نوشته های محمدحسین احمدی

جایگزین postman

محمدحسین احمدی — Thu, 07 May 2026 02:54:41 +0330

سلام، امیدوارم که حالتون خوب باشه.در دوران جنگ به دلیل قطعی اینترنت استفاده از نرم افزار postman ممکن نبود و نسخه لایت نرم‌افزار هم بعد چند ریکوئست از کار می‌افتاد. تصمیم گرفتم با یک کد دم دستی یک جایگزین postman بر بستر وب بنویسم که نیاز نباشه نصب شه و دسترسی خاصی هم نخواد.اگر با postman کار کرده باشید، خروجی کد زیر برای شما آشناست. برای استفاده از کد، کافیه که فایل کد رو روی سیستم ذخیره کنید و داخل یک مرورگر بازش کنید.همین!می‌تونید از کد برای ریکوئست زدن به api های دلخواهتون استفاده کنید. اگر هم تمایل داشتید می‌تونید فیچری که لازم دارید رو با هوش مصنوعی به کد اضافه کنید.از اونجا که ویرگول کد رو با فرمت مناسب نمایش نمیده و خیلی از فانکشن‌ها و تگ‌ها رو حذف ‌می‌کنه (برای حفظ امنیت سایت) من لینک دانلود کد رو پایین قرار میدم که دانلود و استفاده کنید.امیدوارم که مفید باشه.https://github.com/it-ahmadi/web_postman

