آموزش کار با داده های چند بعدی با استفاده از NumPy

Working with Multidimensional Data Using NumPy

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: از آنجا که کار با مجموعه داده های عددی عادی تبدیل به عادی می شود ، استفاده از ابزارها و کتابخانه های مناسب برای کار با داده ها بسیار مهم می شود. NumPy به تجزیه و تحلیل داده ها و دانشمندان داده اجازه می دهد تا با داده های چند بعدی برای حل این مشکلات کار کنند. همانطور که تکنیک های یادگیری ماشین و یادگیری عمیق محبوب می شوند ، مجموعه داده را به شکل عددی مناسب می رساند و ویژگی های مناسب برای تغذیه در مدل های ML را مهندسی می کند. در این دوره ، کار با داده های چند بعدی با استفاده از NumPy ، توابع و کلاسهای ساده و بصری را که NumPy برای کار با داده های با ابعاد بالا ارائه می دهد ، خواهید آموخت. ابتدا با عملیات اساسی برای کاوش داده های چند بعدی مانند ایجاد ، چاپ و انجام عملیات پایه ریاضی با آرایه ها آشنا خواهید شد. شما نمایه سازی و برش داده های آرایه و تکرار لیست ها را مطالعه خواهید کرد و خواهید دید که تصاویر اساساً آرایه های سه بعدی هستند و چگونه می توان آنها را با NumPy دستکاری کرد. در مرحله بعدی ، به سراغ توابع پیچیده نمایه سازی می روید. آرایه های NumPy را می توان با توابع شرطی و همچنین آرایه های شاخص نمایه کرد. سپس خواهید دید که چگونه قوانین پخش کار می کند که به NumPy اجازه می دهد تا روی آرایه هایی با اشکال مختلف و همچنین بررسی آرایه هایی مانند np.argmax () که هنگام کار با مشکلات ML بسیار رایج هستند ، عملیاتی را انجام دهد. سرانجام ، شما نحوه ادغام NumPy با کتابخانه های دیگر را در پشته PyData مطالعه خواهید کرد. شما همچنین می توانید پیاده سازی های خاص را با SciPy و با Pandas پوشش دهید. در پایان این دوره ، شما با استفاده از تکنیک های دستکاری آرایه ای که NumPy ارائه می دهد ، راحت خواهید بود تا داده های شما را در فرم مناسب برای استخراج بینش بدست آورید.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

کاوش داده های چند بعدی با استفاده از NumPy Exploring Multidimensional Data Using NumPy

  • بررسی اجمالی ماژول Module Overview

  • پیش نیازها و بررسی اجمالی دوره Prerequisites and Course Overview

  • ایجاد آرایه ها Creating Arrays

  • چاپ آرایه ها Printing Arrays

  • عملیات آرایه اساسی Basic Array Operations

  • توابع جهانی Universal Functions

  • نمایه سازی و برش آرایه ها Indexing and Slicing Arrays

  • تکرار بیش از آرایه ها Iterating Over Arrays

  • تغییر شکل آرایه ها Reshaping Arrays

  • تقسیم آرایه ها به صورت افقی و عمودی Splitting Arrays Horizontally and Vertically

  • دستکاری تصویر Image Manipulation

  • کپی های کم عمق با استفاده از نمای Shallow Copies Using View

  • کپی های عمیق با استفاده از کپی Deep Copies Using Copy

نمایه سازی پیچیده با استفاده از NumPy Complex Indexing Using NumPy

  • بررسی اجمالی ماژول Module Overview

  • نمایه سازی آرایه ها با استفاده از آرایه ها Indexing Arrays Using Arrays

  • نمایه سازی فانتزی با داده های تولید ناخالص داخلی Fancy Indexing with GDP Data

  • نمایه سازی با آرایه های بولی Indexing with Boolean Arrays

  • آرایه هایی با داده های ساختاریافته Arrays with Structured Data

  • صدا و سیما Broadcasting

  • پخش مقیاس ها و آرایه ها Broadcasting Scalars and Arrays

  • تغییر شکل خودکار Automatic Reshaping

  • انباشته آرایه ها Stacking Arrays

  • هیستوگرام Histograms

  • عملیات متفرقه Miscellaneous Operations

استفاده از سایر کتابخانه های پایتون با NumPy Leveraging Other Python Libraries with NumPy

  • بررسی اجمالی ماژول Module Overview

  • کار با Pandas Working with Pandas

  • کار با SciPy Working with SciPy

  • مجسم سازی Vectorization

  • خلاصه و مطالعه بیشتر Summary and Further Study

نمایش نظرات

آموزش کار با داده های چند بعدی با استفاده از NumPy
جزییات دوره
1h 43m
30
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
48
4.4 از 5
دارد
دارد
دارد
Janani Ravi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.