آموزش برنامه نویسی Python NumPy و توسعه پروژه با استفاده از NumPy

Python NumPy Programming and Project Development using NumPy

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: برنامه نویسی پایتون در سطح متخصص با آموزش NumPy. از مفاهیم NumPy برای توسعه پروژه ها و برنامه های کاربردی بلادرنگ استفاده کنید. برنامه نویسی پیشرفته پایتون با مفاهیم NumPy و کاربرد آن پروژه های ماژول NumPy - 6 آموزش کامل در مورد پیاده سازی پروژه با استفاده از NumPy NumPy - Ndarray Object NumPy - ویژگی های آرایه NumPy - روال ایجاد آرایه NumPy - آرایه از محدوده های عددی NumPy - Brown-Adcasting بیش از آرایه NumPy - دستکاری آرایه NumPy - عملگرهای باینری NumPy - توابع رشته NumPy - توابع ریاضی NumPy - عملیات حسابی NumPy - توابع آماری NumPy - توابع مرتب سازی، جستجو و شمارش توابع NumPy -NumPy -NumPy -NumPy - Country نیازها: اشتیاق و عزم برای گذاشتن نشان خود در جهان!

یک خوش آمدگویی گرم به برنامه نویسی و توسعه پروژه Python NumPy با استفاده از دوره NumPy توسط Uplatz.


NumPy مخفف Num erical Py thon است و یک کتابخانه محاسباتی علمی در پایتون است. NumPy اشیاء آرایه چند بعدی کارآمد و عملیات مختلف را برای کار با این اشیاء آرایه فراهم می کند.

NumPy یک کتابخانه پایتون است که برای کار با آرایه ها استفاده می شود. همچنین دارای توابعی برای کار در حوزه جبر خطی، تبدیل فوریه و ماتریس ها است. NumPy در سال 2005 توسط Travis Oliphant ایجاد شد. این یک پروژه متن باز است و می توانید آزادانه از آن استفاده کنید. NumPy تا حدی در پایتون نوشته شده است، اما بیشتر قسمت هایی که نیاز به محاسبه سریع دارند در C یا C++ نوشته شده اند.


هدف از استفاده از NumPy

در پایتون ما لیست هایی داریم که هدف آرایه ها را انجام می دهند، اما پردازش آنها کند است. هدف NumPy ارائه یک شی آرایه است که تا 50 برابر سریعتر از لیست های سنتی پایتون است. شی آرایه در NumPy ndarray نامیده می شود، توابع پشتیبانی زیادی را ارائه می دهد که کار با ndarray را بسیار آسان می کند. آرایه ها اغلب در علم داده استفاده می شوند، جایی که سرعت و منابع بسیار مهم هستند.

آرایه‌های NumPy بر خلاف لیست‌ها در یک مکان پیوسته در حافظه ذخیره می‌شوند، بنابراین فرآیندها می‌توانند به طور بسیار کارآمدی به آنها دسترسی داشته باشند و آنها را دستکاری کنند. این رفتار در علوم کامپیوتر محل مرجع نامیده می شود. این دلیل اصلی سریعتر NumPy از لیست هاست. همچنین برای کار با آخرین معماری های CPU بهینه شده است.

NumPy اساساً یک کتابخانه متشکل از اشیاء آرایه چند بعدی و مجموعه‌ای از روال‌ها برای پردازش آن آرایه‌ها است. با استفاده از NumPy می توان عملیات ریاضی و منطقی روی آرایه ها را انجام داد.


NumPy در هسته یک اکوسیستم غنی از کتابخانه های علوم داده قرار دارد. یک گردش کار علم داده اکتشافی معمولی ممکن است به این صورت باشد:

  • Extract، Transform، Load: Pandas، Intake، PyJanitor

  • تحلیل اکتشافی: Jupyter، Seaborn، Matplotlib، Altair

  • مدل و ارزیابی: scikit-learn، statsmodels، PyMC3، spaCy

  • گزارش در داشبورد: Dash، Panel، Voila


ویژگی های NumPy

  1. آرایه های N-بعدی قدرتمند

    • سریع و همه کاره، مفاهیم برداری NumPy، نمایه سازی و پخش، استانداردهای واقعی رایانش آرایه امروزی هستند.

  2. ابزارهای محاسباتی عددی

    • NumPy توابع ریاضی جامع، مولد اعداد تصادفی، روال‌های جبر خطی، تبدیل فوریه و موارد دیگر را ارائه می‌دهد.