این علم داده و یادگیری ماشین که میگن یعنی چی؟

محمدحسین احمدی — Mon, 26 Jan 2026 17:45:47 +0330

سلام.اگه همین سوال عنوان مقاله رو از هوش مصنوعی بپرسی خیلی مبهم بهت توضیح میدهاینجا سوال رو از هوش مصنوعی ChatGPT پرسیدمخوندی متن رو؟ خیلی گُنگ بود نه؟ ببین اگه بخوام خیلی ساده و کاربردی بهت توضیح بدم میرم سراغ یه مثال که بگیری ماجرا رو. ببین فرض کن شب قبل خواب دعا کردی که خدایا پولدارم کن و صبح که از خواب بیداری میشی میبینی مدیر شرکت اسنپی و امروز اون روزیه که برای تقدیر از راننده‌ها و افزایش روحیشون باید بهشون جایزه بدی تا نرن توی تپسی مشغول به کار شن. حساب شرکت رو چک می‌کنی و می‌بینی انگار اونقدرا پولدار نیستی که به همه راننده‌هات جایزه بدی 🎁 و حالا که اونقدرا حساب شرکت توش پول نیست باید سعی کنی به جای همه به بهترین‌ راننده‌هات جایزه بدی. خب الان از کجا می‌تونی بفهمی که کدوم راننده‌ها کارشون خوب بوده و لایق دریافت جایزن؟ بر اساس چی باید تصمیم بگیری؟ظاهر راننده؟نوع ماشینش؟رفتار راننده با مسافرا؟تعداد سفرهاشون؟سلامت خودرو؟می‌بینی؟ پارامترهای انتخاب راننده مناسب خیلی زیاده و حالا اگه تعداد راننده‌ها هم زیاد باشه، عملاً انتخاب افرادی که لایق دریافت جایزن ممکن نیست و خب زمان خیلی زیادی می‌بره ( مو پول ازِت خواستوم خدا خو ای چکاریه؟ ). ببین اگه مثلاً استاد دانشگاه بودی، براساس نمره امتحان ۳۰ تا دانشجویی که داشتی راحت انتخاب می‌کردی که چه کسی لایق ارفاقه و تصمیم سختی نبود، اما اینجا با کلی ویژگی مختلف طرفیم و عملا گیر می‌کنی. اینجا علم داده یا (Data Science) وارد می‌شه و میاد بر اساس اطلاعاتی که از هر راننده داریم تصمیم‌گیری می‌کنه برامون که به کی جایزه بدیم. یعنی چی دقیقاً؟ببین یکی از کارمندات توی اسنپ کارش اینه که یه فایل اکسل بسازه و از تمام ویژگی های رانندت اطلاعاتش رو یادداشت کنه، مثلا میانگین مسافتی که ماه قبل رفته چقدر بوده، میانگین امتیاز مسافرهاش چقدر بوده، تعداد سفرهای لغو شده‌ای که داشته چقدر بوده و غیره. هر ستون توی فایل اکسل کارمندت، یه ویژگی از رانندته تا کار تو رو برای انتخاب بهترین‌ها راحت کنه. به این ستون‌ها صفت هم گفته میشه به انگلیسی میگن (Feature). ببین جدول کارمندت اینجوریه:🚗 میانگین مسافت طی‌شده در ماه:راننده ۱: ۱۲۰ کیلومترراننده ۲: ۱۸۰ کیلومترراننده ۳: ۲۱۰ کیلومترراننده ۴: ۹۰ کیلومتر⭐ امتیاز مسافر:راننده ۱: ۹.۸راننده ۲: ۸.۱راننده ۳: ۸.۹راننده ۴: ۷.۱❌ تعداد سفرهای لغوشده راننده:راننده ۱: ۱۰ بارراننده ۲: ۳ بارراننده ۳: ۶ بارراننده ۴: ۰ بار🚙 نوع ماشین راننده:راننده ۱: پژوراننده ۲: سمندراننده ۳: پرایدراننده ۴: تیبایه ستون مهم دیگه هم اون ته داریم به اسم هدف یا (Target) که فقط دو حالت می‌گیره، آره یا نه یعنی «آیا این راننده باید جایزه بگیره یا نه» و آره یا نه بودن این ستون رو هم خودت براساس اطلاعات ستون‌های دیگه تصمیم می‌گیری، فایل اکسلت تقریبا چنین چیزی در اومده در آخر کار👇🏼( نمونه‌ی فایل اکسل ساده از ویژگی رانندگان)حالا که اطلاعاتی از هر راننده بر اساس ویژگی‌های توی جدول داریم، راحت می‌تونیم تصمیم بگیریم که کدوم راننده استحقاق دریافت جایزه رو داره و کدوم یکی نداره، اما این روش وقتی جواب میده که مثل جدول بالا تعداد راننده‌ها کم باشه و اگر زمانی ما مثلا ۱۰۰۰ تا راننده داشته باشیم، تصمیم‌گیری و مقایسه این راننده‌ها با هم خیلی زمان‌بر میشه. راه‌حل چیه؟اینجا ماشین لرنینگ مثل یک چکش از جعبه ابزار علم داده‌ می‌تونه بهمون کمک می‌کنه. چجوری؟ الان دیگه به جای ۴ تا راننده ‌‌۱۰۰۰ تا راننده داریم و باید به بهترین هاشون جایزه بدیم، برای استفاده از ابزار ماشین لرنینگ مطابق زیر و قدم به قدم میریم جلو:۱: یه تعداد شانسی از بین اون ۱۰۰۰ تا راننده انتخاب می‌کنیم (مثلا ۱۰۰ تا راننده رو شانسی انتخاب می‌کنیم).