نمونه سوال پایتون (سری دوم) به همراه پاسخنامه

نمونه سوال پایتون (سری دوم) به همراه پاسخنامه

سوال 1:خروجی کد زیر چیست؟

x = [1, 2, 3, 4]
print(x[1])

1. 1
2. 2
3. 3
4. 4

پاسخ: 2
توضیح: ایندکس‌های لیست در پایتون از صفر شروع می‌شوند. بنابراین `x[1]` به عنصر دوم لیست که مقدار آن 2 است، اشاره می‌کند.

—

سوال 2:کدام یک از گزینه‌های زیر برای تعریف تابع در پایتون صحیح است؟
1. `def my_function:`
2. `define my_function():`
3. `def my_function():`
4. `function my_function():`

پاسخ: 3
توضیح: برای تعریف تابع در پایتون از کلمه کلیدی `def` استفاده می‌شود و بلافاصله پس از آن نام تابع و پرانتزهای خالی یا با پارامترها قرار می‌گیرد.

—

سوال 3:خروجی کد زیر چیست؟

print(“Hello” + “World”)

1. `Hello World`
2. `HelloWorld`
3. `Hello+World`
4. خطا می‌دهد

پاسخ: 2
توضیح: در پایتون از عملگر `+` برای الحاق (concat) رشته‌ها استفاده می‌شود. در اینجا، دو رشته بدون فاصله به هم متصل شده و خروجی `HelloWorld` می‌شود.

—

سوال 4:کدام یک از روش‌های زیر برای تبدیل یک رشته به عدد صحیح صحیح است؟
1. `str(10)`
2. `int(“10”)`
3. `float(“10”)`
4. `toInt(“10”)`

پاسخ: 2
توضیح: برای تبدیل یک رشته به عدد صحیح از تابع داخلی `int()` در پایتون استفاده می‌شود. گزینه 1 و 3 عملیات متفاوتی انجام می‌دهند و گزینه 4 نیز وجود ندارد.

—

سوال 5:کدام یک از روش‌های زیر برای اجرای حلقه‌ای تا 10 صحیح است؟
1. `for i in 10:`
2. `for i in range(10):`
3. `while i in range(10):`
4. `loop i = 10`

پاسخ: 2
توضیح: برای ایجاد یک حلقه `for` تا یک مقدار خاص در پایتون، از `range()` استفاده می‌شود که مقادیری از 0 تا مقدار داده شده (در اینجا 10) تولید می‌کند.

—

سوال 6:خروجی کد زیر چیست؟

x = [1, 2, 3]
x.append(4)
print(x)

1. `[1, 2, 3]`
2. `[1, 2, 3, 4]`
3. `[4, 1, 2, 3]`
4. خطا می‌دهد

پاسخ: 2
توضیح: تابع `append()` یک عنصر را به انتهای لیست اضافه می‌کند، بنابراین لیست به `[1, 2, 3, 4]` تغییر می‌کند.

—

سوال 7:کدام گزینه از توابع پایتون برای خواندن یک فایل استفاده می‌کند؟
1. `file_read()`
2. `read_file()`
3. `open()`
4. `file_open()`

پاسخ: 3
توضیح: برای باز کردن و خواندن یک فایل در پایتون از تابع `open()` استفاده می‌شود.

—

سوال 8:کدام یک از گزینه‌های زیر نشان‌دهنده یک نوع داده معتبر در پایتون نیست؟
1. `int`
2. `str`
3. `float`
4. `real`

پاسخ: 4
توضیح: `int`، `str`، و `float` انواع داده‌های معتبر در پایتون هستند، اما `real` یک نوع داده در پایتون نیست.

—

سوال 9:خروجی کد زیر چیست؟

x = “5”
print(int(x) + 2)

1. 52
2. 7
3. 5
4. خطا می‌دهد

پاسخ: 2
توضیح: `x` به یک عدد صحیح تبدیل می‌شود و سپس با عدد 2 جمع می‌شود، که نتیجه 7 خواهد بود.

—

سوال 10:خروجی کد زیر چیست؟

x = 10
y = 20
print(x > y)

1. `True`
2. `False`
3. 10
4. خطا می‌دهد

پاسخ: 2
توضیح: عبارت `x > y` بررسی می‌کند که آیا مقدار `x` بزرگتر از `y` است یا نه. در اینجا چون `x` کوچکتر از `y` است، خروجی `False` خواهد بود.

سوال 11:خروجی کد زیر چیست؟

x = [10, 20, 30, 40]
print(x[-1])

1. 10
2. 20
3. 30
4. 40

پاسخ: 4
توضیح: در پایتون ایندکس‌های منفی از انتهای لیست شروع می‌شوند. بنابراین `x[-1]` به آخرین عنصر لیست که مقدار آن 40 است، اشاره می‌کند.

—

سوال 12:خروجی کد زیر چیست؟

print(bool(0))

1. `True`
2. `False`
3. `0`
4. خطا می‌دهد

پاسخ: 2
توضیح: در پایتون، مقدار `0` به عنوان `False` در نظر گرفته می‌شود. هر عدد غیرصفر `True` است، ولی `0` برابر با `False` است.

—

سوال 13:کدام یک از گزینه‌های زیر یک نوع داده مجموعه (set) در پایتون را تعریف می‌کند؟
1. `[1, 2, 3]`
2. `(1, 2, 3)`
3. `{1, 2, 3}`
4. `{{1, 2, 3}}`

پاسخ: 3
توضیح: در پایتون، یک مجموعه (set) با استفاده از آکولاد `{}` تعریف می‌شود. `[ ]` برای لیست، `( )` برای تاپل و دو جفت آکولاد معنایی ندارد.

—

سوال 14:خروجی کد زیر چیست؟

for i in range(5):
if i == 3:
break
print(i)

1. 0 1 2
2. 0 1 2 3
3. 0 1 2 3 4
4. خطا می‌دهد

پاسخ: 1
توضیح: حلقه `for` از 0 تا 4 تکرار می‌شود، اما وقتی مقدار `i` برابر با 3 می‌شود، دستور `break` حلقه را متوقف می‌کند. بنابراین تنها مقادیر 0، 1 و 2 چاپ می‌شوند.

—

سوال 15:خروجی کد زیر چیست؟

x = “Python”
print(x[2:5])

1. `Pyt`
2. `tho`
3. `yth`
4. `tho`

پاسخ: 4
توضیح: در برش رشته، `x[2:5]` کاراکترهای با ایندکس 2 تا 4 (ایندکس انتهایی شامل نمی‌شود) را برمی‌گرداند. بنابراین خروجی `tho` است.

—

سوال 16:خروجی کد زیر چیست؟

x = 5
y = 10
x, y = y, x
print(x, y)

1. `5 10`
2. `10 5`
3. `5 5`
4. خطا می‌دهد

پاسخ: 2
توضیح: در این کد، مقادیر `x` و `y` با هم جا به جا می‌شوند. بعد از اجرا، `x` مقدار `y` و `y` مقدار `x` را می‌گیرد.

—

سوال 17:کدام یک از گزینه‌های زیر نشان‌دهنده حلقه بی‌نهایت در پایتون است؟
1. `for i in range(10):`
2. `while True:`
3. `for i in range(100):`
4. `while False:`

پاسخ: 2
توضیح: حلقه `while True:` به طور مداوم اجرا می‌شود مگر اینکه یک دستور توقف مانند `break` وجود داشته باشد. این باعث ایجاد یک حلقه بی‌نهایت می‌شود.

—

سوال 18:کدام یک از روش‌های زیر برای افزودن یک کلید و مقدار جدید به دیکشنری صحیح است؟
1. `dict.add(“key”, “value”)`
2. `dict[“key”] = “value”`
3. `dict.append(“key”, “value”)`
4. `dict.push(“key”, “value”)`

پاسخ: 2
توضیح: در پایتون، برای افزودن یک کلید و مقدار به دیکشنری از دستور `dict[“key”] = “value”` استفاده می‌شود. دیگر گزینه‌ها در پایتون برای دیکشنری کاربرد ندارند.