  3. عملکرد پذیر

    • NumPy از طیف گسترده‌ای از سخت‌افزار و پلت‌فرم‌های محاسباتی پشتیبانی می‌کند و با کتابخانه‌های توزیع‌شده، GPU و آرایه‌های پراکنده به خوبی بازی می‌کند.

  4. نمایشگر

    • هسته NumPy کد C است که به خوبی بهینه شده است. از انعطاف پذیری پایتون با سرعت کدهای کامپایل شده لذت ببرید.

  5. استفاده آسان

    • نحو سطح بالای NumPy آن را برای برنامه نویسان از هر سطح سابقه و تجربه قابل دسترس و سازنده می کند.

  6. منبع باز

    • توزیع شده تحت مجوز لیبرال BSD، NumPy توسط انجمنی پر جنب و جوش، پاسخگو و متنوع به صورت عمومی در GitHub توسعه یافته و نگهداری می شود.

با استفاده از NumPy، یک توسعه دهنده می تواند عملیات زیر را انجام دهد -

  • عملیات ریاضی و منطقی روی آرایه ها.

  • تبدیل های فوریه و روتین هایی برای دستکاری شکل.

  • عملیات مربوط به جبر خطی. NumPy دارای توابع داخلی برای جبر خطی و تولید اعداد تصادفی است.


Uplatz این آموزش عمیق را در مورد برنامه نویسی پایتون با استفاده از NumPy ارائه می دهد. این دوره آموزشی NumPy ساختار مفاهیم NumPy از جمله معماری و محیط آن را توضیح می دهد. این دوره در مورد توابع مختلف آرایه، انواع نمایه سازی و غیره بحث می کند و به استفاده از NumPy برای ایجاد و مدیریت آرایه های چند بعدی با توابع و عملیات می پردازد. این دوره آموزشی Python NumPy همچنین پیاده سازی عملی NumPy برای توسعه پروژه های مدل های پیش بینی را مورد بحث قرار می دهد.



برنامه نویسی و توسعه پروژه NumPy Python با استفاده از NumPy - برنامه درسی دوره


  1. معرفی به NUMPY

  2. مبانی آموزش NUMPY

  3. NUMPY ویژگی ها و توابع

  4. ایجاد آرایه ها از داده های موجود

  5. ایجاد آرایه ها از محدوده ها

  6. ایندکس کردن و برش در NUMPY

  7. برش پیشرفته در NUMPY

  8. افزودن و تغییر اندازه توابع

  9. NDITER و پخش

  10. پخش NUMPY

  11. NDITER FUNCTION

  12. توابع دستکاری آرایه

  13. NUMPY UNIQUE()

  14. NUMPY DELETE()

  15. NUMPY INSERT FUNCTION

  16. NUMPY RAVEL AND SWAPAXES()

  17. تابع تقسیم

  18. HSPLIT FUNCTION

  19. VSPLIT FUNCTION

  20. عملکردهای چپ و راست

  21. NUMPY TRIGONOMETRIC FUNCTIONS

  22. NUMPY ROUND FUNCTIONS

  23. NUMPY ARITHMATIC FUNCTIONS

  24. قدرت NUMPY و توابع متقابل

  25. NUMPY MOD FUNCTION

  26. توابع NUMPY IMAG() و REAL()

