آموزش پایتون با NumPy برای مبتدیان مطلق
Python with NumPy For Absolute Beginners
آنچه یاد خواهید گرفت
- درک اصول اولیه Python Numpy فقط در 1.5 ساعت
- درک لیست ها با آرایه ها متفاوت است
- اجرای عملیات آرایه با استفاده از ماژول Numpy در پایتون
- عملیات جستجو و مرتب‌سازی در آرایه‌ها
NumPy یک کتابخانه خارجی سطح پایه در پایتون است که برای عملیات پیچیده ریاضی استفاده می شود. NumPy با استفاده از اشیاء آرایه چند بعدی بر اجرای کندتر غلبه می کند. دارای توابع داخلی برای دستکاری آرایه ها. ما می توانیم الگوریتم های مختلف را به can به توابعی برای اعمال روی آرایه ها تبدیل کنیم. NumPy برنامه هایی دارد که فقط به خودش محدود نمی شود. این یک کتابخانه بسیار متنوع است و طیف گسترده ای از برنامه های کاربردی در بخش های دیگر دارد. Numpy را می توان در کنار علم داده، تجزیه و تحلیل داده و یادگیری ماشین مورد استفاده قرار داد. همچنین پایگاهی برای سایر کتابخانه های پایتون است. این کتابخانه ها از قابلیت های NumPy برای افزایش قابلیت های خود استفاده می کنند.
این دوره با اکثریت مفاهیم NumPy - کتابخانه عددی پایتون آشنا می شود.
موضوعات زیر را خواهید آموخت:
1) ایجاد آرایه با استفاده از Numpy در پایتون
2) دسترسی به آرایه ها با استفاده از Numpy در پایتون
3) یافتن ابعاد آرایه با استفاده از Numpy در پایتون
4) نمایه سازی منفی در آرایه ها با استفاده از Numpy در پایتون
5) برش یک آرایه با استفاده از Numpy در پایتون
6) بررسی نوع داده آرایه با استفاده از Numpy در پایتون
7) کپی کردن یک آرایه با استفاده از Numpy در پایتون
8) تکرار از طریق آرایه ها با استفاده از Numpy در پایتون
9) شکل آرایه ها با استفاده از Numpy در پایتون
10) تغییر شکل آرایه ها با استفاده از Numpy در پایتون
11) پیوستن به آرایه ها با استفاده از Numpy در پایتون
12) تقسیم آرایه با استفاده از Numpy در پایتون
13) مرتب سازی آرایه با استفاده از Numpy در پایتون
14) جستجو در آرایه با استفاده از Numpy در پایتون
15) فیلتر کردن آرایه با استفاده از Numpy در پایتون
16) ایجاد یک آرایه تصادفی با استفاده از Numpy در پایتون
آرایه ها در Numpy معادل لیست های پایتون هستند. آرایه‌های Numpy مانند لیست‌های پایتون، مجموعه‌ای از عناصر همگن هستند. مهمترین ویژگی آرایه های NumPy این است که ماهیت آنها همگن است. این آنها را از آرایه های پایتون متمایز می کند. یکنواختی را برای عملیات ریاضی که با عناصر ناهمگن ممکن نیست حفظ می کند. یکی دیگر از مزایای استفاده از آرایه های NumPy این است که تعداد زیادی توابع وجود دارد که برای این آرایه ها قابل اجرا هستند. این توابع به دلیل ماهیت ناهمگن آنها در صورت اعمال روی آرایه های پایتون قابل انجام نیستند.