—

سوال 19:خروجی کد زیر چیست؟

x = [1, 2, 3]
y = x
y.append(4)
print(x)

1. `[1, 2, 3]`
2. `[1, 2, 3, 4]`
3. `[4, 1, 2, 3]`
4. خطا می‌دهد

پاسخ: 2
توضیح: متغیر `y` به لیست `x` ارجاع داده شده است، بنابراین هر تغییری در `y` بر روی `x` نیز اعمال می‌شود. بنابراین وقتی به `y` یک عنصر اضافه می‌شود، `x` نیز تغییر می‌کند.

—

سوال 20:خروجی کد زیر چیست؟

x = 10
y = 20
print(x == y)

1. `True`
2. `False`
3. 10
4. خطا می‌دهد

پاسخ: 2
توضیح: عملگر `==` بررسی می‌کند که آیا `x` و `y` برابر هستند یا خیر. در اینجا، چون `x` با `y` برابر نیست، خروجی `False` خواهد بود.

—

سوال 21:خروجی کد زیر در NumPy چیست؟

import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr.shape)

1. `(4,)`
2. `(1, 4)`
3. `(4, 1)`
4. خطا می‌دهد

پاسخ: 1
توضیح: `arr` یک آرایه یک‌بعدی با 4 عنصر است. شکل این آرایه به صورت `(4,)` نشان داده می‌شود که یعنی دارای 4 عنصر در یک بعد است.

—

سوال 22:خروجی کد زیر چیست؟

import numpy as np
arr = np.zeros((2, 3))
print(arr)

1. یک آرایه 3×2 پر از صفر
2. یک آرایه 2×3 پر از صفر
3. `[0, 0, 0, 0, 0, 0]`
4. خطا می‌دهد

پاسخ: 2
توضیح: تابع `np.zeros((2, 3))` یک آرایه 2×3 با تمام عناصر صفر تولید می‌کند. به این معنا که دو سطر و سه ستون دارد و همه عناصر آن صفر هستند.

—

سوال 23:خروجی کد زیر چیست؟

import numpy as np
arr = np.array([1, 2, 3])
print(arr + 1)

1. `[1, 2, 3]`
2. `[2, 3, 4]`
3. `[1, 1, 1]`
4. خطا می‌دهد

پاسخ: 2
توضیح: در NumPy عملیات جمع به صورت مؤلفه‌ای انجام می‌شود. بنابراین، به هر عنصر از آرایه `arr` عدد 1 اضافه می‌شود و نتیجه `[2, 3, 4]` است.

—

سوال 24:کدام یک از گزینه‌های زیر برای محاسبه مجموع عناصر یک آرایه NumPy صحیح است؟
1. `np.sum(arr)`
2. `np.add(arr)`
3. `arr.sum()`
4. `arr.add()`

پاسخ: 1 و 3
توضیح: برای محاسبه مجموع عناصر یک آرایه NumPy می‌توان از تابع `np.sum()` یا متد `arr.sum()` استفاده کرد. گزینه‌های دیگر نامعتبر هستند.

—

سوال 25:کدام یک از گزینه‌های زیر برای محاسبه میانگین عناصر یک آرایه NumPy صحیح است؟
1. `np.average(arr)`
2. `np.mean(arr)`
3. `arr.mean()`
4. همه موارد

پاسخ: 4
توضیح: هم تابع `np.mean()` و هم متد `arr.mean()` میانگین عناصر یک آرایه را محاسبه می‌کنند. همچنین، `np.average()` نیز میانگین وزنی را محاسبه می‌کند که اگر وزنی ارائه نشود، مانند میانگین ساده عمل می‌کند.

—

سوال 26:خروجی کد زیر چیست؟

import numpy as np
arr = np.array([[1, 2], [3, 4]])
print(arr[1, 1])

1. 1
2. 2
3. 3
4. 4

پاسخ: 4
توضیح: آرایه `arr` یک آرایه دو بعدی است. `arr[1, 1]` به عنصر سطر دوم و ستون دوم اشاره می‌کند که مقدار آن 4 است.

—

سوال 27:خروجی کد زیر چیست؟

import numpy as np
arr = np.arange(6).reshape(2, 3)
print(arr)

1. `[0, 1, 2, 3, 4, 5]`
2. `[0, 1, 2], [3, 4, 5]`
3. `[[0, 1, 2], [3, 4, 5]]`
4. خطا می‌دهد

پاسخ: 3
توضیح: تابع `np.arange(6)` یک آرایه با مقادیر 0 تا 5 ایجاد می‌کند و `reshape(2, 3)` آن را به یک آرایه دو بعدی با 2 سطر و 3 ستون تغییر شکل می‌دهد.

—

سوال 28:کدام یک از گزینه‌های زیر برای پیدا کردن بزرگترین مقدار در یک آرایه NumPy صحیح است؟
1. `np.max(arr)`
2. `np.maximum(arr)`
3. `arr.max()`
4. 1 و 3

پاسخ: 4
توضیح: برای پیدا کردن بزرگترین مقدار در یک آرایه NumPy می‌توان از تابع `np.max()` یا متد `arr.max()` استفاده کرد. گزینه `np.maximum()` برای مقایسه دو آرایه استفاده می‌شود و صحیح نیست.

—

سوال 29:خروجی کد زیر چیست؟

import numpy as np
arr = np.array([2, 4, 6, 8])
print(arr[::2])

1. `[2, 4]`
2. `[2, 6]`
3. `[4, 8]`
4. `[2, 8]`

پاسخ: 2
توضیح: در اینجا `arr[::2]` یعنی برش از ابتدا تا انتها با گام 2، بنابراین عناصر 0 و 2 از آرایه انتخاب می‌شوند که نتیجه `[2, 6]` است.

—

سوال 30:خروجی کد زیر چیست؟

import numpy as np
arr = np.array([10, 20, 30])
print(np.dot(arr, arr))

1. 600
2. 900
3. `[100, 400, 900]`
4. خطا می‌دهد

پاسخ: 1
توضیح: تابع `np.dot(arr, arr)` حاصل ضرب داخلی دو آرایه را محاسبه می‌کند. در اینجا، ضرب داخلی عبارت است از `10*10 + 20*20 + 30*30` که نتیجه 600 خواهد بود.

—

سوال 31:کدام یک از گزینه‌های زیر برای ایجاد یک DataFrame از یک دیکشنری در Pandas صحیح است؟

import pandas as pd

1. `df = pd.DataFrame({“col1”: [1, 2], “col2”: [3, 4]})`
2. `df = pd.DataFrame([“col1”: [1, 2], “col2”: [3, 4]])`
3. `df = pd.DataFrame({“col1”: (1, 2), “col2”: (3, 4)})`
4. هیچ‌کدام

پاسخ: 1
توضیح: برای ایجاد یک DataFrame از یک دیکشنری، کلیدهای دیکشنری به عنوان نام ستون‌ها و مقادیر دیکشنری به عنوان داده‌های ستون‌ها استفاده می‌شوند. گزینه 1 ساختار صحیح را دارد.

—

سوال 32:خروجی کد زیر چیست؟

import pandas as pd
df = pd.DataFrame({“A”: [1, 2, 3], “B”: [4, 5, 6]})
print(df.columns)

1. `[‘A’, ‘B’]`
2. `Index([‘A’, ‘B’], dtype=’object’)`
3. `A B`
4. خطا می‌دهد

پاسخ: 2
توضیح: `df.columns` نام ستون‌های DataFrame را به صورت `Index` شی‌ای از نوع `dtype=’object’` بازمی‌گرداند.

