diff --git a/.translate/state/pandas.md.yml b/.translate/state/pandas.md.yml
index cf604aa..955736f 100644
--- a/.translate/state/pandas.md.yml
+++ b/.translate/state/pandas.md.yml
@@ -1,6 +1,6 @@
-source-sha: 9490497982787a5b0eb54ee1dcd73ac326d5ae04
-synced-at: "2026-03-20"
-model: unknown
-mode: RESYNC
+source-sha: 0ff5a1d66c4e609ffe55f620dc8ea3fc179787dc
+synced-at: "2026-03-24"
+model: claude-sonnet-4-6
+mode: UPDATE
 section-count: 5
-tool-version: 0.11.0
+tool-version: 0.12.1
diff --git a/.translate/state/python_advanced_features.md.yml b/.translate/state/python_advanced_features.md.yml
index 565ebad..772e868 100644
--- a/.translate/state/python_advanced_features.md.yml
+++ b/.translate/state/python_advanced_features.md.yml
@@ -1,6 +1,6 @@
-source-sha: 1a87942398e15e03539083cc944a78653c532607
-synced-at: "2026-03-20"
-model: unknown
-mode: RESYNC
-section-count: 6
-tool-version: 0.11.0
+source-sha: 0ff5a1d66c4e609ffe55f620dc8ea3fc179787dc
+synced-at: "2026-03-24"
+model: claude-sonnet-4-6
+mode: UPDATE
+section-count: 7
+tool-version: 0.12.1
diff --git a/lectures/pandas.md b/lectures/pandas.md
index d37b025..27e9ca2 100644
--- a/lectures/pandas.md
+++ b/lectures/pandas.md
@@ -10,6 +10,7 @@ kernelspec:
   language: python
   name: python3
 heading-map:
+  '{index}`Pandas <single: Pandas>`': '{index}`Pandas <single: Pandas>`'
   Overview: مرور کلی
   Series: Series
   DataFrames: DataFrames
@@ -806,4 +807,4 @@ plt.tight_layout()
 ```{solution-end}
 ```
 
-[^mung]: ویکی‌پدیا munging را به عنوان پاک‌سازی داده از یک فرم خام به یک فرم ساختاریافته و تصفیه شده تعریف می‌کند.
\ No newline at end of file
+[^mung]: ویکی‌پدیا munging را به عنوان پاک‌سازی داده از یک فرم خام به یک فرم ساختاریافته و تصفیه شده تعریف می‌کند.
diff --git a/lectures/python_advanced_features.md b/lectures/python_advanced_features.md
index 2633664..bae800d 100644
--- a/lectures/python_advanced_features.md
+++ b/lectures/python_advanced_features.md
@@ -8,29 +8,33 @@ kernelspec:
   language: python
   name: python3
 heading-map:
+  More Language Features: ویژگی‌های بیشتر زبان
   Overview: مروری کلی
-  Iterables and Iterators: Iterableها و Iteratorها
-  Iterables and Iterators::Iterators: Iteratorها
-  Iterables and Iterators::Iterators in For Loops: Iteratorها در حلقه‌های For
-  Iterables and Iterators::Iterables: Iterableها
-  Iterables and Iterators::Iterators and built-ins: Iteratorها و توابع داخلی
-  '`*` and `**` Operators': عملگرهای `*` و `**`
-  '`*` and `**` Operators::Unpacking Arguments': باز کردن آرگومان‌ها
-  '`*` and `**` Operators::Arbitrary Arguments': آرگومان‌های دلخواه
-  Decorators and Descriptors: Decoratorها و Descriptorها
-  Decorators and Descriptors::Decorators: Decoratorها
-  Decorators and Descriptors::Decorators::An Example: یک مثال
-  Decorators and Descriptors::Decorators::Enter Decorators: Decoratorها وارد می‌شوند
-  Decorators and Descriptors::Descriptors: Descriptorها
-  Decorators and Descriptors::Descriptors::A Solution: یک راه‌حل