یادگیری شاد
سورندرا وارما پریچرلا
این دوره برای چه کسانی است:
- دانشجویان مهندسی، توسعه دهندگان نرم افزار و دانشمندان مشتاق داده
درک لیست ها با آرایه های Numpy متفاوت است Understanding Lists are different from Numpy arrays
-
ایجاد و دسترسی به Listsin Python Creating & Accessing Listsin Python
-
کار با توابع داخلی در لیست ها Working with built-in functions in Lists
توابع در پایتون Functions in Python
-
کارکرد Functions
-
مثال هایی در مورد توابع Examples on Functions
استفاده از ماژول Numpy در پایتون Using Numpy Module in Python
-
IDE آنلاین برای اجرای برنامه های Python Numpy Online IDE for running Python Numpy programs
-
ایجاد و دسترسی به عناصر در آرایه 1 بعدی Creating & Accessing elements in 1D Array
-
ایجاد و دسترسی به عناصر در آرایه دو بعدی Creating & Accessing elements in 2D Array
-
یافتن ابعاد آرایه Finding Dimension of the Array
-
استفاده از نمایه سازی منفی برای دسترسی به عناصر در آرایه 1 بعدی Using Negative Indexing to access elements in 1D array
-
استفاده از نمایه سازی منفی برای دسترسی به عناصر در آرایه دو بعدی Using Negative Indexing to access elements in 2D array
-
برش یک آرایه Slicing an Array
-
بررسی نوع داده یک آرایه Checking Datatype of an Array
-
عملیات کپی روی یک آرایه Copy Operation on an array
-
تکرار آرایه 1 بعدی Iterating 1D array
-
تکرار آرایه 2 بعدی Iterating 2D array
-
پیدا کردن شکل آرایه Finding Shape of the Array
-
تغییر شکل آرایه 1 بعدی به آرایه دو بعدی Reshaping 1D Array to 2D Array
-
اتصال دو آرایه Joining Two Arrays
-
تقسیم یک آرایه Splitting an Array
-
مرتب سازی یک آرایه Sorting an Array
-
جستجوی یک عنصر در آرایه Searching for an Element in Array
-
فیلتر کردن یک آرایه Filtering an Array
-
یک عدد صحیح تصادفی ایجاد کنید Generate a Random Integer
-
ایجاد یک آرایه تصادفی Generating a Random Array
آزمون ها Quizzes
-
سوال 1 Question #1
-
راه حل سوال شماره 1 Solution to Question #1
-
سوال 2 Question #2
-
راه حل سوال شماره 2 Solution to Question #2
-
سوال شماره 3 Question #3
-
راه حل سوال شماره 3 Solution to Question #3
-
سوال شماره 4 Question #4
-
راه حل سوال شماره 4 Solution to Question #4
-
سوال شماره 5 Question #5
-
راه حل سوال شماره 5 Solution to Question #5
-
سوال شماره 6 Question #6
-
راه حل سوال شماره 6 Solution to Question #6
نمایش نظرات
نظری ارسال نشده است.
https://donyad.com/d/8e08
آموزش NumPy برای علم داده و یادگیری ماشین در پایتون
NumPy for Data Science and Machine Learning in Python
پیش نیازهای یادگیری عمیق: پشته Numpy در پایتون
آموزش کار با داده های چند بعدی با استفاده از NumPy
Working with Multidimensional Data Using NumPy
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 تحلیلگران داده و دانشمندان داده اجازه می دهد تا با داده های چند بعدی برای حل این مشکلات کار کنند.
آموزش دسترسی به آرایه ها با NumPy
Accessing Arrays with NumPy
آیا به دنبال گسترش مهارت های برنامه نویسی پایتون خود هستید؟ این دوره به شما یاد می دهد که چگونه با استفاده از کتابخانه NumPy پایتون با آرایه ها کار کنید.
آموزش 100+ تمرین - برنامه نویسی پایتون - علوم داده - NumPy
100+ Exercises - Python Programming - Data Science - NumPy
بهبود برنامه های کاربردی Python و مهارت های علمی داده ها و حل بیش از 100 تمرین در Numpy!
Surendra Varma
بهترین مربی
نام مربی Surendra varma است.
او برنده جایزه بهترین معلم است.
او برنده جایزه Young Achiever است.
او دارای مدرک کارشناسی در رشته علوم کامپیوتر مدرک کارشناسی ارشد در علوم کامپیوتر است. او سخت‌ترین امتحان‌های علوم کامپیوتر مانند GATE UGC-NET را با رنگ‌های درخشان پشت سر گذاشت. همچنین، او در دوره کارشناسی ارشد یک دانشگاه برتر است.
او در حال حاضر در حال تحصیل در مقطع دکترا از معتبرترین دانشگاه جهان موسسه علوم هند (IISC)، بنگلور است.
او با شرکت های مختلف EdTech در هند از جمله Great Learning کار کرد. او همیشه بهترین بازخورد را از دانش آموزانش دریافت می کرد.
او 14+ سال تجربه در تدریس/تحقیق/صنعت دارد.
او در نقش‌های مختلفی مانند مهندس نرم‌افزار، دانشیار، محقق، مربی فنی، مربی فنی ارشد، رئیس فنی، رئیس آکادمیک کار کرد.
او بیش از 1,00,000 دانش آموز را در حرفه خود تربیت کرده است. شاگردان سابق او در حال حاضر در MNC مانند Amazon، Infosys، Wipro، TCS، CTS، Accenture و غیره مشغول به کار هستند.
او سخنرانی‌های مهمان در دانشگاه‌ها/کالج‌های برتر هند مانند IIIT s، دانشگاه SRM، VIT و غیره داشته است.
او به دانشجویان کشورهای مختلف مانند هند، ایالات متحده آمریکا، کانادا، امارات، استرالیا، بریتانیا، آلمان و غیره آموزش آنلاین داده است.
او در رتبه بندی 5% برتر در شکستن ارزیابی کدنویسی آمازون قرار گرفت.
شاگردان او در 150 کشورهای مختلف پراکنده هستند.
Udemy (یودمی)
یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.
یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.