—

سوال 33:کدام یک از روش‌های زیر برای مشاهده آخرین 3 سطر DataFrame صحیح است؟
1. `df.tail()`
2. `df.tail(3)`
3. `df.last(3)`
4. `df.end(3)`

پاسخ: 2
توضیح: متد `df.tail(3)` برای نمایش آخرین 3 سطر DataFrame استفاده می‌شود. گزینه‌های دیگر نادرست هستند.

—

سوال 34:کدام یک از گزینه‌های زیر برای حذف یک ستون از DataFrame صحیح است؟
1. `df.delete(“A”)`
2. `df.drop(“A”, axis=1)`
3. `df.remove(“A”)`
4. `df.drop_column(“A”)`

پاسخ: 2
توضیح: در Pandas، برای حذف یک ستون باید از متد `drop()` استفاده شود و باید محور (`axis=1`) مشخص شود تا حذف در ستون‌ها اعمال شود.

—

سوال 35:خروجی کد زیر چیست؟

import pandas as pd
df = pd.DataFrame({“A”: [10, 20, 30], “B”: [40, 50, 60]})
print(df.iloc[1])

1. `[20, 50]`
2. `A 20 B 50 Name: 1, dtype: int64`
3. `[1, 20, 50]`
4. خطا می‌دهد

پاسخ: 2
توضیح: متد `iloc` برای انتخاب سطرها بر اساس ایندکس عددی استفاده می‌شود. `df.iloc[1]` سطر دوم DataFrame را که مقادیر 20 و 50 دارد، به همراه نام ستون‌ها و نوع داده‌ها برمی‌گرداند.

—

سوال 36:خروجی کد زیر چیست؟

import pandas as pd
df = pd.DataFrame({“A”: [1, 2, 3], “B”: [4, 5, 6]})
print(df[“A”] + df[“B”])

1. `[5, 7, 9]`
2. `0 5 1 7 2 9 dtype: int64`
3. `[1, 2, 3, 4, 5, 6]`
4. خطا می‌دهد

پاسخ: 2
توضیح: جمع ستون‌های `A` و `B` به صورت مؤلفه به مؤلفه انجام می‌شود و به صورت یک سری جدید با جمع مقادیر هر سطر بازمی‌گردد. بنابراین نتیجه `[5, 7, 9]` به همراه ایندکس و نوع داده است.

—

سوال 37:کدام یک از گزینه‌های زیر برای محاسبه مجموع یک ستون در Pandas صحیح است؟
1. `df[“A”].add()`
2. `df[“A”].sum()`
3. `df.sum(“A”)`
4. `df[“A”].plus()`

پاسخ: 2
توضیح: برای محاسبه مجموع یک ستون در Pandas، باید از متد `sum()` استفاده کرد. گزینه‌های دیگر نامعتبر هستند.

—

سوال 38:خروجی کد زیر چیست؟

import pandas as pd
df = pd.DataFrame({“A”: [1, 2, 3], “B”: [4, 5, 6]})
print(df.loc[0, “B”])

1. 4
2. 1
3. `[4, 1]`
4. خطا می‌دهد

پاسخ: 1
توضیح: متد `loc` برای دسترسی به داده‌ها بر اساس برچسب (label) استفاده می‌شود. `df.loc[0, “B”]` به مقدار سطر 0 و ستون “B” دسترسی دارد که مقدار آن 4 است.

—

سوال 39:کدام یک از روش‌های زیر برای ایجاد یک سری جدید (Series) از یک لیست در Pandas صحیح است؟
1. `pd.Series([1, 2, 3])`
2. `pd.DataSeries([1, 2, 3])`
3. `pd.NewSeries([1, 2, 3])`
4. `pd.createSeries([1, 2, 3])`

پاسخ: 1
توضیح: برای ایجاد یک سری (Series) جدید از یک لیست، از تابع `pd.Series()` استفاده می‌شود. گزینه‌های دیگر نادرست هستند.

—

سوال 40:خروجی کد زیر چیست؟

import pandas as pd
df = pd.DataFrame({“A”: [1, 2, 3], “B”: [4, 5, 6]})
print(df.describe())

1. اطلاعات خلاصه‌ای از ستون‌های DataFrame را ارائه می‌دهد
2. تنها مقادیر عددی ستون‌ها را نمایش می‌دهد
3. تنها سطرهای ابتدایی را نشان می‌دهد
4. خطا می‌دهد

پاسخ: 1
توضیح: متد `describe()` اطلاعات آماری خلاصه‌ای شامل تعداد، میانگین، انحراف معیار و مقادیر حداقل و حداکثر را برای ستون‌های عددی DataFrame ارائه می‌دهد.

—

سوال 41 :کدام یک از گزینه‌های زیر برای نمایش نمودار به صورت صحیح در Matplotlib استفاده می‌شود؟

import matplotlib.pyplot as plt
“`
1. `plt.show()`
2. `plt.display()`
3. `plt.graph()`
4. `plt.plot_show()`

پاسخ: 1
توضیح: در Matplotlib برای نمایش نمودار، از تابع `plt.show()` استفاده می‌شود. گزینه‌های دیگر نادرست هستند.

—

سوال 42:برای رسم یک نمودار خطی ساده با داده‌های `[1, 2, 3, 4]` در محور y، کدام دستور صحیح است؟
1. `plt.plot([1, 2, 3, 4])`
2. `plt.line([1, 2, 3, 4])`
3. `plt.draw([1, 2, 3, 4])`
4. `plt.graph([1, 2, 3, 4])`

پاسخ: 1
توضیح: در Matplotlib، تابع `plt.plot()` برای رسم نمودار خطی استفاده می‌شود.

—

سوال 43 :کدام یک از گزینه‌های زیر برای اضافه کردن عنوان به نمودار استفاده می‌شود؟
1. `plt.label(“Title”)`
2. `plt.title(“Title”)`
3. `plt.name(“Title”)`
4. `plt.caption(“Title”)`

پاسخ: 2
توضیح: در Matplotlib، برای اضافه کردن عنوان به نمودار از تابع `plt.title()` استفاده می‌شود.

—

سوال 44 :چگونه می‌توان برچسب محور x را تنظیم کرد؟
1. `plt.label_x(“X Axis”)`
2. `plt.xlabel(“X Axis”)`
3. `plt.set_x(“X Axis”)`
4. `plt.axis_x(“X Axis”)`

پاسخ: 2
توضیح: برای تنظیم برچسب محور x در Matplotlib، از تابع `plt.xlabel()` استفاده می‌شود.

—

سوال 45 :کدام یک از گزینه‌های زیر برای محاسبه مقدار انتگرال یک تابع در SciPy صحیح است؟
1. `scipy.integrate()`
2. `scipy.integrate.quad()`
3. `scipy.integrate.integral()`
4. `scipy.calc_integral()`

پاسخ: 2
توضیح: برای محاسبه مقدار انتگرال یک تابع در SciPy از تابع `scipy.integrate.quad()` استفاده می‌شود. گزینه‌های دیگر نادرست هستند.

—

سوال 46 :کدام یک از کتابخانه‌های زیر در SciPy برای محاسبات آماری استفاده می‌شود؟
1. `scipy.linalg`
2. `scipy.stats`
3. `scipy.spatial`
4. `scipy.optimize`

پاسخ: 2
توضیح: ماژول `scipy.stats` در SciPy برای محاسبات آماری مانند توزیع‌ها، آزمون‌های آماری و محاسبه پارامترهای آماری استفاده می‌شود.

—

سوال 47:کدام تابع در SciPy برای یافتن ریشه‌های یک تابع استفاده می‌شود؟
1. `scipy.roots()`
2. `scipy.optimize.root()`
3. `scipy.optimize.solve()`
4. `scipy.find_roots()`

پاسخ: 2
توضیح: تابع `scipy.optimize.root()` برای پیدا کردن ریشه‌های یک تابع غیرخطی استفاده می‌شود.