-  Decorators and Descriptors::Descriptors::How it Works: چگونه کار می‌کند
-  Decorators and Descriptors::Descriptors::Decorators and Properties: Decoratorها و Propertyها
+  Iterables and iterators: Iterableها و Iteratorها
+  Iterables and iterators::Iterators: Iteratorها
+  Iterables and iterators::Iterators in for loops: Iteratorها در حلقه‌های For
+  Iterables and iterators::Iterables: Iterableها
+  Iterables and iterators::Iterators and built-ins: Iteratorها و توابع داخلی
+  '`*` and `**` operators': عملگرهای `*` و `**`
+  '`*` and `**` operators::Unpacking arguments': باز کردن آرگومان‌ها
+  '`*` and `**` operators::Arbitrary arguments': آرگومان‌های دلخواه
+  Type hints: Decoratorها و Descriptorها
+  Type hints::Basic syntax: Decoratorها
+  Type hints::Common types: Descriptorها
+  Decorators and descriptors: Decoratorها و Descriptorها
+  Decorators and descriptors::Decorators: Decoratorها
+  Decorators and descriptors::Decorators::An example: یک مثال
+  Decorators and descriptors::Decorators::Enter decorators: Decoratorها وارد می‌شوند
+  Decorators and descriptors::Descriptors: Descriptorها
+  Decorators and descriptors::Descriptors::A solution: یک راه‌حل
+  Decorators and descriptors::Descriptors::How it works: چگونه کار می‌کند
+  Decorators and descriptors::Descriptors::Decorators and properties: Decoratorها و Propertyها
   Generators: Generatorها
-  Generators::Generator Expressions: عبارات Generator
-  Generators::Generator Functions: توابع Generator
-  Generators::Generator Functions::Example 1: مثال 1
-  Generators::Generator Functions::Example 2: مثال 2
-  Generators::Advantages of Iterators: مزایای Iteratorها
+  Generators::Generator expressions: عبارات Generator
+  Generators::Generator functions: توابع Generator
+  Generators::Generator functions::Example 1: مثال 1
+  Generators::Generator functions::Example 2: مثال 2
+  Generators::Advantages of iterators: مزایای Iteratorها
   Exercises: تمرین‌ها
 ---
 
@@ -66,6 +70,7 @@ heading-map:
 اکنون بیایید دقیق‌تر به نحوه کار آن نگاه کنیم، با تمرکز بر پیاده‌سازی Python از حلقه `for`.
 
 (iterators)=
+
 ### Iteratorها
 
 ```{index} single: Python; Iterators
@@ -317,7 +322,6 @@ max(y)
 
 در این بخش، نحوه استفاده از آن‌ها و تمایز موارد استفاده آن‌ها را بررسی خواهیم کرد.
 
-
 ### باز کردن آرگومان‌ها
 
 وقتی روی لیستی از پارامترها عمل می‌کنیم، اغلب نیاز داریم که محتوای لیست را به عنوان آرگومان‌های منفرد به جای یک مجموعه استخراج کنیم هنگام ارسال آن‌ها به توابع.
@@ -656,6 +660,339 @@ def g(x):
 به نظر بسیاری از افراد، این نحو decorator را به یک بهبود قابل توجه برای زبان تبدیل می‌کند.
 
 (descriptors)=
+
+### Descriptorها
+
+```{index} single: Python; Descriptors
+```
+
+Descriptorها مشکل رایجی را در مورد مدیریت متغیرها حل می‌کنند.
+
+برای درک موضوع، یک کلاس `Car` را در نظر بگیرید که یک ماشین را شبیه‌سازی می‌کند.
+
+فرض کنید این کلاس متغیرهای `miles` و `kms` را تعریف می‌کند که به ترتیب فاصله طی شده به مایل
+و کیلومتر را نشان می‌دهند.