۲: اینجا براساس ویژگی‌هایی که توی اکسل کارمندمون بود مشخص ‌می‌کنیم کدوم‌ راننده ها از بین این ۱۰۰ تا راننده لایق گرفتن جایزن و توی سطر هدف یا (Target) مینویسم آره یا نه۳: خروجی فایل اکسلی که تکمیل کردیم رو می‌دیم به یک الگوریتم تا بر اساس اون یاد بگیره که ما چه ویژگی‌هایی رو در راننده‌ها دیدیم که تصمیم گرفتیم راننده بر اساس اون‌ها جایزه بگیره.۴: الگوریتم شروع می‌کنه به یادگیری و بعد از یه مدت به ما یه فایل می‌ده که بهش می‌گیم فایل مدل.ببین این فایل مدله تقریبا حکایت دانش‌آموزی رو داره که بعد از چند جلسه کلاس املاء، می‌دونه املای صحیح یک کلمه دقیقاً چجوریه، مثلاً اگر توی دفتر مشق رفیقش ببینه نوشته «توجیح» می‌فهمه اشتباه نوشته و اگر نوشته باشه «توجیه» میگه ایول این کلمه رو درست نوشتی.مدلی که ما که از الگوریتم گرفتیم حالا می‌تونه برای اون ۹۰۰ نفر باقی‌مونده تصمیم بگیره، و بگه که کدوم یکی از راننده‌ها لایق گرفتن جایزن و کدوما نیستن و توی خروجی یه فایل اکسل بده از افرادی که لایق جایزه گرفتنن. مدله از کجا فهمید؟ از اون ۱۰۰ نفری که وقت گذاشتیم و تعیین کردیم که کدومشون لایق جایزه گرفتنن کدوم نه. انگار حالا مدل حکم دانش آموز املایی رو داره که فهمیده راننده چه ویژگی‌های رو داشته باشه در مقایسه با بقیه خوب حساب میشه.اینجا سوالی که پیش میاد اینه که ممکنه مدل ما اشتباه کنه؟چون اولا نسبت ۱۰۰ نفر بنظر شاید کم باشه در قیاس با اون ۱۰۰۰ نفر، یا اینکه بعضی از راننده‌ها شاید ویژگی‌هایی بیشتری نسبت به اون چیزی که توی جدول داریم داشته باشن، یا اصلا کارمندت یه جاهایی اشتباه کرده و ویژگی هارو به درستی برای بعضی راننده‌ها وارد نکرده. جوابمون چیه؟ آره ممکنه مدل اشتباه کنه، چرا؟ به همه‌ی این دلایلی که گفتیم و کلی دلیل دیگه و از همین اول در نظر بگیر که هیچ مدلی قرار نیست ۱۰۰٪ بدون خطا کار کنه ولی خب کلی راه هست که بتونی خطاهاش رو برطرف کنی تا نزدیک بشه به مقدار کارکرد ۱۰۰٪ بدون خطا. چرا مهمه که بدون خطا کار کنه؟ چون وقتی که می‌خوای بین ۱۰۰۰ تا راننده انتخاب کنی که چه کسی جایزه بگیره، حق کسی ضایع نشه.این کل ماجرا بود.اگه دقت کرده باشی، همه‌چیز به داده‌ها و اطلاعاتی که کارمندت از راننده‌ها داشت ربط داره و این نشون میده چقدر اهمیت داده‌ها زیاده و دلیل اینکه به این حوزه می‌گن علم داده همینه. کلا علم داده از جمع آوری دیتا تا اینکه تشخیص بدی کجاها کارمندت خطا کرده، یا مدلی بسازی که براساس اون جایزه بدی، نظر راننده‌هات رو درباره جایزه‌هاشون دربیاری و ببینی راضی بودن یا نه کاربرد داره. عمدتا خروجی کار رو هم روی نمودار نشون میدن که تحلیل و بررسیش راحت باشه و خب اینم باز خودش بخشی از علم داده‌است؛ چی رو میشه ترسیم کرد روی نمودار؟ اینکه آیا راننده‌هات راضی بودن از نوع تصمیم گیریت بابت انتخاب فرد شایسته برای جایزه، یا از جایزه‌هایی که بهشون دادی راضین یا نه. باز ممکنه بگی خب که چی به فرض راضی باشن یا نباشن، ببین هدف همه ماجرا اینه که تو دربیاری که با وجود این طرح تشویقی که گذاشتی تا به راننده‌هات جایزه بدی، آیا بازم راننده‌هات سراغ کار کردن توی تپسی میرن یا نه؛ هدف کلی تر؟ شما نبودی پول می‌خواستی؟ فک کردی پول مف میدن به کسی؟ دادا راننده هات برن بدبختی باز باید بشینی دعا کنی.ماشین لرنینگ یکی از ابزارهای این زمینس و کلی ابزار دیگه وجود داره که باید وارد این حیطه بشی و کار کنی باهاشون تا در نهایت ازت به عنوان (Data Scientist) یا دانشمند داده (ماضی غیر بعید) یاد بشه. صفحه رو که دنبال کنی و پست‌های بعدی رو که بخونی به مرور وارد جزئیات میشیم چون هنوز کلی ابزار دیگه غیر از یادگیری ماشین (Machine Learning) و کلی راه پول حلال در آوردن دیگه غیر از مهندس داده بودن وجود داره که خوبه دربارشون بدونی.

