لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش زبان برنامه نویسی جولیا - از صفر تا متخصص [ویدئو]
Julia Programming Language - From Zero to Expert [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
هدف از این دوره این است که به شما یک پایه قوی برای برتری در جولیا و یادگیری هسته زبان و همچنین جنبه کاربردی در کوتاه ترین زمان ممکن بدهد.
ما زمان را با این نظریه تلف نمی کنیم که چرا جولیا سریع است. ما مستقیماً وارد جزئیات می شویم و شروع به کدنویسی می کنیم. شما به سرعت متوجه خواهید شد که یادگیری این زبان پیشرفته و امیدوارکننده چقدر آسان است. خواهید دید که چگونه می توانید از جولیا برای برتری در کار فعلی خود استفاده کنید بدون اینکه کل پشته را فوراً به جولیا منتقل کنید.
پس از توضیح مفاهیم اولیه، به مطالعات موردی در علم داده و سپس یادگیری ماشین می پردازیم. ما هر دو مدل یادگیری ماشین سنتی را اعمال می کنیم و سپس به یادگیری عمیق می رسیم. خواهید دید که چگونه جولیا می تواند به شما در ایجاد مدل های یادگیری عمیق از ابتدا تنها در چند خط کد کمک کند و سپس بدون صرف زمان زیاد به سراغ مدل های پیشرفته بروید.
به این ترتیب، بدون پرداختن به جزئیات موضوعات کمتر مرتبط، در کمترین زمان ممکن، مهمترین مفاهیم را در این موضوع یاد می گیرید. هنگامی که شهودی در مورد چیزهای مهم ایجاد کردید، می توانید جدیدترین و بهترین مدل ها را حتی به تنهایی یاد بگیرید!
در پایان دوره، شما درک قوی از مبانی زبان برنامه نویسی جولیا خواهید داشت.
فایل های کد در اینجا موجود است: https://github.com/PacktPublishing/Julia-Programming-Language---From-Zero-to-Expert- آموزش کدنویسی به زبان برنامه نویسی جولیا
از DataFrames (معادل پانداها) در جولیا استفاده کنید
مدل های ML را از ابتدا به گونه ای ایجاد کنید که به شما کمک کند تغییرات را به راحتی انجام دهید
جدال داده ها را با جولیا بیاموزید
از جولیا برای دستکاری داده ها، پیکان آپاچی، گروه بندی و تجزیه و تحلیل استفاده کنید
طبقهبندی با استفاده از درختهای تصمیم و جنگلهای تصادفی این دوره برای تمام سطوح علم داده و متخصصان یادگیری ماشین با هدف افزایش تواناییها و سطح مهارت آنها در DS و ML است. توسعه دهندگانی که می خواهند بدانند چگونه از قدرت داده های بزرگ استفاده کنند نیز می توانند برای این دوره شرکت کنند.
درک اولیه از برنامه نویسی ضروری است. درک پایتون، علوم پایه داده (خواندن CSV و غیره)، و مفاهیم اساسی یادگیری عمیق (مانند طبقه بندی) ضروری نیست، اما مفید خواهد بود. سینتکس جولیا و تفاوتهای آن با پایتون را بیاموزید * مدلهای یادگیری ماشینی، سنتی و عمیق را بیاموزید * مطالعات موردی علم داده، از جمله تجزیه و تحلیل و خوشهبندی را کاوش کنید.
