کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش عملیات روی آرایه ها با NumPy - آخرین آپدیت

Operations on Arrays with NumPy

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره به شما می آموزد که چگونه از NumPy برای ارتقای بازی خود در برنامه نویسی علمی استفاده کنید، و به شما نشان می دهد که چگونه از NumPy برای پردازش عددی، از جمله نمایه سازی آرایه، عملیات ریاضی و جستجو استفاده کنید. ایده آل برای دانشمندان داده در هر زمینه، این نمای کلی به شما نشان می دهد. نحوه استفاده از NumPy برای پردازش عددی، از جمله نمایه سازی آرایه، عملیات ریاضی و جستجو. در این دوره آموزشی، عملیات روی آرایه ها با NumPy، یاد خواهید گرفت که چگونه آرایه های NumPy را به دلخواه تعامل و دستکاری کنید. ابتدا نحوه نمایه سازی، برش و ماسک کردن با عملگرهای باینری را بررسی خواهید کرد. در مرحله بعد، نحوه اجرای جبر خطی و همچنین عملیات آماری با آرایه های NumPy را خواهید یافت. در نهایت، شما یاد خواهید گرفت که چگونه هر عنصر را در آنها مرتب کنید و جستجو کنید. پس از اتمام این دوره، مهارت ها و دانش آرایه های NumPy را برای دستکاری آنها در هر برنامه ای که ممکن است نیاز داشته باشید، خواهید داشت.
سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

مقدمه Intoduction

  • معرفی Introduction

  • گرفتن بهترین ها از این دوره Getting the Best out of This Course

  • بررسی نسخه Version Check

  • در پایان این دوره چه کاری را می توانید انجام دهید؟ What Will You Be Able to Do When Finishing This Course?

  • طرح کلی دوره Outline of the Course

برش و نمایه سازی آرایه های NumPy Slicing and Indexing NumPy Arrays

  • خلاصه NumPy Recap of NumPy

  • نسخه ی نمایشی: برش آرایه های NumPy - قسمت 1 Demo: Slicing NumPy Arrays - Part1

  • نسخه ی نمایشی: برش آرایه های NumPy - قسمت 2 Demo: Slicing NumPy Arrays - Part2

  • نسخه ی نمایشی: برش آرایه های NumPy - قسمت 3 Demo: Slicing NumPy Arrays - Part3

  • نسخه ی نمایشی: برش با گام ها Demo: Slicing with Strides

  • نسخه ی نمایشی: ماسک های بولی و نمایه سازی - قسمت 1 Demo: Boolean Masks and Indexing - Part1

  • نسخه ی نمایشی: ماسک های بولی و نمایه سازی - قسمت 2 Demo: Boolean Masks and Indexing - Part2

  • نسخه ی نمایشی: ماسک های بولی و نمایه سازی - قسمت 3 Demo: Boolean Masks and Indexing - Part3

  • صدا و سیما Broadcasting

  • نسخه ی نمایشی: پخش Demo: Broadcasting

  • نکات و نکات کلیدی Key Takeaways and Tips

کار با آرایه های NumPy Operating with NumPy Arrays

  • معرفی Introduction

  • نسخه ی نمایشی: حساب پایه با آرایه های NumPy - قسمت 1 Demo: Basic Arithmetic with NumPy Arrays - Part1

  • نسخه ی نمایشی: حساب پایه با آرایه های NumPy - قسمت 2 Demo: Basic Arithmetic with NumPy Arrays - Part2

  • نسخه ی نمایشی: جبر خطی در آرایه های NumPy Demo: Linear Algebra in NumPy Arrays

  • نکات و نکات کلیدی Key Takeaways and Tips

جستجو در آرایه های NumPy Searching in NumPy Arrays

  • معرفی Introduction

  • نسخه ی نمایشی: مرتب سازی در مقابل جستجو در آرایه های NumPy - قسمت 1 Demo: Sort vs. Search in NumPy Arrays - Part1

  • نسخه ی نمایشی: مرتب سازی در مقابل جستجو در آرایه های NumPy - قسمت 2 Demo: Sort vs. Search in NumPy Arrays - Part2

  • نسخه ی نمایشی: عملیات بایت و تغییر ترتیب بایت در NumPy Demo: Byte Operations and Changing Byte Ordering in NumPy

  • بعد کجا برویم؟ Where to Go Next?

آموزش الگوهای طراحی عملی در JavaScript

آموزش الگوهای طراحی عملی در JavaScript

Practical Design Patterns in JavaScript

آموزش طراحی مبتنی بر تروما

آموزش طراحی مبتنی بر تروما

Trauma-Informed Design

آموزش تعیین هدف برای خالق خودآموخته

آموزش تعیین هدف برای خالق خودآموخته

Goal Setting for the Self Taught Creator

نمایش نظرات

آموزش عملیات روی آرایه ها با NumPy
جزییات دوره
1h 27m
27
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
از 5
دارد
دارد
دارد
Axel Sirota

https://donyad.com/d/cb980a

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Axel Sirota Axel Sirota

آکسل سیروتا دارای مدرک کارشناسی ارشد ریاضیات است که علاقه زیادی به عملیات یادگیری عمیق و یادگیری ماشین دارد. وی پس از تحقیق در زمینه احتمال ، آمار و بهینه سازی یادگیری ماشین ، در حال حاضر در JAMPP به عنوان یک مهندس تحقیق در زمینه یادگیری ماشین مشغول به کار است که از داده های مشتری برای پیش بینی دقیق در زمان واقعی پیشنهاد استفاده می کند.

دنیاد