برنامه نویسی Python Numpy با تمرین های کدنویسی

دانلود Python Numpy Programming with Coding Exercises

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: محاسبات عددی و تجزیه و تحلیل داده ها با NumPy از طریق کدگذاری دستی چگونه می توان آرایه های NumPy را برای محاسبات عددی کارآمد ایجاد و دستکاری کرد. تکنیک های انجام عملیات ریاضی و تحلیل آماری با NumPy. دستکاری آرایه های پیشرفته مانند تغییر شکل، نمایه سازی و پخش. کاربرد NumPy در حل مسائل جبر خطی و ادغام با سایر ابزارهای تجزیه و تحلیل داده ها. پیش نیازها: دانش اولیه برنامه نویسی پایتون. درک مفاهیم اساسی ریاضی.

به برنامه‌نویسی Python NumPy با تمرین‌های کدگذاری خوش آمدید، یک دوره جامع که برای آموزش ملزومات محاسبات عددی با استفاده از کتابخانه NumPy طراحی شده است. NumPy یک بسته اساسی برای محاسبات علمی در پایتون است که از آرایه ها، ماتریس ها و طیف گسترده ای از توابع ریاضی پشتیبانی می کند. این دوره شما را از طریق عملکردهای اصلی NumPy راهنمایی می کند و توانایی شما را برای انجام دستکاری و تجزیه و تحلیل کارآمد داده ها افزایش می دهد.

در دنیای امروزی مبتنی بر داده، مهارت در محاسبات عددی برای تجزیه و تحلیل داده‌ها، انجام محاسبات پیچیده و ساخت مدل‌های یادگیری ماشین بسیار مهم است. عملیات آرایه قدرتمند و قابلیت های ریاضی NumPy آن را به ابزاری ضروری برای دانشمندان داده، تحلیلگران و مهندسان تبدیل کرده است. این دوره با هدف تجهیز شما به مهارت‌ها و دانش عملی از طریق تمرین‌های کدگذاری عملی است که یادگیری را تقویت می‌کند و مفاهیم را در مسائل دنیای واقعی به کار می‌برد.

در طول این دوره، شما موارد زیر را پوشش خواهید داد:

  • مقدمه ای بر NumPy و اشیاء آرایه آن: اصول NumPy، از جمله ایجاد آرایه، دستکاری، و عملیات اساسی را بدانید.

  • عملیات آرایه و توابع ریاضی: انجام عملیات حسابی، محاسبات آماری و دستکاری های جبری با آرایه های NumPy را بیاموزید.

  • دستکاری آرایه های پیشرفته: موضوعاتی مانند نمایه سازی، برش دادن، شکل دهی مجدد، و پخش را برای مدیریت ساختارهای داده پیچیده کاوش کنید.

  • روش‌های عددی و جبر خطی: از NumPy برای حل مسائل جبر خطی، از جمله عملیات ماتریس و تجزیه استفاده کنید.

  • تجزیه و تحلیل و یکپارچه سازی داده ها: از NumPy برای پاکسازی، تبدیل و ادغام داده ها با کتابخانه های دیگر مانند پانداها استفاده کنید.

  • تمرین‌های عملی: مهارت‌های خود را برای حل مشکلات دنیای واقعی به کار ببرید و با مجموعه داده‌ها برای تقویت یادگیری و تمرین مفاهیم کلیدی کار کنید.

در پایان این دوره، شما در استفاده از NumPy برای محاسبات عددی مهارت خواهید داشت و به شما این امکان را می‌دهد که مجموعه داده‌های بزرگ را به طور موثر مدیریت کنید و عملیات ریاضی پیشرفته را به راحتی انجام دهید.

معرفی مربی: فیصل ضمیر یک توسعه دهنده و مدرس باتجربه پایتون با بیش از 7 سال تجربه در آموزش و کار با کتابخانه های پایتون است. تخصص فیصل در محاسبات عددی و رویکرد آموزشی واضح و عملی او شما را در پیچیدگی‌های NumPy راهنمایی می‌کند و تضمین می‌کند که مهارت‌ها و بینش‌های ارزشمندی به دست می‌آورید.

