل این محیط نصب کن

python -m pip install numpy pandas matplotlib seaborn scikit-learn jupyter ipykernel

انتخاب محیط در VS Code

1. کلیدهای Ctrl + Shift + P را بزن.
2. بنویس Python: Select Interpreter.
3. گزینه‌ای را انتخاب کن که داخل مسیرش .venv نوشته شده است.
4. در Notebook هم Select Kernel را بزن و همین .venv را انتخاب کن.

خروج از محیط

deactivate

1. مطمئن شو محیط .venv فعال است و ابتدای Terminal آن را می‌بینی.
2. دستور زیر را اجرا کن:

python -m pip install xgboost

تست نصب

python -c "import xgboost; print('XGBoost:', xgboost.__version__)"

1. یک فایل جدید با نام final_test.py بساز.
2. کد زیر را داخل آن قرار بده.
3. فایل را ذخیره کن.
4. در Terminal که محیط .venv فعال است، دستور python final_test.py را اجرا کن.

import numpy as np
import pandas as pd
import sklearn
import xgboost

print("NumPy:", np.__version__)
print("Pandas:", pd.__version__)
print("Scikit-learn:", sklearn.__version__)
print("XGBoost:", xgboost.__version__)
print("محیط هوش مصنوعی آماده است!")

برای شروع فقط چه کتابخانه‌هایی لازم است؟

لازم نیست در ابتدای کار ده‌ها کتابخانه نصب کنی. برای بیشتر تمرین‌های مقدماتی همین بسته‌ها کافی هستند:

دستور نصب بسته‌های اصلی در کامپیوتر

python -m pip install numpy pandas matplotlib scikit-learn jupyter ipykernel

بسته‌های پیشنهادی اضافه

python -m pip install seaborn xgboost openpyxl

ترتیب پیشنهادی یادگیری ماشین‌لرنینگ

این مسیر از برنامه آموزشی داخل تصویر گرفته شده و کمی ساده‌تر و منطقی‌تر دسته‌بندی شده است. هر مرحله را یاد بگیر، یک تمرین انجام بده و بعد سراغ مرحله بعد برو.

روند انجام هر پروژه ماشین‌لرنینگ

تقریباً هر پروژه ماشین‌لرنینگ، چه ساده و چه حرفه‌ای، از همین مسیر عبور می‌کند:

شکل بسیار ساده کد یک پروژه

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score

data = pd.read_csv("data.csv")

X = data.drop(columns=["target"])
y = data["target"]

X_train, X_test, y_train, y_test = train_test_split(
    X,
    y,
    test_size=0.2,
    random_state=42
)

model = RandomForestClassifier(random_state=42)
model.fit(X_train, y_train)
prediction = model.predict(X_test)

print("دقت مدل:", accuracy_score(y_test, prediction))

کامپیوتر

گوشی