—

سوال 48 :چگونه می‌توان یک نمودار دایره‌ای (pie chart) در Matplotlib رسم کرد؟
1. `plt.pie([1, 2, 3])`
2. `plt.circle([1, 2, 3])`
3. `plt.pie_chart([1, 2, 3])`
4. `plt.pie_graph([1, 2, 3])`

پاسخ: 1
توضیح: برای رسم نمودار دایره‌ای در Matplotlib از تابع `plt.pie()` استفاده می‌شود.

—

سوال 49:برای محاسبه تبدیل فوریه سریع (FFT) در SciPy از کدام تابع استفاده می‌شود؟
1. `scipy.fft()`
2. `scipy.fftpack.fft()`
3. `scipy.fourier_transform()`
4. `scipy.signal.fft()`

پاسخ: 2
توضیح: برای محاسبه تبدیل فوریه سریع (FFT) از ماژول `fftpack` و تابع `scipy.fftpack.fft()` استفاده می‌شود.

—

سوال 50 :کدام یک از ماژول‌های SciPy برای بهینه‌سازی مسائل ریاضی استفاده می‌شود؟
1. `scipy.linalg`
2. `scipy.stats`
3. `scipy.spatial`
4. `scipy.optimize`

پاسخ: 4
توضیح: ماژول `scipy.optimize` برای حل مسائل بهینه‌سازی ریاضی و پیدا کردن حداقل‌ها و حداکثرها استفاده می‌شود.

—

سوال 51 :کدام یک از گزینه‌های زیر برای ایجاد یک Tensor در PyTorch صحیح است؟

import torch
“`
1. `x = torch.tensor([1, 2, 3])`
2. `x = torch.Tensor([1, 2, 3])`
3. `x = torch.tensor.create([1, 2, 3])`
4. `x = torch.create_tensor([1, 2, 3])`

پاسخ: 1
توضیح: برای ایجاد یک Tensor در PyTorch از تابع `torch.tensor()` استفاده می‌شود. گزینه 2 قدیمی است اما هنوز کاربرد دارد، اما گزینه‌های 3 و 4 نادرست هستند.

—

سوال 52 :برای انتقال یک Tensor به GPU از کدام متد استفاده می‌شود؟
1. `tensor.gpu()`
2. `tensor.to_gpu()`
3. `tensor.cuda()`
4. `tensor.to(‘cuda’)`

پاسخ: 4
توضیح: برای انتقال یک Tensor به GPU باید از متد `tensor.to(‘cuda’)` استفاده کنید. گزینه 3 قدیمی است اما همچنان کار می‌کند. گزینه‌های 1 و 2 نادرست هستند.

—

سوال 53:کدام یک از دستورات زیر برای ایجاد یک متغیر (Variable) در TensorFlow استفاده می‌شود؟

import tensorflow as tf

1. `v = tf.Variable([1, 2, 3])`
2. `v = tf.variable([1, 2, 3])`
3. `v = tf.create_variable([1, 2, 3])`
4. `v = tf.tensor([1, 2, 3])`

پاسخ: 1
توضیح: برای تعریف متغیر (Variable) در TensorFlow از تابع `tf.Variable()` استفاده می‌شود. گزینه‌های دیگر نادرست هستند.

—

سوال 54:خروجی کد زیر چیست؟

import tensorflow as tf
x = tf.constant([1, 2, 3])
y = tf.constant([4, 5, 6])
z = tf.add(x, y)
print(z)

1. `[5, 7, 9]`
2. `tf.Tensor([5, 7, 9], shape=(3,), dtype=int32)`
3. `[1, 2, 3, 4, 5, 6]`
4. خطا می‌دهد

پاسخ: 2
توضیح: تابع `tf.add()` دو Tensor را با هم جمع می‌کند و خروجی را به صورت یک Tensor جدید با نمایش شکل و نوع داده برمی‌گرداند.

—

سوال 55 :کدام یک از گزینه‌های زیر برای رسم نمودار توزیع (distribution plot) با Seaborn صحیح است؟

import seaborn as sns
“`
1. `sns.distplot(data)`
2. `sns.histogram(data)`
3. `sns.kdeplot(data)`
4. `sns.dist_plot(data)`

پاسخ: 1
توضیح: در Seaborn، تابع `sns.distplot()` برای رسم نمودار توزیع استفاده می‌شود. گزینه 3 برای رسم چگالی استفاده می‌شود و گزینه‌های دیگر نادرست هستند.

—

سوال 56 :کدام یک از دستورات زیر برای رسم نمودار جعبه‌ای (box plot) صحیح است؟
1. `sns.boxplot(x=”category”, y=”values”, data=data)`
2. `sns.box_plot(x=”category”, y=”values”, data=data)`
3. `sns.plot_box(x=”category”, y=”values”, data=data)`
4. `sns.box(data, x=”category”, y=”values”)`

پاسخ: 1
توضیح: تابع `sns.boxplot()` برای رسم نمودار جعبه‌ای (box plot) در Seaborn استفاده می‌شود. سایر گزینه‌ها نادرست هستند.

—

سوال 57 :کدام یک از گزینه‌های زیر برای محاسبه مقدار گرادیان یک Tensor در PyTorch استفاده می‌شود؟
1. `tensor.backward()`
2. `tensor.grad()`
3. `tensor.gradient()`
4. `tensor.calculate_grad()`

پاسخ: 1
توضیح: برای محاسبه مقدار گرادیان یک Tensor در PyTorch باید از تابع `tensor.backward()` استفاده شود.

—

سوال 58:کدام یک از گزینه‌های زیر برای محاسبه مشتق خودکار (automatic differentiation) در TensorFlow استفاده می‌شود؟
1. `tf.autodiff()`
2. `tf.gradients()`
3. `tf.autograph()`
4. `tf.GradientTape()`

پاسخ: 4
توضیح: در TensorFlow برای محاسبه مشتق خودکار از `tf.GradientTape()` استفاده می‌شود. سایر گزینه‌ها نادرست هستند.

—

سوال 59:چگونه می‌توان یک نمودار scatter plot با Seaborn رسم کرد؟
1. `sns.scatterplot(x=”col1″, y=”col2″, data=data)`
2. `sns.scatter_plot(x=”col1″, y=”col2″, data=data)`
3. `sns.scatter(x=”col1″, y=”col2″, data=data)`
4. `sns.plot_scatter(x=”col1″, y=”col2″, data=data)`

پاسخ: 1
توضیح: تابع `sns.scatterplot()` برای رسم نمودار پراکندگی (scatter plot) استفاده می‌شود. سایر گزینه‌ها نادرست هستند.

—

سوال 60 :کدام یک از گزینه‌های زیر برای رسم heatmap با Seaborn صحیح است؟
1. `sns.heatmap(data)`
2. `sns.heat_map(data)`
3. `sns.mapheat(data)`
4. `sns.plot_heat(data)`

پاسخ: 1
توضیح: برای رسم heatmap در Seaborn از تابع `sns.heatmap()` استفاده می‌شود. سایر گزینه‌ها نادرست هستند.

—

سوال 61:کدام یک از گزینه‌های زیر برای ایجاد یک پروژه جدید در Django صحیح است؟
1. `django startproject projectname`
2. `django-admin create projectname`
3. `django-admin startproject projectname`
4. `django new projectname`

پاسخ: 3
توضیح: برای ایجاد یک پروژه جدید در Django از دستور `django-admin startproject projectname` استفاده می‌شود.

—

سوال 62 :برای تعریف یک مدل در Django کدام یک از گزینه‌های زیر صحیح است؟
1. `class MyModel(django.db.Model)`
2. `class MyModel(models.Model)`
3. `class MyModel(DjangoModel)`
4. `class MyModel(Model)`

پاسخ: 2
توضیح: برای تعریف یک مدل در Django باید از کلاس `models.Model` استفاده کرد. سایر گزینه‌ها نادرست هستند.