+
+یک نسخه بسیار ساده‌شده از کلاس ممکن است به شکل زیر باشد
+
+```{code-cell} python3
+class Car:
+
+    def __init__(self, miles=1000):
+        self.miles = miles
+        self.kms = miles * 1.61
+
+    # Some other functionality, details omitted
+```
+
+یک مشکل احتمالی که ممکن است اینجا داشته باشیم این است که کاربر یکی از این
+متغیرها را تغییر دهد اما دیگری را نه
+
+```{code-cell} python3
+car = Car()
+car.miles
+```
+
+```{code-cell} python3
+car.kms
+```
+
+```{code-cell} python3
+car.miles = 6000
+car.kms
+```
+
+در دو خط آخر می‌بینیم که `miles` و `kms` همگام نیستند.
+
+آنچه واقعاً می‌خواهیم یک مکانیسم است که به موجب آن هر زمان که کاربر یکی از این متغیرها را تنظیم می‌کند، *دیگری به طور خودکار به‌روز شود*.
+
+#### یک راه‌حل
+
+در Python، این موضوع با استفاده از *descriptorها* حل می‌شود.
+
+یک descriptor فقط یک شیء Python است که متدهای خاصی را پیاده‌سازی می‌کند.
+
+این متدها زمانی فعال می‌شوند که شیء از طریق نشانه‌گذاری ویژگی نقطه‌دار قابل دسترسی باشد.
+
+بهترین راه برای درک این موضوع دیدن آن در عمل است.
+
+این نسخه جایگزین از کلاس `Car` را در نظر بگیرید
+
+```{code-cell} python3
+class Car:
+
+    def __init__(self, miles=1000):
+        self._miles = miles
+        self._kms = miles * 1.61
+
+    def set_miles(self, value):
+        self._miles = value
+        self._kms = value * 1.61
+
+    def set_kms(self, value):
+        self._kms = value
+        self._miles = value / 1.61
+
+    def get_miles(self):
+        return self._miles
+
+    def get_kms(self):
+        return self._kms
+
+    miles = property(get_miles, set_miles)
+    kms = property(get_kms, set_kms)
+```
+
+ابتدا بیایید بررسی کنیم که رفتار مورد نظر را دریافت می‌کنیم
+
+```{code-cell} python3
+car = Car()
+car.miles
+```
+
+```{code-cell} python3
+car.miles = 6000
+car.kms
+```
+
+بله، این همان چیزی است که می‌خواهیم --- `car.kms` به طور خودکار به‌روز می‌شود.
+
+#### چگونه کار می‌کند
+
+نام‌های `_miles` و `_kms` نام‌های دلخواهی هستند که برای ذخیره مقادیر متغیرها استفاده می‌کنیم.
+
+اشیاء `miles` و `kms` *propertyها* هستند، نوع رایجی از descriptor.
+
+متدهای `get_miles`، `set_miles`، `get_kms` و `set_kms` تعریف
+می‌کنند که چه اتفاقی می‌افتد وقتی این متغیرها را دریافت (یعنی دسترسی) یا تنظیم (اتصال) می‌کنید
+
+* متدهای به اصطلاح "getter" و "setter".
+
+تابع داخلی Python به نام `property` متدهای getter و setter را می‌گیرد و یک property ایجاد می‌کند.
+
+به عنوان مثال، بعد از اینکه `car` به عنوان یک نمونه از `Car` ایجاد شد، شیء `car.miles` یک property است.
+
+به عنوان یک property، وقتی مقدار آن را از طریق `car.miles = 6000` تنظیم می‌کنیم، متد setter
+آن فعال می‌شود --- در این مورد `set_miles`.
+
+#### Decoratorها و Propertyها
+
+```{index} single: Python; Decorators
+```
+
+```{index} single: Python; Properties
+```
+
+این روزها بسیار رایج است که تابع `property` را از طریق یک decorator ببینید.
+
+اینجا نسخه دیگری از کلاس `Car` ما است که مانند قبل کار می‌کند اما حالا از
+decoratorها برای تنظیم propertyها استفاده می‌کند
+
+```{code-cell} python3
+class Car:
+
+    def __init__(self, miles=1000):
+        self._miles = miles
+        self._kms = miles * 1.61
+
+    @property
+    def miles(self):
+        return self._miles
+
+    @property
+    def kms(self):
+        return self._kms
+
+    @miles.setter
+    def miles(self, value):
+        self._miles = value
+        self._kms = value * 1.61
+
+    @kms.setter
+    def kms(self, value):
+        self._kms = value
+        self._miles = value / 1.61
+```
+
+از همه جزئیات اینجا نمی‌گذریم.
