آموزش محاسبات علمی با NumPy - Python Data Science

Scientific Computing with NumPy - Python Data Science

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: با انجام جبر خطی، پردازش تصویر، یادگیری ماشینی ساده و موارد دیگر در NumPy، علم داده را در پایتون کاوش کنید! یاد بگیرید که با اعتماد به نفس با بردارها و ماتریس ها در NumPy کار کنید. عملکردهای اساسی مانند مرتب سازی، محاسبه میانگین ها و یافتن مقادیر حداکثر/دقیقه را بیاموزید. ترسیم نمودارهای خطی، نمودارهای میله ای و نمودارهای پراکنده را یاد بگیرید. آموزش تولید انواع مختلف بردارهای تصادفی. یاد بگیرید که ماتریس ها را به نفع خود تغییر دهید و شکل دهید. فهرست بندی بولی و برش پیشرفته را برای استخراج اطلاعات مفید بیاموزید. آموزش انجام جبر خطی پایه در NumPy مانند حل سیستم های خطی، محاسبه معکوس ها و موارد دیگر! درک درستی از نحوه کار ndarray ها داشته باشید و از آن برای ایجاد کد سریع استفاده کنید. تبدیل فوریه را با NumPy یاد بگیرید و از آن برای دستکاری تصاویر و صدا استفاده کنید. جبر خطی پیشرفته مانند تجزیه QR و حداقل مربعات جزئی را بیاموزید. یاد بگیرید چگونه اشیاء NumPy خود را در قالب های مختلف حفظ کنید. درباره کتابخانه های همسایه و اینکه NumPy در همه جا در پشته علم داده پایتون استفاده می شود، بیاموزید. پیش نیازها: درک اولیه از متغیرها، لیست ها و توابع در پایتون. مقداری دانش ریاضی (جبر خطی، اعداد مختلط) مفید است. هیچ تجربه قبلی با NumPy مورد نیاز نیست! تمایل به نوشتن تعداد زیادی کد NumPy!

آیا می خواهید NumPy را در سال 2021 یاد بگیرید تا با تجزیه و تحلیل داده ها در پایتون شروع کنید؟


سلام!

ما زوجی هستیم (ایریک و استین) که عاشق ایجاد دوره‌های با کیفیت بالا هستیم! در گذشته، Eirik هر دو پایتون و NumPy را در سطح دانشگاه تدریس کرده است، در حالی که Stine مطالب آموزشی برای یک دوره دانشگاهی نوشته است که از NumPy استفاده کرده است. ما هر دو عاشق NumPy هستیم و نمی‌توانیم صبر کنیم تا همه چیز را به شما آموزش دهیم!


موضوع این دوره چیست:

در این دوره، نکات و نکات مربوط به کتابخانه Python NumPy را به شما آموزش خواهیم داد. این کتابخانه فوق العاده قدرتمند است و برای محاسبات علمی، جبر خطی، پردازش تصویر، یادگیری ماشین و غیره استفاده می شود. اگر به یکی از این موضوعات علاقه مند هستید یا به سادگی می خواهید با علم داده در پایتون شروع کنید، این دوره برای شما مناسب است!

این دوره همه چیزهایی را که برای استفاده حرفه ای از NumPy نیاز دارید به شما آموزش می دهد. ما از اصول اولیه شروع می کنیم و سپس به تدریج به سمت موضوعات پیچیده تر می رویم. از آنجایی که NumPy بلوک اساسی برای سایر کتابخانه‌های محبوب پایتون مانند Pandas، Scikit-Learn و PyTorch است، این یک کتابخانه عالی برای شروع کار با علم داده در پایتون است.


چرا ما را انتخاب کنید؟

این دوره مقدمه ای جامع برای NumPy است! ما از مسائل فنی دوری نمی‌کنیم و می‌خواهیم شما با مهارت‌های جدید NumPy خود متمایز شوید.

