لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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