سِـــلام مجـــدد

محمدحسین احمدی — Wed, 21 Jan 2026 20:44:11 +0330

بعد از یه مدت طولانی تقریبا دارم بر‌می‌گردم بنویسم، هنوزم این پلتفرم خیلی بهم احساس راحتی میده، اولین باری که با اینجا آشنا شدم اشتباه نکنم به واسطه دنبال کردن کارای سنا عبادی بود، یه دختر اهوازی برنامه‌نویس پر انرژی و فان که باعث شد بیام این پلتفرم و پستاش رو بخونم. همیشه برام شخصیت و خصوصا شجاعتش جالب بوده و هنوز وایب خوبی ازش می‌گیرم.اولین پست هایی که اینجا نوشتم خیلی ساده بودن و الانی که قراره دوباره بیام اینجا بنویسم زمان زیادی از پستای قبلیم گذشته، برخلاف چندسال قبل الان فقط یه اندروید دولوپر ساده نیستم، بالاخره بعدِ چندسالی کار کردن توی بازار کار و کسب کلی تجربه، یه اندروید دولوپر ساده و روانی شدم. این چند وقته برخلاف خوب بودن آدم‌ها، زندگی ظاهر بدش رو نشونم داده، تا یادم نره چقدر بی رحم و نامرده و کلی چیزای بد دیگه؛ ولی خب مهم اینه ما تا جایی که زور جسم و روح و روانمون میرسه، خوب بمونیم و مطمئن باشیم خدا میبینه و حواسش به هممون هست.این پست رو هم به عنوان یه دست گرمی ‌می‌نویسم تا شمشیری باشه بر قلب کمال‌گراییم. و الان بر خلاف قبلا شاید فقط درباره اندروید پست نزاشتم، اگر شانس نوشتن داشته باشم ممکنه جست و گریزی به دیتا ساینس یا چیزای مربوط به تکنولوژی‌های جدید زدم.این عکسه رو هم به این دلیل میزارم که پست بی عکس نباشه. همین دیه(چند وقته که الگوم این پسرس، املای یخچال رو هنوز نمیدونه اما میدونه چجوری میشه ساختش و دانشش رو به اشتراک میزاره)