+
+برای اطلاعات بیشتر می‌توانید به [مستندات descriptor](https://docs.python.org/3/howto/descriptor.html) مراجعه کنید.
+
+(paf_generators)=
+
+## Decoratorها و Descriptorها
+
+```{index} single: Python; Decorators
+```
+
+```{index} single: Python; Descriptors
+```
+
+بیایید به برخی از عناصر نحوی خاص نگاه کنیم که به طور معمول توسط توسعه‌دهندگان Python استفاده می‌شوند.
+
+ممکن است بلافاصله به مفاهیم زیر نیاز نداشته باشید، اما آن‌ها را در کد دیگران خواهید دید.
+
+از این رو در مرحله‌ای از آموزش Python خود باید آن‌ها را درک کنید.
+
+### Decoratorها
+
+```{index} single: Python; Decorators
+```
+
+Decoratorها کمی نحو شیرین هستند که، اگرچه به راحتی قابل اجتناب هستند، محبوب شده‌اند.
+
+بسیار آسان است بگوییم که decoratorها چه کاری انجام می‌دهند.
+
+از طرف دیگر توضیح اینکه *چرا* ممکن است از آن‌ها استفاده کنید، کمی تلاش می‌طلبد.
+
+#### یک مثال
+
+فرض کنید روی برنامه‌ای کار می‌کنیم که شبیه این است
+
+```{code-cell} python3
+import numpy as np
+
+def f(x):
+    return np.log(np.log(x))
+
+def g(x):
+    return np.sqrt(42 * x)
+
+# Program continues with various calculations using f and g
+```
+
+اکنون فرض کنید مشکلی وجود دارد: گاهی اوقات اعداد منفی به `f` و `g` در محاسباتی که دنبال می‌شود، وارد می‌شوند.
+
+اگر امتحان کنید، خواهید دید که وقتی این توابع با اعداد منفی فراخوانی می‌شوند، یک شیء NumPy به نام `nan` را برمی‌گردانند.
+
+این مخفف "not a number" است (و نشان می‌دهد که شما در حال ارزیابی یک تابع ریاضی در نقطه‌ای هستید که تعریف نشده است).
+
+شاید این همان چیزی نیست که می‌خواهیم، زیرا مشکلات دیگری را ایجاد می‌کند که بعداً سخت قابل تشخیص هستند.
+
+فرض کنید به جای آن می‌خواهیم برنامه هر زمان که این اتفاق می‌افتد خاتمه یابد، با یک پیام خطای معقول.
+
+این تغییر به اندازه کافی آسان برای پیاده‌سازی است
+
+```{code-cell} python3
+import numpy as np
+
+def f(x):
+    assert x >= 0, "Argument must be nonnegative"
+    return np.log(np.log(x))
+
+def g(x):
+    assert x >= 0, "Argument must be nonnegative"
+    return np.sqrt(42 * x)
+
+# Program continues with various calculations using f and g
+```
+
+با این حال متوجه شوید که اینجا کمی تکرار وجود دارد، به شکل دو خط یکسان کد.
+
+تکرار کد ما را طولانی‌تر و سخت‌تر برای نگهداری می‌کند، و از این رو چیزی است که سخت تلاش می‌کنیم از آن اجتناب کنیم.
+
+اینجا مشکل بزرگی نیست، اما حالا تصور کنید به جای فقط `f` و `g`، ما 20 تابع داریم که باید دقیقاً به همین شکل تغییر کنیم.
+
+این یعنی باید منطق تست (یعنی خط `assert` که غیرمنفی بودن را تست می‌کند) را 20 بار تکرار کنیم.
+
+وضعیت حتی بدتر است اگر منطق تست طولانی‌تر و پیچیده‌تر باشد.