گواهی در پایان دوره: پس از اتمام موفقیت آمیز دوره، گواهینامه ای دریافت خواهید کرد که مهارت های شما در برنامه نویسی Python NumPy را تایید می کند و نمایه حرفه ای شما را ارتقا می دهد.


سرفصل ها و درس ها

مقدمه ای بر NumPy Introduction to NumPy

  • مقدمه ای بر NumPy Introduction to NumPy

  • درس 01 Lesson 01

  • تمرین های کدنویسی Coding Exercises

  • تکلیف 01 Assignment 01

  • تمرین تست 01 Practice Test 01

عملیات آرایه و ریاضیات پایه Array Operations and Basic Mathematics

  • عملیات آرایه و ریاضیات پایه Array Operations and Basic Mathematics

  • درس 02 Lesson 02

  • تمرین های کدنویسی Coding Exercises

  • تکلیف 02 Assignment 02

کار با اعداد تصادفی Working with Random Numbers

  • کار با اعداد تصادفی Working with Random Numbers

  • درس 03 Lesson 03

  • تمرین های کدنویسی Coding Exercises

  • تکلیف 03 Assignment 03

تکنیک های دستکاری آرایه ها Array Manipulation Techniques

  • تکنیک های دستکاری آرایه ها Array Manipulation Techniques

  • درس 04 Lesson 04

  • تمرین های کدنویسی Coding Exercises

  • تکلیف 04 Assignment 04

آشنایی با انواع داده های NumPy و سفارشی سازی Understanding NumPy Data Types and Customization

  • آشنایی با انواع داده های NumPy و سفارشی سازی Understanding NumPy Data Types and Customization

  • درس 05 Lesson 05

  • تمرین های کدنویسی Coding Exercises

  • تکلیف 05 Assignment 05

کار با توابع آماری و ریاضی Working with Statistical and Mathematical Functions

  • کار با توابع آماری و ریاضی Working with Statistical and Mathematical Functions

  • درس 06 Lesson 06

  • تمرین های کدنویسی Coding Exercises

  • تکلیف 06 Assignment 06

کار با جبر خطی در NumPy Working with Linear Algebra in NumPy

  • کار با جبر خطی در NumPy Working with Linear Algebra in NumPy

  • درس 07 Lesson 07

  • تمرین های کدنویسی Coding Exercises

  • تکلیف 07 Assignment 07

نمایه سازی و برش پیشرفته Advanced Indexing and Slicing

  • نمایه سازی و برش پیشرفته Advanced Indexing and Slicing

  • درس 08 Lesson 08

  • تمرین های کدنویسی Coding Exercises

  • تکلیف 08 Assignment 08

بهینه سازی عملکرد و بهترین روش ها Performance Optimization and Best Practices

  • بهینه سازی عملکرد و بهترین روش ها Performance Optimization and Best Practices

  • درس 09 Lesson 09

  • تمرین های کدنویسی Coding Exercises

  • تکلیف 09 Assignment 09

ادغام با سایر کتابخانه ها و برنامه های کاربردی دنیای واقعی Integration with Other Libraries and Real-World Applications

  • ادغام با سایر کتابخانه ها و برنامه های کاربردی دنیای واقعی Integration with Other Libraries and Real-World Applications

  • درس 10 Lesson 10

  • تکلیف 10 Assignment 10

  • تمرین های کدنویسی Coding Exercises

  • تمرین تست 02 Practice Test 02

نمایش نظرات

برنامه نویسی Python Numpy با تمرین های کدنویسی
جزییات دوره
1 hour
30
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,266
از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Python AI ML DL DS Quiz Maker Python AI ML DL DS Quiz Maker

آزمون ساز یادگیری ماشینی هوش مصنوعی پایتون

Mr Khan Mr Khan

برنامه نویس پایتون