لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش ویرایش صدا با پایتون و NumPy: افزایش ۱۰۰۰ برابری سرعت کد
- آخرین آپدیت
دانلود Edit sound with Python NumPy: Improve code performance 1000x
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
با مدیریت بهینه آرایهها و بردارهای بزرگ در یک برنامه ویرایش صدا، عملکرد کد خود را در پایتون و NumPy تا ۱۰۰۰ برابر افزایش دهید.
بهینهسازی کد در پایتون با استفاده از کتابخانه NumPy
پردازش صدا در پایتون با استفاده از کتابخانه MoviePy
مبانی تصاویر دیجیتال
بهکارگیری بهینهسازی کد برای باینری کردن تصاویر دیجیتال
پیشنیازها: سطح مقدماتی پایتون (حلقهها و دستورات شرطی)
برنامهنویسی یکی از منعطفترین زمینههایی است که میشناسم. شما میتوانید برای انجام یک وظیفه خاص، برنامهای را به روشهای بسیار متفاوتی بنویسید. با این حال، این بدان معنا نیست که همه روشها برابرند؛ برخی روشها بسیار بهتر از بقیه هستند.
این موضوع بهویژه زمانی مشهود است که برنامه شما باید با دادههای حجیم (Big Data) کار کند. کار با دادههای بزرگ به معنای کار با آرایهها و ماتریسهای غولپیکر است.
شما میتوانید برنامهای بنویسید که همان نتیجه برنامه دیگر را بدهد، اما ۱۰۰۰ برابر سریعتر اجرا شود. همه چیز به نحوه کدنویسی و متدهای مورد استفاده شما بستگی دارد.
و این دقیقاً همان چیزی است که در اینجا خواهید آموخت. شما روشهای درست و غلط کدنویسی را یاد میگیرید تا هنگام مواجهه با دادههای حجیم، مسیر صحیح را انتخاب کنید.
در این دوره که ۱۰۰٪ پروژه محور است، از پایتون و کتابخانههای Numpy و Moviepy برای ساخت یک برنامه کامل پردازش صدا استفاده خواهیم کرد.
این برنامه ویدیوهای شما را به ترتیب وارد کرده، صدای آنها را استخراج میکند، بهطور خودکار بازههای سکوت را شناسایی کرده و آنها را حذف میکند، در حالی که مقدار کمی سکوت را در لبهها نگه میدارد تا مکث بین جملات حفظ شود.
پردازش صدا طبیعتاً با میلیونها المان آرایه سروکار دارد و بنابراین نحوه نوشتن برنامه بسیار اهمیت مییابد. ما این کار را ابتدا به روش غلط و سپس به روش درست انجام میدهیم تا هر دو روی سکه را ببینید.
در نهایت خواهید دید که آخرین نسخه کد NumPy شما بیش از ۱۰۰۰ برابر سریعتر از نسخه اول است و یاد میگیرید که چه چیزی را در کدنویسی انجام دهید و چه کارهایی را قطعاً نباید انجام دهید.
در نهایت، میخواهم ببینید که این دانش جهانی است و در زمینههای دیگر نیز کاربرد دارد و تنها محدود به پردازش صدا نیست. به همین دلیل، در بخش آخر، تمرینی در زمینه بینایی ماشین (Computer Vision) خواهیم داشت.
تصاویر دیجیتال در واقع ماتریسهای غولپیکری هستند و نحوه مدیریت آنها در کد بسیار حیاتی است. ما برنامه کوچکی میسازیم که بتواند این تصاویر را باینری کند و این کار را نیز به هر دو روش بهینه و غیربهینه انجام خواهیم داد.
ما از کتابخانه پردازش تصویر پایتون به نام Pillow برای پردازش این دادههای حجیم در ماتریسهای تصویر استفاده میکنیم.
پس از این دوره، میدانید که چگونه از همان ابتدا با رویکردی درست به برنامهنویسی بپردازید. نگاهی به ویدیوهای پیشنمایش رایگان بیندازید و اگر از محتوا خوشتان آمد، همین حالا ثبتنام کنید و شروع کنیم! در کلاس میبینمتان.
سرفصل ها و درس ها
معرفی ساختار دوره و نصب محیط پایتون
Intro to course structure and Python environment installation
خوشآمدگویی و ساختار دوره
Welcome & Course Structure
نسخه جدید MoviePy
New MoviePy version
معرفی ترمینال (لینوکس و مک) و Command Prompt (ویندوز)
Intro to (Linux & macOS Terminal) & (Windows Command Prompt)
نمایش نظرات