اسنک‌بار خصوصی سازی شده در اندروید

محمدحسین احمدی — Mon, 17 Oct 2022 19:47:52 +0330

سلام.این یک متد ساده برای ساخت و نمایش اسنک‌بار کاستومایز شده در اندروید است، که در آن می‌توانید اکتیویتی (محل نمایش اسنک بار)، پیغام و رنگ پس‌زمینه اسنک‌بار را تغییر دهید؛ البته می‌توان به عنوان پارامترهای ورودی متد مواردی مانند زمان نمایش یا هر پارامتر دیگری را جهت شخصی‌سازی بیشتر اضافه کرد:private fun showSnackBar(activity: Activity, message: String, color: String) { val rootView: View = activity.window.decorView.rootView val snackbar = Snackbar.make(rootView, message, Snackbar.LENGTH_SHORT) val sbView = snackbar.view val tv = sbView.findViewById(com.google.android.material.R.id.snackbar_text) tv.textAlignment = View.TEXT_ALIGNMENT_CENTER tv.setTextAppearance(R.style.TextAppearance_FlangeTester_Headline8) tv.setTextColor(getColor(R.color.white)) tv.textSize = 16F sbView.setBackgroundColor(Color.parseColor(color)) snackbar.show() }روش استفاده از آن هم برای متد فوق به این صورت است : showSnackBar(this@LoginActivity, "رمز عبور نادرست است", "#EC1C24")در این متد قابلیت تغییر اتریبیوت‌های اندازه فونت اسنک‌بار، رنگ تکست، تکست اپیرنس و تکست الاینمنت هم وجود دارد.

شخصی سازی اسکین دیوایس مجازی اندروید استودیو

محمدحسین احمدی — Tue, 03 Aug 2021 18:25:57 +0430

سلاممن گاهی برای ارتباط بهتر و جالب‌تر شدن چیزایی که باهاشون سر و کار دارم، شخصی سازی انجام میدم یا تغییراتی رو ایجاد می‌کنم، از اونجا که توی طول روز زیاد با اندروید استودیو و شبیه سازش وقت می‌گذرونیم بنظرم جالب بود اگر میشد تغییراتی رو روی ظاهر دیوایس مجازی اندروید استودیو انجام داد(نمونه چندتا اسکین)در ادامه این نوشته مراحل تغییر اسکین دیوایس مجازی اندروید استودیو رو به شما نشون میدم:خببرای شروع از (AVD Manager) اندروید استودیو، دیوایس مجازی مورد نظرمون رو انتخاب می‌کنیم یا می‌تونیم یه دیوایس مجازی جدید ‌بسازیم؛ برای این پست من دیوایس (pixel 5) رو کلون کردم و تنظیمات صفحه نمایش رو تغییر دادم و برای دیوایسم از گزینه (show advances settings) و قسمت (custom skin definition) اسکین (pixel_xl_silver) رو انتخاب کردم، توی گیف زیر ‌مراحلی که گفتم رو می‌بینید :(ساختن دیوایس مجازی) شما می‌تونید از هر دیوایس مجازی با هر تنظیمات و اسکینی که خواستید، استفاده کنید.(خروجی دیوایس مجازی با اسکینی که انتخاب کردیم)حالا برای تغییر فایل اسکین دیوایسمون به مسیر اسکین اندروید استودیو که پیشفرض این آدرسِ :C:\Users\\AppData\Local\Android\Sdk\skinsمیریم و پوشه مرتبط با اسکینی که انتخاب کردیم رو باز می‌کنیم:(پوشه دیوایس مجازی)داخل پوشه از بین فایل‌هایی که وجود داره، باید دوتا تصویر رو که مربوط به (background) برای حالت (portrait) و (landscape) هستند رو ویرایش کنیم. * (وارد پوشه امولاتوری که انتخاب کردیم میشیم) اگر برای ویرایش از فتوشاپ استفاده می‌کنید، فتوشاپ برای ویرایش فایل های (webp.) نیاز به پلاگین داره که از اینجا که می‌تونید این پلاگین رو دریافت کنید و بعد دریافت باید فایل پلاگین رو توی پوشه Plug-ins فتوشاپ قرار بدید و یه بار فتوشاپ رو ببندید و باز کنید.حالا تصاویر رو توی فتوشاپ می‌بریم و به دلخواه ویرایش می‌کنیم :(ویرایش تصویر) می‌تونیم یه پترن هم اضافه کنیم(اضافه کردن پترن)اگر ویرایش تصویر حالت (portrait) رو تموم کردین برای حالت (landscape) کافیه همون تصویر حالت (portrait) رو کپی کنید و (90-) درجه (rotate) کنید و روی همون تصویر قرارش بدید.وقته اینه که از تصاویر خروجی بگیریم، برای خروجی گرفتن از تصاویر و ذخیره تغییرات جای گزینه (Export) باید با (save as) و انتخاب نوع خروجی (webp.) خروجی بگیریم: حالا باید تصاویر رو جایگزین تصاویر داخل پوشه کنیم؛ اما اندروید استودیو توی بعضی موارد فایل‌های مربوط به امولاتور پیشفرض خودش رو دوباره می‌سازه و جایگزین تصاویر قبل می‌کنه که یعنی اگر تصاویر رو توی پوشه اسکین‌های خود اندروید استودیو قرار بدید ممکنه بعد چندبار اجرا یا (wipe Data) کردن دیوایس، تصاویر شما رو حذف کنه و از همون تصاویر پیشفرض استفاده کنه، پس بهتره یه پوشه جدید توی قسمت (skin) بسازیم و غیر از دوتا تصویری که ویرایش کردیم تمام فایل های مربوط به اسکین انتخاب شده رو به پوشه جدید منتقل کنیم و تصاویر ویرایش شده رو هم داخل پوشه جدید قرار بدیم :در مرحله آخِر فقط نیاز به معرفی مسیر اسکین جدید برای دیوایس به اندروید استودیو اِ، قبل از اینکه دیوایس مجازی رو اجرا کنیم از (AVD Manager) گزینه (edit) دیوایس و (show advances settings) رو می‌زنیم و در (custom skin definition) مسیر اسکین جدید رو میدیم :و حالا شبیه ساز رو اجرا می‌کنیم :اگر جایی براتون واضح نبود می‌تونید ویدیو مربوط به این آموزش رو که توی یوتوب قرار دادم رو از این لینک مشاهده کنید؛ چندتا تصویری که خودم ویرایش کردم و مشکل کپی-رایت نداره هم براتون قرار دادم که اونارو هم می‌تونید از این لینک دانلود و استفاده کنید. در نهایت اگر نکته‌ای بود که نگفته بودم یا سوالی داشتید کامنت کنید.امیدوارم این نوشته براتون مفید بوده باشه.