—

سوال 63:کدام یک از گزینه‌های زیر برای اجرای سرور توسعه در Django صحیح است؟
1. `python manage.py runserver`
2. `django runserver`
3. `python run server`
4. `django-admin run server`

پاسخ: 1
توضیح: برای اجرای سرور توسعه در Django از دستور `python manage.py runserver` استفاده می‌شود.

—

سوال 64:کدام یک از گزینه‌های زیر برای ساخت مایگریشن‌ها (migrations) در Django استفاده می‌شود؟
1. `python manage.py migrations`
2. `python manage.py makemigrations`
3. `python manage.py createmigrations`
4. `django-admin create migrations`

پاسخ: 2
توضیح: برای ساخت مایگریشن‌ها در Django از دستور `python manage.py makemigrations` استفاده می‌شود. سایر گزینه‌ها نادرست هستند.

—

سوال 65 :برای ایجاد یک اپلیکیشن Flask، کدام یک از گزینه‌های زیر صحیح است؟
1. `app = flask.Flask(__name__)`
2. `app = Flask()`
3. `app = flask.create_app(__name__)`
4. `app = Flask(__name__)`

پاسخ: 4
توضیح: برای ایجاد یک اپلیکیشن Flask باید از `Flask(__name__)` استفاده کرد. گزینه 1 به دلیل عدم ایمپورت صحیح کلاس Flask نادرست است.

—

سوال 66 (Flask):
کدام یک از گزینه‌های زیر برای تعریف یک route در Flask صحیح است؟
1. `@app.route(‘/home’)`
2. `@app.map(‘/home’)`
3. `@app.path(‘/home’)`
4. `@app.url(‘/home’)`

پاسخ: 1
توضیح: برای تعریف یک مسیر (route) در Flask از دکوراتور `@app.route()` استفاده می‌شود. سایر گزینه‌ها نادرست هستند.

—

سوال 67 :کدام یک از گزینه‌های زیر برای اضافه کردن یک مدل به پنل مدیریت Django استفاده می‌شود؟
1. `admin.add_model(MyModel)`
2. `admin.site.register(MyModel)`
3. `admin.register(MyModel)`
4. `admin.site.add(MyModel)`

پاسخ: 2
توضیح: برای اضافه کردن یک مدل به پنل مدیریت در Django از متد `admin.site.register()` استفاده می‌شود.

—

سوال 68:چگونه می‌توان یک درخواست POST را در Flask مدیریت کرد؟
1. `@app.route(‘/submit’, methods=[‘POST’])`
2. `@app.route(‘/submit’, methods=[‘GET’, ‘POST’])`
3. `@app.route(‘/submit’, methods=[‘POST’, ‘PUT’])`
4. `@app.route(‘/submit’, methods=[‘POST’])`, درون آن فقط `POST` استفاده می‌شود.

پاسخ: 1
توضیح: برای مدیریت درخواست‌های POST در Flask باید در دکوراتور `@app.route()` روش POST به عنوان یکی از `methods` تعیین شود.

—

سوال 69 :کدام یک از دستورات زیر برای ایجاد سوپرکاربر (superuser) در Django استفاده می‌شود؟
1. `django-admin createsuperuser`
2. `python manage.py createsuperuser`
3. `python manage.py addsuperuser`
4. `django-admin addsuperuser`

پاسخ: 2
توضیح: برای ایجاد یک سوپرکاربر در Django از دستور `python manage.py createsuperuser` استفاده می‌شود.

—

سوال 70:چگونه می‌توانیم قالب HTML را در Flask ارائه دهیم؟
1. `render_html(‘template.html’)`
2. `render_template(‘template.html’)`
3. `render_view(‘template.html’)`
4. `serve_html(‘template.html’)`

پاسخ: 2
توضیح: برای ارائه یک قالب HTML در Flask از تابع `render_template()` استفاده می‌شود.

—

سوال 71 :کدام یک از دستورات زیر برای ارسال یک درخواست GET صحیح است؟
1. `requests.get(“https://example.com”)`
2. `requests.fetch(“https://example.com”)`
3. `requests.retrieve(“https://example.com”)`
4. `requests.call(“https://example.com”)`
پاسخ: 1
توضیح: تابع `requests.get()` برای ارسال درخواست GET استفاده می‌شود.

—

سوال 72:چگونه می‌توان داده‌های JSON را از پاسخ درخواست HTTP دریافت کرد؟
1. `response.json()`
2. `response.text()`
3. `response.get_json()`
4. `response.data.json()`
پاسخ: 1
توضیح: متد `response.json()` داده‌های JSON را برمی‌گرداند.

—

سوال 73 :چگونه می‌توان یک مسیر (route) در FastAPI تعریف کرد؟
1. `@app.route(“/path”)`
2. `@app.get(“/path”)`
3. `@app.url(“/path”)`
4. `@app.map(“/path”)`
پاسخ: 2
توضیح: در FastAPI از دکوراتور `@app.get()` برای تعریف یک مسیر GET استفاده می‌شود.

—

سوال 74:چگونه می‌توان یک درخواست POST را در FastAPI مدیریت کرد؟
1. `@app.route(“/submit”, methods=[“POST”])`
2. `@app.post(“/submit”)`
3. `@app.route(“/submit”, methods=[“GET”, “POST”])`
4. `@app.method(“/submit”, “POST”)`
پاسخ: 2
توضیح: برای مدیریت درخواست POST از دکوراتور `@app.post()` استفاده می‌شود.

—

سوال 75:چگونه می‌توان یک مدل در SQLAlchemy تعریف کرد؟
1. `class User(BaseModel)`
2. `class User(db.Model)`
3. `class User(Base)`
4. `class User(SQLModel)`
پاسخ: 3
توضیح: مدل‌ها در SQLAlchemy با ارث‌بری از `Base` تعریف می‌شوند.

—

سوال 76 :کدام دستور برای ایجاد یک session در SQLAlchemy صحیح است؟
1. `session = Session()`
2. `session = sessionmaker()`
3. `session = create_session()`
4. `session = BaseSession()`
پاسخ: 2
توضیح: در SQLAlchemy از `sessionmaker()` برای ایجاد session استفاده می‌شود.

—

سوال 77 :چگونه می‌توان یک درخواست POST همراه با داده‌های JSON ارسال کرد؟
1. `requests.post(url, data=payload)`
2. `requests.post(url, json=payload)`
3. `requests.send(url, data=payload)`
4. `requests.post(url, body=payload)`
پاسخ: 2
توضیح: برای ارسال داده‌های JSON در یک درخواست POST از پارامتر `json=` استفاده می‌شود.

—

سوال 78 :چگونه می‌توان به یک درخواست GET در FastAPI پارامترهای query اضافه کرد؟
1. `def get_data(param: Query)`
2. `def get_data(param: Request)`
3. `def get_data(param: str)`
4. `def get_data(param: QueryParam)`
پاسخ: 3
توضیح: برای اضافه کردن پارامترهای query به مسیر GET از پارامترهای تابع استفاده می‌شود.

—

سوال 79 :چگونه می‌توان یک سطر جدید به جدول در SQLAlchemy اضافه کرد؟
1. `db.add(row)`
2. `session.add(row)`
3. `Base.add(row)`
4. `session.add_row(row)`
پاسخ: 2
توضیح: برای افزودن یک سطر جدید به جدول در SQLAlchemy از `session.add()` استفاده می‌شود.

—

سوال 80 (SQLAlchemy):چگونه می‌توان تمام سطرهای یک جدول را در SQLAlchemy بازیابی کرد؟
1. `Table.query.all()`
2. `session.query(Table).all()`
3. `session.query.all(Table)`
4. `db.session.query(Table).all()`
پاسخ: 2
توضیح: برای بازیابی تمام سطرهای جدول از `session.query(Table).all()` استفاده می‌شود.

