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