فارسی نوشتن اندروید استودیو

محمدحسین احمدی — Sun, 25 Jul 2021 15:41:37 +0430

سلاماندروید استودیو برای توسعه‌ دهنده‌هایی که از سیستم عامل ویندوز استفاده می‌کنن گاهی یه باگ عجیب داره و اونم استفاده کردن از اعداد فارسی برای ست کردن میزان (margin) در پنجره‌ی (Attributes) بخش (Design) اِ، که جدای از اینکه مارجین ست نمیشه، خطای (compile) میده که مجبورتون میکنه توی قسمت کد برای ویوهاتون مارجین و پدینگ ست کنین و همین باعث از بین رفتن تمرکزتون حین طراحی لایه میشه :( android:layout_marginTop="۱۶dp" )برای حل کردنش توی ویندوز این مسیر رو طی کنینSettings -> Time & Language -> Language -> Keyboard -> (override for default input method) :و گزینه رو مطابق عکس تغییر بدین و اندروید استودیو رو (restart) کنین و بررسی کنین که همچنان از اعداد فارسی استفاده می‌کنه یا خیر.در مواردی ممکنه با تغییر گزینه پیشفرض کیبورد همچنان مشکل شما برطرف نشه که راه بعد تغییر (Regional format) اِ و بعد از اون احتمال زیاد اندروید استودیو از اعداد مناسب استفاده کنه،برای تغییر (Regional format) مسیر زیر رو طی کنینSettings -> Time & Language -> Region -> (Regional format) : و از منوی باز شده(Regional format) رو تغییر بدین و اندروید استودیو رو (restart) کنین و با خیال راحت از (Attributes) برای مارجین دادن به ویو و لایه هاتون استفاده کنینامیدوارم مطلب براتون مفید بوده باشه.