—

سوال 81 :برای تجزیه یک HTML با استفاده از BeautifulSoup کدام یک از گزینه‌های زیر صحیح است؟
1. `soup = BeautifulSoup(html, ‘html.parser’)`
2. `soup = parse_html(html)`
3. `soup = Soup(html)`
4. `soup = BeautifulSoup(html, ‘xml’)`
پاسخ: 1
توضیح: برای تجزیه HTML با BeautifulSoup از `BeautifulSoup(html, ‘html.parser’)` استفاده می‌شود.

—

سوال 82:چگونه می‌توان تمام تگ‌های `<a>` را در یک سند HTML پیدا کرد؟
1. `soup.find_all(‘link’)`
2. `soup.find_all(‘a’)`
3. `soup.get(‘a’)`
4. `soup.select(‘a’)`
پاسخ: 2
توضیح: برای پیدا کردن تمام تگ‌های `<a>` از `soup.find_all(‘a’)` استفاده می‌شود.

—

سوال 83 :کدام یک از گزینه‌های زیر برای ایجاد یک پروژه جدید در Scrapy صحیح است؟
1. `scrapy startproject projectname`
2. `scrapy create projectname`
3. `scrapy init projectname`
4. `scrapy new projectname`
پاسخ: 1
توضیح: برای ایجاد یک پروژه جدید در Scrapy از دستور `scrapy startproject projectname` استفاده می‌شود.

—

سوال 84 :چگونه می‌توان یک اسپایدر (spider) جدید در Scrapy تعریف کرد؟
1. `class MySpider(scrapy.Spider)`
2. `class MySpider(scrapy.Crawler)`
3. `class MySpider(scrapy.Scrapy)`
4. `class MySpider(scrapy.SpiderClass)`
پاسخ: 1
توضیح: برای تعریف یک اسپایدر جدید در Scrapy از `class MySpider(scrapy.Spider)` استفاده می‌شود.

—

سوال 85 :کدام یک از دستورات زیر برای باز کردن یک وب‌سایت در Selenium صحیح است؟
1. `driver.get(“https://example.com”)`
2. `driver.open(“https://example.com”)`
3. `driver.navigate(“https://example.com”)`
4. `driver.url(“https://example.com”)`
پاسخ: 1
توضیح: برای باز کردن یک وب‌سایت در Selenium از متد `driver.get()` استفاده می‌شود.

—

سوال 86 :چگونه می‌توان یک عنصر HTML را بر اساس ID در Selenium پیدا کرد؟
1. `driver.find_element_by_name(“element_id”)`
2. `driver.find_element_by_id(“element_id”)`
3. `driver.get_element_by_id(“element_id”)`
4. `driver.find_element(“id”, “element_id”)`
پاسخ: 2
توضیح: برای پیدا کردن یک عنصر HTML بر اساس ID از `driver.find_element_by_id()` استفاده می‌شود.

—

سوال 87 :چگونه می‌توان محتوای یک تگ خاص را استخراج کرد؟
1. `soup.a.text`
2. `soup.find(‘a’).content`
3. `soup.get(‘a’).text`
4. `soup.select(‘a’).content`
پاسخ: 1
توضیح: برای استخراج محتوای تگ `<a>` می‌توان از `soup.a.text` استفاده کرد.

—

سوال 88 :چگونه می‌توان درخواست‌های HTTP را در Scrapy ارسال کرد؟
1. `yield scrapy.Request(url)`
2. `yield Request(url)`
3. `scrapy.send_request(url)`
4. `scrapy.Request(url)`
پاسخ: 1
توضیح: برای ارسال درخواست‌های HTTP در Scrapy از `yield scrapy.Request(url)` استفاده می‌شود.

—

سوال 89 :چگونه می‌توان به مدت چند ثانیه در Selenium صبر کرد؟
1. `time.sleep(5)`
2. `driver.wait(5)`
3. `driver.sleep(5)`
4. `wait(5)`
پاسخ: 1
توضیح: برای صبر کردن در Selenium می‌توان از `time.sleep(5)` استفاده کرد.

—

سوال 90 :چگونه می‌توان به یک تگ خاص با استفاده از CSS Selector دسترسی پیدا کرد؟
1. `soup.select_one(‘div.classname’)`
2. `soup.find(‘div.classname’)`
3. `soup.get(‘div.classname’)`
4. `soup.select(‘div.classname’)`
پاسخ: 1
توضیح: برای دسترسی به یک تگ خاص با استفاده از CSS Selector از `soup.select_one(‘div.classname’)` استفاده می‌شود.

—

سوال 91:کدام یک از گزینه‌های زیر برای اجرای تست‌ها با استفاده از pytest صحیح است؟
1. `pytest run`
2. `pytest test.py`
3. `pytest execute test.py`
4. `pytest start test.py`
پاسخ: 2
توضیح: برای اجرای تست‌ها در pytest از دستور `pytest test.py` استفاده می‌شود.

—

سوال 92 :چگونه می‌توان یک تست را در pytest علامت‌گذاری کرد؟
1. `@pytest.mark.skip`
2. `@pytest.skip`
3. `@pytest.mark.ignore`
4. `@pytest.mark.test`
پاسخ: 1
توضیح: برای علامت‌گذاری یک تست به عنوان نادیده‌گرفته شده از `@pytest.mark.skip` استفاده می‌شود.

—

سوال 93 :چگونه می‌توان یک کلاس تست در unittest تعریف کرد؟
1. `class TestClass(unittest.TestCase)`
2. `class TestClass(unittest.Testest)`
3. `class TestClass(unittest.Test)`
4. `class TestClass(TestCase)`
پاسخ: 1
توضیح: برای تعریف یک کلاس تست در unittest از `class TestClass(unittest.TestCase)` استفاده می‌شود.

—

سوال 94 :کدام یک از متدهای زیر برای اجرای تست‌ها در unittest صحیح است؟
1. `unittest.run()`
2. `unittest.main()`
3. `unittest.execute()`
4. `unittest.test()`
پاسخ: 2
توضیح: برای اجرای تست‌ها در unittest از `unittest.main()` استفاده می‌شود.

—

سوال 95 :کدام یک از گزینه‌های زیر برای شروع یک پنجره جدید در Pygame صحیح است؟
1. `pygame.initialize()`
2. `pygame.start()`
3. `pygame.init_window()`
4. `pygame.create_window()`
پاسخ: 1
توضیح: برای شروع یک پنجره جدید در Pygame از `pygame.initialize()` استفاده می‌شود.

—

سوال 96 :چگونه می‌توان رنگ پس‌زمینه پنجره Pygame را تنظیم کرد؟
1. `screen.fill((255, 255, 255))`
2. `screen.set_background((255, 255, 255))`
3. `screen.color((255, 255, 255))`
4. `screen.background((255, 255, 255))`
پاسخ: 1
توضیح: برای تنظیم رنگ پس‌زمینه پنجره Pygame از `screen.fill()` استفاده می‌شود.

—

سوال 97 :چگونه می‌توان یک تصویر را با استفاده از OpenCV خواند؟
1. `img = cv2.load(“image.jpg”)`
2. `img = cv2.imread(“image.jpg”)`
3. `img = cv2.read(“image.jpg”)`
4. `img = cv2.open(“image.jpg”)`
پاسخ: 2
توضیح: برای خواندن یک تصویر در OpenCV از `cv2.imread()` استفاده می‌شود.

—

سوال 98 :چگونه می‌توان یک تصویر را در OpenCV نمایش داد؟
1. `cv2.show(“Title”, img)`
2. `cv2.imshow(“Title”, img)`
3. `cv2.display(“Title”, img)`
4. `cv2.visualize(“Title”, img)`
پاسخ: 2
توضیح: برای نمایش یک تصویر در OpenCV از `cv2.imshow()` استفاده می‌شود.