این دوره پر از تمرین‌هایی است که با دقت ساخته شده‌اند که موضوعاتی را که ما آموزش می‌دهیم تقویت می‌کند. در بین ویدیوها، تمرین‌های کوچکی ارائه می‌کنیم که به شما کمک می‌کند مطالب را تقویت کنید. علاوه بر این، تمرین‌های بزرگ‌تری داریم که در آنها یک برگه یادداشت مشتری به شما داده می‌شود و از شما خواسته می‌شود یک سری سؤالات را که حول یک موضوع می‌چرخند حل کنید. ما تمرین هایی را در مورد موضوعات عالی مانند پردازش صدا، رگرسیون خطی و دستکاری تصویر ارائه می دهیم!


موضوعاتی که پوشش خواهیم داد:

ما در این دوره به موضوعات مختلفی خواهیم پرداخت. به ترتیب ظاهر، آنها عبارتند از:

  • مقدمه ای بر NumPy

  • کار با بردارها

  • توابع جهانی و رسم

  • تصادفی و آمار

  • ساخت و اصلاح ماتریس ها

  • پخش و نمایه سازی پیشرفته

  • جبر خطی پایه

  • درک آرایه های n بعدی

  • تبدیل فوریه

  • جبر خطی پیشرفته

  • ذخیره و بارگیری داده ها

با تکمیل دوره ما، با NumPy راحت خواهید بود و پایه محکمی برای یادگیری علم داده در پایتون خواهید داشت.


هنوز تصمیم نگرفته اید؟

این دوره دارای سیاست بازپرداخت 30 روزه است، بنابراین اگر از دوره ناراضی هستید، می توانید پول خود را بدون دردسر پس بگیرید. اگر بعد از خواندن این مطلب هنوز مطمئن نیستید، به برخی از پیش نمایش های رایگان زیر نگاهی بیندازید و ببینید آیا از آنها لذت می برید یا خیر. امیدوارم به زودی شما را ببینم!


سرفصل ها و درس ها

معرفی Introduction

  • مقدمه دوره Introduction to the Course

  • دانلود تمام مواد Download all the Material

  • نصب آناکوندا Installing Anaconda

  • سلول های مارک داون Markdown Cells

  • سلول های کد Code Cells

  • وارد کردن NumPy Importing NumPy

کار با وکتورها Working with Vectors

  • معرفی Introduction

  • ایجاد بردارها Creating Vectors

  • یک وکتور ایجاد کنید Create a vector

  • تغییر ارزش ها Changing Values

  • عملیات اساسی Basic Operations

  • عملیات اساسی Basic Operations

  • انواع داده NumPy NumPy Datatypes

  • برش برش Slicing Vectors

  • برش دادن Slicing

  • مرتب سازی بردارها Sorting Vectors

  • کپی ها در مقابل نماها Copies vs. Views

  • بردارها Vectors

  • توابع مصالح Aggregate Funcitons

  • مجموعه تمرین - داده های دما Exercise Set - Temperature Data

توابع جهانی و رسم Universal Functions and Plotting

  • معرفی Introduction

  • توابع جهانی Universal Functions

  • توابع جهانی Universal Functions

  • نمودار تابع Function Plot

  • جهانی و پلاتینگ Universal and Plotting

  • طرح نوار و پراکندگی Bar and Scatter Plot

  • مجموعه تمرین - داده های دما ادامه دارد Exercise Set - Temperature Data Continued

