آموزش NumPy برای علم داده و یادگیری ماشین در پایتون
NumPy for Data Science and Machine Learning in Python
آنچه یاد خواهید گرفت
- مبانی Numpy، آرایه‌ها، فهرست‌ها.
- دسترسی/تغییر عناصر خاص، ردیف‌ها، ستون‌ها و غیره
- راه اندازی آرایه های مختلف (1s، 0s، کامل، تصادفی، و غیره)
- ریاضیات پایه (حساب، مثلثات و غیره)
- جبر خطی و آمار
- سازماندهی مجدد آرایه ها
- بارگیری داده ها از یک فایل
- نمایه سازی پیشرفته و پوشش بولی
خوش آمدید! این پیش نیازهای یادگیری عمیق، یادگیری ماشین و علم داده است: The Numpy Stack در پایتون.
یک سوال یا نگرانی که من زیاد متوجه شدم این است که مردم می خواهند یادگیری عمیق و علم داده را بیاموزند، بنابراین این دوره ها را می گذرانند، اما آنها را پشت سر می گذارند زیرا به اندازه کافی در مورد پشته Numpy نمی دانند تا بتوانند این دوره ها را تغییر دهند. مفاهیم به کد.
حتی اگر کد را به طور کامل بنویسم، اگر Numpy را نمی‌شناسید، خواندن آن همچنان بسیار سخت است.
این دوره برای حذف این مانع طراحی شده است - تا به شما نشان دهد چگونه کارهایی را در پشته Numpy انجام دهید که اغلب در یادگیری عمیق و علم داده مورد نیاز است.
پس آن چیزها چیست؟
Numpy . این اساس هر چیز دیگری را تشکیل می دهد. شیء مرکزی در Numpy آرایه Numpy است که می توانید عملیات مختلفی را روی آن انجام دهید.
نکته کلیدی این است که آرایه Numpy فقط یک آرایه معمولی نیست که در زبانی مانند جاوا یا C++ می‌بینید، بلکه در عوض مانند یک شیء ریاضی مانند بردار یا ماتریس است.
یعنی می‌توانید عملیات بردار و ماتریس مانند جمع، تفریق و ضرب را انجام دهید.
مهمترین جنبه آرایه های Numpy این است که برای سرعت بهینه شده اند. بنابراین ما قصد داریم یک نسخه نمایشی انجام دهیم که در آن به شما ثابت می‌کنم که استفاده از یک عملیات بردار Numpy سریع‌تر از استفاده از لیست Python است.
سپس به چند عملیات ماتریس پیچیده‌تر مانند محصولات، معکوس‌ها، تعیین‌کننده‌ها و حل سیستم‌های خطی نگاه خواهیم کرد.
این دوره برای چه کسانی است:
- دانش‌آموزان و متخصصان با تجربه کمی Numpy که قصد دارند یادگیری عمیق و یادگیری ماشینی را بعداً یاد بگیرند
- دانش‌آموزان و متخصصان یادگیری ماشین و علم داده را امتحان کرده‌اند اما در قرار دادن ایده‌ها در کد مشکل دارند
مقدمه Introduction
-
مقدمه Introduction
NumPy و برنامه های کاربردی آن NumPy and it's Applications
-
تور Tour
-
NumPy و برنامه های کاربردی آن NumPy and it's Applications
-
اسناد NumPy NumPy Documentation
مبانی NumPy Basics of NumPy
-
راه اندازی یک آرایه Initializing an Array
-
انواع داده NumPy NumPy Datatypes
دسترسی/تغییر عناصر خاص، ردیف‌ها، ستون‌ها و غیره Accessing/Changing Specific Elements, Rows, Columns, etc
-
دسترسی/تغییر عناصر خاص Accessing/Changing Specific Elements
راه اندازی آرایه های مختلف (1s، 0s، کامل، تصادفی و غیره) Initializing Different Arrays (1s, 0s, full, random, etc)
-
راه اندازی آرایه های مختلف Initializing Different Arrays
ریاضیات پایه (حساب، مثلثات و ...) Basic Mathematics (arithmetic, trigonometry, etc.)
-
ریاضیات پایه Basic Mathematics
جبر خطی و آمار Linear Algebra and Statistics
-
جبر خطی و آمار Linear Algebra and Statistics
سازماندهی مجدد آرایه ها Reorganizing Arrays
-
سازماندهی مجدد آرایه ها Reorganizing Arrays
بارگذاری داده ها از یک فایل Load data in from a file
-
داده ها را با استفاده از NumPy بارگیری کنید Load data using NumPy
نمایه سازی پیشرفته و پوشش بولی Advanced Indexing and Boolean Masking
-
نمایه سازی پیشرفته و پوشش بولی Advanced Indexing and Boolean Masking
گواهی Certificate
-
گواهی Certificate
https://donyad.com/d/af5b
Jobshie .
توسعه دهنده وب با بیش از 3 سال سابقه کار. من بیش از سه سال سابقه کار توسعه دهنده وب دارم. من ویدیوهایی در SQL، Big Query، Data Science، Data Analysis، Python، Machine Learning، Deep Learning ایجاد می کنم. امیدوارم از این کانال ارزشی کسب کنید. در صورت تمایل لطفا عضو کانال شوید و ویدیوها را با دیگران به اشتراک بگذارید.
نمایش نظرات