—

سوال 99:چگونه می‌توان یک تصویر را در Pygame بارگذاری کرد؟
1. `image = pygame.image.load(“image.png”)`
2. `image = pygame.load_image(“image.png”)`
3. `image = pygame.load(“image.png”)`
4. `image = pygame.image.load_image(“image.png”)`
پاسخ: 1
توضیح: برای بارگذاری یک تصویر در Pygame از `pygame.image.load()` استفاده می‌شود.

—

سوال 100 :کدام یک از گزینه‌های زیر برای ذخیره یک تصویر در OpenCV صحیح است؟
1. `cv2.save(“output.jpg”, img)`
2. `cv2.imwrite(“output.jpg”, img)`
3. `cv2.store(“output.jpg”, img)`
4. `cv2.output(“output.jpg”, img)`
پاسخ: 2
توضیح: برای ذخیره یک تصویر در OpenCV از `cv2.imwrite()` استفاده می‌شود.

—

سوال 101 :چگونه می‌توان یک تصویر را با استفاده از Pillow بارگذاری کرد؟
1. `img = Image.open(“image.jpg”)`
2. `img = Image.load(“image.jpg”)`
3. `img = Image.read(“image.jpg”)`
4. `img = Image.open_image(“image.jpg”)`
پاسخ: 1
توضیح: برای بارگذاری یک تصویر در Pillow از `Image.open()` استفاده می‌شود.

—

سوال 102:چگونه می‌توان یک تصویر را در Pillow ذخیره کرد؟
1. `img.save(“output.jpg”)`
2. `img.write(“output.jpg”)`
3. `img.store(“output.jpg”)`
4. `img.save_image(“output.jpg”)`
پاسخ: 1
توضیح: برای ذخیره یک تصویر در Pillow از متد `save()` استفاده می‌شود.

—

سوال 103 :چگونه می‌توان اندازه یک تصویر را در Pillow تغییر داد؟
1. `img.resize((width, height))`
2. `img.scale((width, height))`
3. `img.size((width, height))`
4. `img.change_size((width, height))`
پاسخ: 1
توضیح: برای تغییر اندازه تصویر در Pillow از متد `resize()` استفاده می‌شود.

—

سوال 104 :چگونه می‌توان یک تصویر را در Pillow به حالت سیاه و سفید تبدیل کرد؟
1. `img.convert(“L”)`
2. `img.to_grayscale()`
3. `img.convert(“BW”)`
4. `img.gray()`
پاسخ: 1
توضیح: برای تبدیل تصویر به سیاه و سفید در Pillow از متد `convert(“L”)` استفاده می‌شود.

—

سوال 105:چگونه می‌توان یک پنجره جدید در tkinter ایجاد کرد؟
1. `window = Tk()`
2. `window = tkinter.create_window()`
3. `window = tkinter.Tk()`
4. `window = new tkinter.Window()`
پاسخ: 3
توضیح: برای ایجاد یک پنجره جدید در tkinter از `tkinter.Tk()` استفاده می‌شود.

—

سوال 106 :چگونه می‌توان یک دکمه در tkinter ایجاد کرد؟
1. `button = Button(window, text=”Click”)`
2. `button = tkinter.Button(window, text=”Click”)`
3. `button = window.create_button(text=”Click”)`
4. `button = tkinter.create_button(window, “Click”)`
پاسخ: 2
توضیح: برای ایجاد یک دکمه در tkinter از `tkinter.Button()` استفاده می‌شود.

—

سوال 107 :کدام یک از گزینه‌های زیر برای نمایش پنجره tkinter صحیح است؟
1. `window.show()`
2. `window.display()`
3. `window.mainloop()`
4. `window.run()`
پاسخ: 3
توضیح: برای نمایش پنجره tkinter از متد `mainloop()` استفاده می‌شود.

—

سوال 108 :چگونه می‌توان متن یک Label را در tkinter تغییر داد؟
1. `label.config(text=”New Text”)`
2. `label.set_text(“New Text”)`
3. `label.update_text(“New Text”)`
4. `label.change(“New Text”)`
پاسخ: 1
توضیح: برای تغییر متن یک Label در tkinter از متد `config()` استفاده می‌شود.

—

سوال 109 :کدام یک از گزینه‌های زیر برای تقسیم داده‌ها به مجموعه‌های آموزش و آزمایش در Scikit-learn صحیح است؟
1. `train_test_split(data, test_size=0.2)`
2. `split_data(data, test_size=0.2)`
3. `data_split(data, test_size=0.2)`
4. `train_split(data, test_size=0.2)`
پاسخ: 1
توضیح: برای تقسیم داده‌ها به مجموعه‌های آموزش و آزمایش از تابع `train_test_split()` استفاده می‌شود.

—

سوال 110:چگونه می‌توان یک مدل خطی را در Scikit-learn تعریف کرد؟
1. `model = LinearRegression()`
2. `model = LinearModel()`
3. `model = LinearRegressionModel()`
4. `model = RegressionModel()`
پاسخ: 1
توضیح: برای تعریف یک مدل خطی در Scikit-learn از `LinearRegression()` استفاده می‌شود.

—

سوال 111 :چگونه می‌توان یک مدل را در Scikit-learn آموزش داد؟
1. `model.train(X, y)`
2. `model.fit(X, y)`
3. `model.learn(X, y)`
4. `model.fit_data(X, y)`
پاسخ: 2
توضیح: برای آموزش یک مدل در Scikit-learn از متد `fit()` استفاده می‌شود.

—

سوال 112 :کدام یک از گزینه‌های زیر برای پیش‌بینی با یک مدل در Scikit-learn صحیح است؟
1. `model.predict(X_test)`
2. `model.forecast(X_test)`
3. `model.estimation(X_test)`
4. `model.output(X_test)`
پاسخ: 1
توضیح: برای پیش‌بینی با یک مدل در Scikit-learn از متد `predict()` استفاده می‌شود.

—

سوال 113 :چگونه می‌توان یک تصویر را در Pillow چرخاند؟
1. `img.rotate(90)`
2. `img.spin(90)`
3. `img.turn(90)`
4. `img.transpose(90)`
پاسخ: 1
توضیح: برای چرخاندن یک تصویر در Pillow از متد `rotate()` استفاده می‌شود.

—

سوال 114 :چگونه می‌توان یک فریم (Frame) در tkinter ایجاد کرد؟
1. `frame = Frame(window)`
2. `frame = tkinter.Frame(window)`
3. `frame = window.create_frame()`
4. `frame = new tkinter.Frame(window)`
پاسخ: 2
توضیح: برای ایجاد یک فریم در tkinter از `tkinter.Frame()` استفاده می‌شود.

—

سوال 115 :کدام یک از گزینه‌های زیر برای محاسبه دقت مدل در Scikit-learn صحیح است؟
1. `accuracy_score(y_true, y_pred)`
2. `model.accuracy(y_true, y_pred)`
3. `calculate_accuracy(y_true, y_pred)`
4. `model.evaluate(y_true, y_pred)`
پاسخ: 1
توضیح: برای محاسبه دقت مدل در Scikit-learn از تابع `accuracy_score()` استفاده می‌شود.

—

سوال 116 :چگونه می‌توان یک ناحیه مشخص از تصویر را برش داد؟
1. `img.crop((x1, y1, x2, y2))`
2. `img.slice((x1, y1, x2, y2))`
3. `img.cut((x1, y1, x2, y2))`
4. `img.extract((x1, y1, x2, y2))`
پاسخ: 1
توضیح: برای برش یک ناحیه از تصویر در Pillow از متد `crop()` استفاده می‌شود.