تصادفی و آمار Randomness and Statistics

  • معرفی Introduction

  • ژنراتورها و اعداد صحیح تصادفی Generators and Random Integers

  • ارزش های تاس Dice Values

  • تصادفی، مختلط، و انتخاب Random, Shuffle, and Choice

  • مولد اعداد تصادفی Random Number Generator

  • توزیع عادی The Normal Distribution

  • آمار پایه Basic Statistics

  • میانگین، میانه و انحراف معیار Mean, Median and Standard Deviation

  • یافتن ارزش های منحصر به فرد Finding Unique Values

  • مجموعه تمرین - رگرسیون خطی Exercise Set - Linear Regression

ساخت و اصلاح ماتریس ها Making and Modifying Matrices

  • معرفی Introduction

  • ساخت و اصلاح ماتریس ها Making and Modifying Matrices

  • گرفتن سطر و ستون Getting Rows and Columns

  • ویژگی های یک ماتریس Attributes of a Matrix

  • تغییر شکل یک ماتریس Changing the Shape of a Matrix

  • تغییر شکل Changing the Shape

  • مشخص کردن یک محور Specifying an Axis

  • گرفتن حداکثر بیش از ردیف Taking the Maximum Over Rows

  • ماتریس های بولی Boolean Matrices

  • مجموعه تمرین - داده باران Exercise Set - Rain Data

پخش و نمایه سازی پیشرفته Broadcasting and Advanced Indexing

  • معرفی Introduction

  • پخش پایه Basic Broadcasting

  • قوانین پخش Broadcasting Rules

  • صدا و سیما Broadcasting

  • برش 2 بعدی 2D Slicing

  • تمرین برش Slicing Practice

  • نمایه سازی پیشرفته Advanced Indexing

  • پیدا کردن اعداد زوج و فرد Finding Even and Odd Numbers

  • مجموعه تمرین - تصاویر تک رنگ Exercise Set - Monochromatic Images

جبر خطی پایه Basic Linear Algebra

  • معرفی Introduction

  • جبر خطی پایه Basic Linear Algebra

  • محصول متقاطع و طول Cross Product and Length

  • محصول متقاطع و نقطه Cross and Dot Product

  • عملیات ماتریسی Matrix Operations

  • عملیات ماتریسی Matrix Operations

  • حل سیستم های خطی I Solving Linear Systems I

  • سیستم های خطی Linear Systems

  • حل سیستم های خطی II Solving Linear Systems II

  • مجموعه تمرین - جبر خطی پایه Exercise Set - Basic Linear Algebra

درک درایها Understanding ndarrays

  • معرفی Introduction

  • ساخت آرایه های با ابعاد بالاتر Making Higher Dimensional Arrays

  • آرایه های بعدی بالاتر Higher Dimensional Arrays

  • توابع برش و تجمیع Slicing and Aggregate Functions

  • استفاده از توابع جمع Using Aggregate Functions

  • تصاویر رنگی Colored Images

  • استریدز چیست؟ What are Strides?

  • مجموعه تمرین - تصاویر رنگی Exercise Set - Color Images

تبدیل فوریه Fourier Transforms

  • معرفی Introduction

  • اعداد مختلط Complex Numbers

  • تبدیل فوریه I Fourier Transforms I

  • تبدیل فوریه II Fourier Transforms II

  • صاف کردن یک سیگنال Smoothing a Signal

  • تبدیل فوریه دو بعدی 2D Fourier Transforms

  • مجموعه تمرین - تبدیل فوریه Exercise Set - Fourier Transforms

جبر خطی پیشرفته Advanced Linear Algebra

  • معرفی Introduction

  • یافتن مقادیر ویژه و بردارهای ویژه Finding Eigenvalues and Eigenvectors

  • انواع ماتریس ها Types of Matrices

  • کار با ماتریس های متعامد Working with Orthogonal Matrices

  • تجزیه QR QR Decomposition

  • تجزیه QR و مقادیر ویژه QR Decomposition and Eigenvalues

  • حداقل مربعات جزئی Partial Least Squares

  • مجموعه تمرین - تقریب های درجه دوم و بیشتر Exercise Set - Quadratic Approximations & More

ذخیره و بارگیری داده ها Saving and Loading Data

  • معرفی Introduction

  • بارگیری فایل های متنی Loading Text Files

  • ذخیره فایل های متنی Saving Text Files

  • ذخیره و بارگیری اشیاء NumPy Saving and Loading NumPy Objects

  • مجموعه تمرین - مجموعه داده بوستون Exercise Set - Boston Data Set

کتابخانه ها و منابع همسایه Neighboring Libraries and Resources

  • کتابخانه های همسایه Neighboring Libraries

  • پاداش: سرعت کد NumPy خود را با Numba افزایش دهید BONUS: Speed Up Your NumPy Code With Numba

  • موضوعات بیشتر و خداحافظ! Further Topics and Goodbye!

نمایش نظرات

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.

آموزش محاسبات علمی با NumPy - Python Data Science
جزییات دوره
5.5 hours
74
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
606
4.5 از 5
دارد
دارد
دارد
TM Quest
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

TM Quest TM Quest

تلاش فناوری و ریاضیات