|
|
<!--
|
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
|
{
|
|
|
"original_hash": "1e21b012c6685f8bf73e0e76cdca3347",
|
|
|
"translation_date": "2025-08-25T21:19:07+00:00",
|
|
|
"source_file": "2-farm/lessons/1-predict-plant-growth/assignment.md",
|
|
|
"language_code": "fa"
|
|
|
}
|
|
|
-->
|
|
|
# نمایش داده‌های GDD با استفاده از Jupyter Notebook
|
|
|
|
|
|
## دستورالعمل‌ها
|
|
|
|
|
|
در این درس، شما داده‌های GDD را با استفاده از یک حسگر IoT جمع‌آوری کردید. برای دریافت داده‌های خوب GDD، باید داده‌ها را برای چندین روز جمع‌آوری کنید. برای کمک به نمایش داده‌های دما و محاسبه GDD، می‌توانید از ابزارهایی مانند [Jupyter Notebooks](https://jupyter.org) برای تحلیل داده‌ها استفاده کنید.
|
|
|
|
|
|
ابتدا داده‌ها را برای چند روز جمع‌آوری کنید. باید مطمئن شوید که کد سرور شما در تمام مدت زمانی که دستگاه IoT شما فعال است، اجرا می‌شود. این کار را می‌توانید با تنظیمات مدیریت انرژی یا اجرای چیزی مانند [این اسکریپت پایتون برای فعال نگه داشتن سیستم](https://github.com/jaqsparow/keep-system-active) انجام دهید.
|
|
|
|
|
|
پس از جمع‌آوری داده‌های دما، می‌توانید از Jupyter Notebook موجود در این مخزن برای نمایش داده‌ها و محاسبه GDD استفاده کنید. Jupyter Notebooks کد و دستورالعمل‌ها را در بلوک‌هایی به نام *سلول‌ها* ترکیب می‌کند، که اغلب شامل کد پایتون هستند. شما می‌توانید دستورالعمل‌ها را بخوانید و سپس هر بلوک کد را به صورت جداگانه اجرا کنید. همچنین می‌توانید کد را ویرایش کنید. به عنوان مثال، در این دفترچه می‌توانید دمای پایه مورد استفاده برای محاسبه GDD گیاه خود را ویرایش کنید.
|
|
|
|
|
|
1. یک پوشه به نام `gdd-calculation` ایجاد کنید.
|
|
|
|
|
|
1. فایل [gdd.ipynb](../../../../../2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb) را دانلود کرده و آن را در پوشه `gdd-calculation` کپی کنید.
|
|
|
|
|
|
1. فایل `temperature.csv` که توسط سرور MQTT ایجاد شده است را کپی کنید.
|
|
|
|
|
|
1. یک محیط مجازی پایتون جدید در پوشه `gdd-calculation` ایجاد کنید.
|
|
|
|
|
|
1. برخی از بسته‌های pip برای Jupyter Notebooks و همچنین کتابخانه‌های مورد نیاز برای مدیریت و نمایش داده‌ها را نصب کنید:
|
|
|
|
|
|
```sh
|
|
|
pip install --upgrade pip
|
|
|
pip install pandas
|
|
|
pip install matplotlib
|
|
|
pip install jupyter
|
|
|
```
|
|
|
|
|
|
1. دفترچه را در Jupyter اجرا کنید:
|
|
|
|
|
|
```sh
|
|
|
jupyter notebook gdd.ipynb
|
|
|
```
|
|
|
|
|
|
Jupyter شروع به کار می‌کند و دفترچه را در مرورگر شما باز می‌کند. دستورالعمل‌های موجود در دفترچه را دنبال کنید تا دماهای اندازه‌گیری شده را نمایش دهید و روزهای درجه رشد را محاسبه کنید.
|
|
|
|
|
|
|
|
|
|
|
|
## معیارها
|
|
|
|
|
|
| معیار | عالی | قابل قبول | نیاز به بهبود |
|
|
|
| -------- | --------- | -------- | ----------------- |
|
|
|
| جمع‌آوری داده‌ها | حداقل ۲ روز کامل داده جمع‌آوری کنید | حداقل ۱ روز کامل داده جمع‌آوری کنید | مقداری داده جمع‌آوری کنید |
|
|
|
| محاسبه GDD | دفترچه را با موفقیت اجرا کرده و GDD را محاسبه کنید | دفترچه را با موفقیت اجرا کنید | قادر به اجرای دفترچه نیستید |
|
|
|
|
|
|
**سلب مسئولیت**:
|
|
|
این سند با استفاده از سرویس ترجمه هوش مصنوعی [Co-op Translator](https://github.com/Azure/co-op-translator) ترجمه شده است. در حالی که ما تلاش می‌کنیم دقت را حفظ کنیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است شامل خطاها یا نادرستی‌ها باشند. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حساس، توصیه می‌شود از ترجمه حرفه‌ای انسانی استفاده کنید. ما مسئولیتی در قبال سوء تفاهم‌ها یا تفسیرهای نادرست ناشی از استفاده از این ترجمه نداریم. |