—

سوال 117 :چگونه می‌توان یک متغیر StringVar در tkinter تعریف کرد؟
1. `var = StringVar()`
2. `var = tkinter.StringVariable()`
3. `var = tkinter.StringVar()`
4. `var = new StringVar()`
پاسخ: 3
توضیح: برای تعریف یک متغیر `StringVar` در tkinter از `tkinter.StringVar()` استفاده می‌شود.

—

سوال 118 (Scikit-learn):چگونه می‌توان ویژگی‌ها و برچسب‌های یک دیتاست را از هم جدا کرد؟
1. `X, y = data[:, :-1], data[:, -1]`
2. `X, y = data.get_features(), data.get_labels()`
3. `X, y = data.split()`
4. `X, y = data[:, 1:], data[:, 0]`
پاسخ: 1
توضیح: برای جدا کردن ویژگی‌ها و برچسب‌ها از دیتاست از تقسیم بر اساس اندیس استفاده می‌شود.

—

سوال 119 :کتابخانه Pillow برای چه نوع فعالیت‌هایی معمولاً مورد استفاده قرار می‌گیرد؟
1. پردازش تصویر
2. تحلیل داده
3. توسعه وب
4. پردازش متن
پاسخ: 1
توضیح: Pillow یک کتابخانه پردازش تصویر است که برای بارگذاری، ذخیره، و تغییر تصاویر استفاده می‌شود.

—

سوال 120 :چگونه می‌توان تصویر را با استفاده از Pillow به فرمت دیگری تبدیل کرد؟
1. با استفاده از متد save و فرمت جدید
2. با تغییر نام فایل
3. با بارگذاری مجدد تصویر
4. با تغییر کد رنگ
پاسخ: 1
توضیح: برای تبدیل فرمت یک تصویر در Pillow، می‌توان از متد `save()` و تعیین فرمت جدید استفاده کرد.

—

سوال 121 :کدام یک از گزینه‌های زیر در tkinter برای تعامل با کاربر طراحی شده است؟
1. Widgets
2. Menus
3. Frames
4. Buttons
پاسخ: 1
توضیح: Widgets در tkinter اجزای گرافیکی هستند که برای تعامل با کاربر طراحی شده‌اند.

—

سوال 122 :چگونه می‌توان با استفاده از tkinter یک پیام با قابلیت ورود متن به کاربر نمایش داد؟
1. با استفاده از Label
2. با استفاده از Entry
3. با استفاده از Text
4. با استفاده از MessageBox
پاسخ: 2
توضیح: برای نمایش یک پیام با قابلیت ورود متن به کاربر از `Entry` استفاده می‌شود.

—

سوال 123 :کتابخانه Scikit-learn برای کدام یک از موارد زیر استفاده می‌شود؟
1. یادگیری ماشین
2. پردازش تصویر
3. پردازش متن
4. توسعه وب
پاسخ: 1
توضیح: Scikit-learn یک کتابخانه یادگیری ماشین است که برای پیاده‌سازی الگوریتم‌های یادگیری ماشین و تحلیل داده‌ها استفاده می‌شود.

—

سوال 124 :کدام یک از تکنیک‌های زیر در Scikit-learn برای کاهش ابعاد داده‌ها مورد استفاده قرار می‌گیرد؟
1. PCA
2. Linear Regression
3. Logistic Regression
4. Decision Tree
پاسخ: 1
توضیح: PCA (Principal Component Analysis) یک تکنیک برای کاهش ابعاد داده‌ها در Scikit-learn است.

—

سوال 125 :در Pillow، کدام فرمت تصویر از رنگ‌های شفاف پشتیبانی می‌کند؟
1. JPEG
2. PNG
3. BMP
4. GIF
پاسخ: 2
توضیح: فرمت PNG از رنگ‌های شفاف (Transparency) پشتیبانی می‌کند.

—

سوال 126 :در Pillow، کدام یک از ویژگی‌های زیر برای افزودن متن به تصویر استفاده می‌شود؟
1. draw.text()
2. image.add_text()
3. image.put_text()
4. draw.add_text()
پاسخ: 1
توضیح: برای افزودن متن به تصویر در Pillow از متد `draw.text()` استفاده می‌شود.

—

سوال 127 :کدام یک از روش‌های زیر برای مدیریت رویدادها در tkinter صحیح است؟
1. استفاده از متد bind
2. استفاده از متد connect
3. استفاده از متد event
4. استفاده از متد listen
پاسخ: 1
توضیح: برای مدیریت رویدادها در tkinter از متد `bind` استفاده می‌شود.

—

سوال 128 :کدام یک از گزینه‌های زیر در tkinter به کاربر اجازه می‌دهد که از میان چندین گزینه یکی را انتخاب کند؟
1. Checkbutton
2. Radiobutton
3. Entry
4. Text
پاسخ: 2
توضیح: `Radiobutton` به کاربر اجازه می‌دهد که از میان چندین گزینه تنها یک گزینه را انتخاب کند.

—

سوال 129 :کدام یک از الگوریتم‌های زیر یک الگوریتم طبقه‌بندی است؟
1. K-Nearest Neighbors
2. K-Means
3. PCA
4. Linear Regression
پاسخ: 1
توضیح: K-Nearest Neighbors یک الگوریتم طبقه‌بندی است که برای پیش‌بینی کلاس یک نمونه جدید استفاده می‌شود.

—

سوال 130 :در Scikit-learn، کدام متد برای ارزیابی عملکرد یک مدل در داده‌های آزمایشی استفاده می‌شود؟
1. evaluate()
2. score()
3. test()
4. assess()
پاسخ: 2
توضیح: متد `score()` برای ارزیابی عملکرد یک مدل در داده‌های آزمایشی استفاده می‌شود.

—

سوال 131 :در Pillow، چه متدی برای ایجاد یک تصویر جدید استفاده می‌شود؟
1. Image.new()
2. Image.create()
3. Image.make()
4. Image.open()
پاسخ: 1
توضیح: برای ایجاد یک تصویر جدید در Pillow از متد `Image.new()` استفاده می‌شود.

—

سوال 132 :کتابخانه Pillow می‌تواند با کدام یک از فرمت‌های زیر کار کند؟
1. فقط JPEG
2. فقط PNG
3. JPEG و PNG
4. JPEG، PNG و GIF
پاسخ: 4
توضیح: Pillow می‌تواند با فرمت‌های JPEG، PNG و GIF کار کند.

—

سوال 133:چگونه می‌توان در tkinter از یک منو استفاده کرد؟
1. با استفاده از Menu
2. با استفاده از Dropdown
3. با استفاده از Listbox
4. با استفاده از MenuBar
پاسخ: 1
توضیح: برای ایجاد منو در tkinter از کلاس `Menu` استفاده می‌شود.

—

سوال 134 :در tkinter، کدام متد برای نمایش یک پیغام خطا به کاربر استفاده می‌شود؟
1. messagebox.showinfo()
2. messagebox.showwarning()
3. messagebox.showerror()
4. messagebox.alert()
پاسخ: 3
توضیح: برای نمایش یک پیغام خطا به کاربر در tkinter از `messagebox.showerror()` استفاده می‌شود.

—

سوال 135:کدام یک از گزینه‌های زیر در Scikit-learn برای ذخیره و بارگذاری مدل‌ها استفاده می‌شود؟
1. pickle
2. json
3. xml
4. yaml
پاسخ: 1 توضیح: برای ذخیره و بارگذاری مدل‌ها در Scikit-learn معمولاً از `pickle` استفاده می‌شود.

—

سوال 136 :در Scikit-learn، کدام تابع برای تعیین بهترین هایپرپارامترها استفاده می‌شود؟
1. GridSearchCV
2. HyperParameterTuner
3. BestParams
4. ParameterSearch
پاسخ: 1 توضیح: `GridSearchCV` برای تعیین بهترین هایپرپارامترها در Scikit-learn استفاده می‌شود.

—