سرفصل ها و درس ها
معرفی و راه اندازی
Introduction and Setting Up
معرفی
Introduction
نصب و راه اندازی
Installation
بسته ها و نوت بوک تعاملی
Packages and Interactive Notebook
مبانی زبان اصلی
Core Language Basics
نحو پایه، متغیرها و عملیات
Basic Syntax, Variables and Operations
ساختارهای کنترل، تکرارها و محدوده ها
Control Structures, Iterations, and Ranges
ساختارهای داده در جولیا: لیست ها/آرایه ها، تاپل ها، تاپل های نامگذاری شده
Data Structures in Julia: Lists/Arrays, Tuples, Named Tuples
فرهنگ لغت (نقشه ها) و نمادها در جولیا
Dictionaries (Maps) and Symbols in Julia
آرایه ها و ماتریس ها: پشتیبانی از زبان مادری
Arrays and Matrices: Native Language Support
آرایه ها، ماتریس ها، تانسورها، شکل دهی مجدد، توابع کمکی
Arrays, Matrices, Tensors, Reshaping, Helper Functions
جزئیات نوع داده، ریخته گری در میان انواع
Data Type Details, Casting Among Types
توابع و چیزهای سرگرم کننده
Functions and Fun Stuff
توابع ناشناس (و اهمیت آنها)، Splatting و Slurping
Anonymous Functions (and their importance), Splatting and Slurping
برنامه نویسی کاربردی، پخش - مهم ترین مفهوم در جولیا
Functional Programming, Broadcasting - Most Important Concept in Julia
رابط با پایتون و R
Interfacing with Python and R
شروع با علم داده
Getting Started with Data Science
مبانی طرح - نقشه های زیباتر جولیا
Plotting Basics - Prettier Julia Plots
جدال داده ها، خواندن فایل های CSV، مطالعه موردی توصیفی
Data Wrangling, Reading CSV Files, Descriptive Case Study
دستکاری بیشتر داده ها، پیکان آپاچی، گروه بندی و تجزیه و تحلیل
Further Data Manipulation, Apache Arrow, Grouping, and Analysis
مطالعات موردی در علم داده
Case Studies in Data Science
مطالعه موردی: خوشهبندی برای دادههای مسکن/نقشه
Case Study: Clustering for Housing/Map Data
طبقه بندی با درختان تصمیم گیری/جنگل های تصادفی
Classification with Decision Trees/Random Forests
یادگیری عمیق - شار در جولیا
Deep Learning - Flux in Julia
نوشتن یک شبکه عصبی از ابتدا در چند خط
Writing a Neural Network from Scratch in a Few Lines
چند لایه، پیشرفته ترین در چند خط دیگر
Multiple Layers, State-of-the-Art in a Few More Lines
مطالعه موردی: MNIST، اصلاح داده ها برای مدل، اجتناب از دام
Case Study: MNIST, Modifying Data for Model, Avoiding Pitfalls
MNIST ادامه داد، ایجاد مدل عمیق، آموزش و آزمایش
MNIST Continued, Creating the Deep Model, Training and Testing
ذخیره و بارگیری مدل ها، کاوش در گزینه های بیشتر
Saving and Loading Models, Exploring More Options
کلمات فراق
Parting Words
از اینجا به کجا برویم: نکاتی برای یادگیری بیشتر
Where to Go from Here: Pointers for Further Learning
نمایش نظرات
Packtpub یک ناشر دیجیتالی کتابها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرمافزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتابها، ویدیوها و دورههای آموزشی میپردازد که به توسعهدهندگان و متخصصان فناوری اطلاعات کمک میکند تا مهارتهای خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامهنویسی، توسعه وب، دادهکاوی، امنیت سایبری و هوش مصنوعی را پوشش میدهد. محتوای این منابع به صورت کاربردی و بهروز ارائه میشود تا کاربران بتوانند دانش و تواناییهای لازم برای موفقیت در پروژههای عملی و حرفهای خود را کسب کنند.
دکتر محمد نائومان دارای دکترای علوم کامپیوتر و پست داک از موسسه ماکس پلانک برای سیستم های نرم افزاری است. او از اوایل سال 2000 برنامه نویسی کرده و با زبان ها، ابزارها و پلتفرم های مختلف کار کرده است. او دارای تجربه تحقیقاتی گسترده ای با بسیاری از مدل های پیشرفته است. تحقیقات او در زمینه امنیت اندروید منجر به برخی تغییرات عمده در مدل مجوز اندروید شده است. او عاشق تدریس است و مهم ترین دلیلی که او به صورت آنلاین تدریس می کند این است که مطمئن شود حداکثر افراد می توانند از طریق محتوای او یاد بگیرند. امیدوارم از یادگیری با او لذت ببرید!
نمایش نظرات