آموزش علوم داده NumPy

NumPy Data Science Essential Training

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: آموزش ضروری علم داده های NumPy آغاز دانشمند میانی داده را به NumPy ، کتابخانه پایتون که از برنامه نویسی عددی ، علمی و آماری ، از جمله یادگیری ماشین پشتیبانی می کند ، معرفی می کند. این کتابخانه از جنبه های مختلف علم داده پشتیبانی می کند ، اشیا ar آرایه ای چند بعدی ، اشیا derived مشتق شده (ماتریس ها و آرایه های پوشیده) و روال هایی برای ریاضیات ، منطق ، مرتب سازی ، آمار و تولید اعداد تصادفی. در اینجا چارلز کلی نحوه کار با NumPy و Python را در Jupyter Notebook نشان می دهد ، ابزاری مبتنی بر مرورگر برای ایجاد اسناد تعاملی با کد زنده ، حاشیه نویسی و حتی تجسم از قبیل نمودارها. بیاموزید که چگونه آرایه های NumPy ایجاد کنید ، از دستورات و قطعه های NumPy استفاده کنید و آرایه ها را index کنید ، برش دهید ، تکرار کنید و در غیر اینصورت دستکاری کنید. به علاوه ، نحوه ترسیم داده ها و ترکیب آرایه های NumPy با کلاس های پایتون را بیاموزید و نمونه هایی از NumPy را در عمل بدست آورید: حل معادلات خطی ، یافتن الگوها ، اجرای آمار ، تولید مکعب های جادویی و موارد دیگر.
موضوعات شامل:
  • استفاده از نوت بوک Jupyter
  • ایجاد آرایه های NumPy از ساختارهای پایتون
  • برش آرایه ها
  • استفاده از روشهای پوشش و پخش بولی
  • طرح ریزی در دفترهای مشتری
  • پیوستن و تقسیم آرایه ها
  • تنظیم مجدد عناصر آرایه
  • ایجاد توابع جهانی
  • یافتن الگوها
  • ساخت مربع های جادویی و مکعب های جادویی با NumPy و Python

سرفصل ها و درس ها

مقدمه Introduction

  • خوش آمدی Welcome

  • آنچه باید بدانید What you should know

  • NumPy ، علوم داده ، IMQAV NumPy, data science, IMQAV

  • نحوه استفاده از پرونده های تمرینی How to use the exercise files

  • نصب نرم افزار Install software

1. نوت بوک 1. Notebooks

  • آشنایی با نوت بوک Jupyter Introduction to Jupyter Notebook

  • مبانی نوت بوک Notebook basics

  • علامت گذاری Markdown

  • حروفچینی زیبا ریاضیات Beautiful mathematics typesetting

  • نوت بوک Jupyter را راه اندازی کنید Launch Jupyter Notebook

2. آرایه های NumPy ایجاد کنید 2. Create NumPy Arrays

  • آرایه هایی از ساختارهای پایتون ایجاد کنید Create arrays from Python structures

  • ایجاد ذاتی با استفاده از روش های NumPy Intrinsic creation using NumPy methods

  • فضای ذخیره سازی ، صفرها ، انواع داده ها linspace, zeros, ones, data types

3. فهرست ، برش و Iterate 3. Index, Slice, and Iterate

  • آرایه های برش Slice arrays

  • آرایه های ماسک بولی Boolean mask arrays

  • صدا و سیما Broadcasting

  • آرایه های ساختاری و ضبط شده Structured and record arrays

4. توطئه ها: Matplotlib و Pyplot 4. Plots: Matplotlib and Pyplot

  • رسم درون خطی Inline plotting

  • شکل ها و زیرشاخه ها Figures and subplots

  • چند خط ، طرح تک Multiple lines, single plot

  • علائم تیک ، برچسب ها و شبکه ها Tick marks, labels, and grids

  • حاشیه نویسی طرح Plot annotations

  • نمودارهای پای و نمودارهای میله ای Pie charts and bar charts

  • توطئه های زیبا ، گالری Beautiful plots, the gallery

5- آرایه ها را دستکاری کنید 5. Manipulate Arrays

  • نمایش ها و نسخه ها Views and copies

  • صفات آرایه Array attributes

  • عناصر را اضافه و حذف کنید Add and remove elements

  • به آرایه ها بپیوندید و تقسیم کنید Join and split arrays

  • دستکاری شکل آرایه Array shape manipulation

  • تنظیم مجدد عناصر آرایه Rearrange array elements

  • مانند عملیات ها را جابجا کنید Transpose like operations

  • آرایه های کاشی کاری Tiling arrays

6. مثالهای کوتاه 6. Short Examples

  • توابع جهانی Universal functions

  • مثلث های فیثاغورس Pythagorean triangles

  • جبر خطی Linear algebra

  • یافتن الگوهای Finding patterns

  • آمار Statistics

  • بازی فکری Brain teasers

7. مثالهای گسترده 7. Extended Examples

  • مربع های جادویی و NumPy Magic squares and NumPy

  • ماتریس تنظیم Adjacency matrix

  • ویژگی های جادویی Magic characteristics

  • مکعب های جادویی بسازید Build magic cubes

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش علوم داده NumPy
جزییات دوره
3h 54m
43
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
165,833
- از 5
ندارد
دارد
دارد
Charles Kelly
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Charles Kelly Charles Kelly

چارلز کلی مدیر ارشد فناوری (CTO) در SAGE ، ژنراتور کاربرد ساده برای Eclipse است. SAGE به تولید کد برای سیستم های مشتری-سرور ، سیستم عامل های مشتری غنی ، سیستم های محاسبات موازی و سایر مؤلفه های رابط کاربر کمک می کند. وی مدرس و استادیار دانشگاه سن دیگو و استاد برجسته در موسسه فناوری دالین بوده است. او در اوقات فراغت ، تقاطع های برنامه نویسی نرم افزار و سودوکو را دنبال می کند. اطلاعات بیشتری در charleskelly.com کسب کنید.