+
+در این نوع سناریو رویکرد زیر منظم‌تر خواهد بود
+
+```{code-cell} python3
+import numpy as np
+
+def check_nonneg(func):
+    def safe_function(x):
+        assert x >= 0, "Argument must be nonnegative"
+        return func(x)
+    return safe_function
+
+def f(x):
+    return np.log(np.log(x))
+
+def g(x):
+    return np.sqrt(42 * x)
+
+f = check_nonneg(f)
+g = check_nonneg(g)
+# Program continues with various calculations using f and g
+```
+
+این پیچیده به نظر می‌رسد، پس بیایید آرام آرام روی آن کار کنیم.
+
+برای باز کردن منطق، در نظر بگیرید چه اتفاقی می‌افتد وقتی می‌گوییم `f = check_nonneg(f)`.
+
+این تابع `check_nonneg` را با پارامتر `func` برابر با `f` فراخوانی می‌کند.
+
+اکنون `check_nonneg` یک تابع جدید به نام `safe_function` ایجاد می‌کند که
+`x` را به عنوان غیرمنفی تأیید می‌کند و سپس `func` را روی آن فراخوانی می‌کند (که همان `f` است).
+
+در نهایت، نام سراسری `f` برابر با `safe_function` قرار می‌گیرد.
+
+اکنون رفتار `f` همان‌طور که می‌خواهیم است، و همینطور برای `g`.
+
+در عین حال، منطق تست فقط یک بار نوشته شده است.
+
+#### Decoratorها وارد می‌شوند
+
+```{index} single: Python; Decorators
+```
+
+نسخه آخر کد ما هنوز ایده‌آل نیست.
+
+به عنوان مثال، اگر کسی کد ما را بخواند و بخواهد بداند که
+`f` چگونه کار می‌کند، به دنبال تعریف تابع خواهد گشت، که این است
+
+```{code-cell} python3
+def f(x):
+    return np.log(np.log(x))
+```
+
+ممکن است خط `f = check_nonneg(f)` را از دست بدهند.
+
+به این و دلایل دیگر، decoratorها به Python معرفی شدند.
+
+با decoratorها، می‌توانیم خطوط
+
+```{code-cell} python3
+def f(x):
+    return np.log(np.log(x))
+
+def g(x):
+    return np.sqrt(42 * x)
+
+f = check_nonneg(f)
+g = check_nonneg(g)
+```
+
+را با
+
+```{code-cell} python3
+@check_nonneg
+def f(x):
+    return np.log(np.log(x))
+
+@check_nonneg
+def g(x):
+    return np.sqrt(42 * x)
+```
+
+جایگزین کنیم
+
+این دو قطعه کد دقیقاً همان کار را انجام می‌دهند.
+
+اگر همان کار را انجام می‌دهند، آیا واقعاً به نحو decorator نیاز داریم؟
+
+خب، توجه کنید که decoratorها دقیقاً بالای تعاریف تابع قرار دارند.
+
+بنابراین هر کسی که به تعریف تابع نگاه می‌کند، آن‌ها را خواهد دید و از
+اینکه تابع تغییر یافته است، آگاه خواهد شد.
+
+به نظر بسیاری از افراد، این نحو decorator را به یک بهبود قابل توجه برای زبان تبدیل می‌کند.
+
+(descriptors)=
+
 ### Descriptorها
 
 ```{index} single: Python; Descriptors
@@ -814,6 +1151,7 @@ class Car:
 برای اطلاعات بیشتر می‌توانید به [مستندات descriptor](https://docs.python.org/3/howto/descriptor.html) مراجعه کنید.
 
 (paf_generators)=
+
 ## Generatorها
 
 ```{index} single: Python; Generators
@@ -1084,7 +1422,6 @@ sum(draws)
 * نیاز به ایجاد لیست‌ها/tupleهای بزرگ را از بین می‌برند، و
 * یک رابط یکنواخت برای تکرار فراهم می‌کنند که می‌تواند به صورت شفاف در حلقه‌های `for` استفاده شود
 
-
 ## تمرین‌ها
 
 
@@ -1145,4 +1482,4 @@ for date in dates:
 ```
 
 ```{solution-end}
-```
\ No newline at end of file
+```