لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش NumPy، Matplotlib و Pandas – پیشنیازهای علوم داده
- آخرین آپدیت
دانلود NumPy, Matplotlib & Pandas – Data Science Prerequisites
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
بهروزرسانی شده در می ۲۰۲۵.
این دوره اکنون دارای قابلیت Coursera Coach است! روشی هوشمندتر برای یادگیری با گفتگوهای تعاملی و آنی که به شما کمک میکند دانش خود را آزمایش کنید، پیشفرضها را به چالش بکشید و در حین پیشروی در دوره، درک خود را عمیقتر کنید.
این دوره یک پایه محکم در زبان پایتون برای علوم داده فراهم میکند و بر کتابخانههای NumPy، Matplotlib، Pandas و مفاهیم اولیه یادگیری ماشین تمرکز دارد. فراگیران تجربه عملی با ابزارهای ضروری علوم داده را کسب کرده و توانایی خود را در مدیریت دادهها، بصریسازی و انجام وظایف پایه یادگیری ماشین افزایش میدهند. در پایان این دوره، دانشجویان با درکی قوی از نحوه استفاده از پایتون در کاربردهای واقعی، آماده رویارویی با مباحث پیشرفتهتر علوم داده خواهند بود.
در بخش اول، با NumPy آشنا میشوید و بر عملیات قدرتمند آرایهها و مزایای سرعت آن نسبت به لیستهای سنتی پایتون تمرکز خواهید کرد. شما ماتریسها، ضرب داخلی و سیستمهای خطی را برای درک مبانی محاسبات عددی بررسی میکنید. تمرینات عملی این مفاهیم را تقویت کرده و اطمینان حاصل میکند که در کار با NumPy در علوم داده تسلط دارید.
سپس به سراغ Matplotlib میروید، جایی که یاد میگیرید چگونه دادهها را به طور موثر بصریسازی کنید. از طریق تمرینات عملی با نمودارهای خطی، نمودارهای پراکندگی (Scatter Plot)، هیستوگرامها و ترسیم تصاویر، در ارائه دادهها در قالبهای مختلف گرافیکی مهارت مییابید. این بخش شما را به ابزارهایی مجهز میکند تا دادهها را به صورت بصری تحلیل کرده و بینشهای بهدستآمده را به وضوح منتقل کنید.
در بخش نهایی، وارد دنیای Pandas میشوید که یکی از پرکاربردترین کتابخانهها برای مدیریت دادهها است. شما تکنیکهایی مانند بارگذاری دادهها، انتخاب سطرها و ستونها و اعمال توابع بر روی دیتافریمها را فرا خواهید گرفت. همچنین قابلیتهای ترسیم نمودار در Pandas را بررسی میکنید. به عنوان امتیاز ویژه، با SciPy و مفاهیم پایه یادگیری ماشین آشنا میشوید تا درک کنید چگونه این ابزارها در گردش کار علوم داده ادغام میشوند.
این دوره برای هر کسی که سفر خود را در علوم داده آغاز کرده یا به دنبال تقویت مهارتهای پایتون برای تحلیل داده است، ایدهآل است. داشتن درک پایه از پایتون مورد نیاز است و این دوره برای مبتدیان طراحی شده است. اگر علاقهمند به یادگیری نحوه استفاده از پایتون برای مدیریت دادهها، بصریسازی و مقدمات یادگیری ماشین هستید، این دوره شما را برای موفقیت آماده میکند.
سرفصل ها و درس ها
خوشآمدگویی و تدارکات
Welcome and Logistics
مقدمه و سرفصلها
Introduction and Outline
منابع دوره
Course Resources
کتابخانه NumPy
NumPy
مقدمه بخش NumPy
NumPy Section Introduction
آرایهها در مقابل لیستها
Arrays Versus Lists
ضرب داخلی
Dot Product
تست سرعت
Speed Test
ماتریسها
Matrices
حل سیستمهای خطی
Solving Linear Systems
تولید دادهها
Generating Data
تمرین NumPy
NumPy Exercise
منابع تکمیلی برای یادگیری NumPy
Where to Learn More NumPy
جعبه پیشنهادات
Suggestion Box
کتابخانه Matplotlib
Matplotlib
مقدمه بخش Matplotlib
Matplotlib Section Introduction
نمودار خطی
Line Chart
نمودار پراکندگی
Scatterplot
هیستوگرام
Histogram
ترسیم تصاویر
Plotting Images
تمرین Matplotlib
Matplotlib Exercise
منابع تکمیلی برای یادگیری Matplotlib
Where to Learn More Matplotlib
کتابخانه Pandas
Pandas
مقدمه بخش Pandas
Pandas Section Introduction
بارگذاری دادهها
Loading in Data
انتخاب سطرها و ستونها
Selecting Rows and Columns
تابع apply()
The apply() Function
رسم نمودار با Pandas
Plotting with Pandas
تمرین Pandas
Pandas Exercise
منابع تکمیلی برای یادگیری Pandas
Where to Learn More Pandas
کتابخانه SciPy
SciPy
مقدمه بخش SciPy
SciPy Section Introduction
توابع PDF و CDF
PDF and CDF
کانولوشن (Convolution)
Convolution
تمرین SciPy
SciPy Exercise
منابع تکمیلی برای یادگیری SciPy
Where to Learn More SciPy
مبانی یادگیری ماشین
Machine Learning Basics
یادگیری ماشین: مقدمه بخش
Machine Learning: Section Introduction
طبقهبندی (Classification) چیست؟
What Is Classification?
پیادهسازی طبقهبندی در کد
Classification in Code
رگرسیون (Regression) چیست؟
What Is Regression?
پیادهسازی رگرسیون در کد
Regression in Code
بردار ویژگی (Feature Vector) چیست؟
What Is a Feature Vector?
یادگیری ماشین چیزی جز هندسه نیست
Machine Learning Is Nothing but Geometry.
همه دادهها یکسان هستند
All Data Is the Same
مقایسه مدلهای مختلف یادگیری ماشین
Comparing Different Machine Learning Models
یادگیری ماشین و یادگیری عمیق: مباحث آینده
Machine Learning and Deep Learning: Future Topics
یادگیری ماشین: جمعبندی بخش
Machine Learning: Section Summary
نمایش نظرات