آموزش علوم داده NumPy

NumPy Data Science Essential Training

در حال بارگزاری نمونه ویدیو، لطفا صبر کنید...
Video Player is loading.
Current Time 0:00
Duration 0:00
Loaded: 0%
Stream Type LIVE
Remaining Time 0:00
 
1x
    • Chapters
    • descriptions off, selected
    • subtitles off, selected
      نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
      نمونه ویدیوها:
      • در حال بارگزاری، لطفا صبر کنید...
      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.