  27. NUMPY CONCATENATE()

  28. NUMPY توابع آماری

  29. توابع آماری

  30. NUMPY AVERAGE FUNCTION

  31. NUMPY SEARCH SORT FUNCTIONS

  32. SORT FUNCTION

  33. NUMPY SORT FUNCTION

  34. NUMPY ARGSORT()

  35. NONZERO AND WHERE FUNCTIONS

  36. عملکرد استخراج

  37. NUMPY ARGMAX ARGMIN()

  38. نسخه‌ها و نماها بایت بایت

  39. NUMPY STRING FUNCTIONS

  40. NUMPY CENTER FUNCTION

  41. CAPITALIZE AND CENTER()

  42. NUMPY TITLE FUNCTION

  43. توابع STRING

  44. کتابخانه NUMPY MATRIX

  45. NUMPY JOIN Arrays

  46. جبر خطی

  47. ماژول تصادفی

  48. ماژول اسرار

  49. تابع یکنواخت ماژول تصادفی

  50. ماژول تصادفی عددی به جز K ایجاد می کند

  51. SECRETSMODULE TOKENS تولید می کند

  52. ماژول تصادفی رشته باینری تولید می کند

  53. NUMPY MODULE REVISE

  54. NUMPY INDEXING

  55. NUMPY عملیات اساسی

  56. NUMPY OPERATORS UNARY

  57. اپراتورهای دودویی در NUMPY

  58. NUMPY UNIVERSAL FUNCTIONS

  59. آرایه های فیلتر NUMPY

  60. پروژه های NUMPY MODULE


سرفصل ها و درس ها

مقدمه ای بر NumPy Introduction to NumPy

  • مقدمه ای بر NumPy Introduction to NumPy

مبانی آموزش NumPy NumPy Tutorial Basics

  • مبانی آموزش NumPy NumPy Tutorial Basics

ویژگی ها و توابع NumPy NumPy Attributes and Functions

  • ویژگی ها و توابع NumPy NumPy Attributes and Functions

ایجاد آرایه ها Creating Arrays

  • ایجاد آرایه از داده های موجود Creating Arrays from Existing Data

  • ایجاد آرایه از محدوده ها Creating Array from Ranges

نمایه سازی و برش در NumPy Indexing and Slicing in NumPy

  • نمایه سازی و برش در NumPy Indexing and Slicing in NumPy

  • برش پیشرفته در NumPy Advanced Slicing in NumPy

توابع اضافه و تغییر اندازه Append and Resize Functions

  • توابع اضافه و تغییر اندازه Append and Resize Functions

عملکرد و پخش Nditer Nditer Function and Broadcasting

  • عملکرد و پخش Nditer Nditer Function and Broadcasting

پخش NumPy NumPy Broadcasting

  • پخش NumPy - قسمت 1 NumPy Broadcasting - part 1

  • پخش NumPy - قسمت 2 NumPy Broadcasting - part 2

  • پخش NumPy - قسمت 3 NumPy Broadcasting - part 3

تابع Nditer Nditer Function

  • تابع Nditer Nditer Function

توابع NumPy NumPy Functions

  • توابع دستکاری آرایه Array Manipulation Functions

  • NumPy Unique() NumPy Unique()

  • NumPy Delete() - قسمت 1 NumPy Delete() - part 1

  • NumPy Delete() - قسمت 2 NumPy Delete() - part 2

  • تابع درج NumPy NumPy Insert Function

  • Numpy RAVEL() SWAPAXES() Numpy RAVEL() SWAPAXES()

  • تابع SPLIT SPLIT Function

  • HSPLIT() HSPLIT()

  • VSPLIT() VSPLIT()

  • عملکردهای شیفت چپ و راست LEFT Shift and RIGHT Shift Functions

  • توابع مثلثاتی NumPy NumPy Trigonometric Functions

  • توابع گرد NumPy NumPy Round Functions

  • توابع حسابی NumPy NumPy Arithmetic Functions

  • قدرت NumPy و توابع متقابل NumPy Power and Reciprocal Functions

  • توابع NumPy Power و Mod NumPy Power and Mod Functions

  • NumPy IMAG() REAL() NumPy IMAG() REAL()

NumPy CONCATENATE() NumPy CONCATENATE()

  • NumPy CONCATENATE() NumPy CONCATENATE()

توابع آماری NumPy NumPy Statistical Functions

  • توابع آماری NumPy - AMIN و AMAX NumPy Statistical Functions - AMIN and AMAX

  • توابع آماری - MEAN، MEDIAN، PTP() Statistical Functions - MEAN, MEDIAN, PTP()

  • تابع NumPy AVERAGE NumPy AVERAGE Function

NumPy جستجو و مرتب سازی NumPy Search and Sort

  • NumPy مرتب سازی، جستجو، توابع شمارش NumPy Sort, Search, Counting Functions

  • تابع مرتب سازی NumPy NumPy Sort Function

  • NumPy ARGSORT() NumPy ARGSORT()

  • بدون صفر کجا Nonzero Where

  • استخراج کردن Extract

  • ARGMAX() و ARGMIN() ARGMAX() and ARGMIN()

بایت مبادله کپی ها و نماها Byteswap Copies and Views

  • بایت مبادله کپی ها و نماها Byteswap Copies and Views

توابع رشته در NumPy String Functions in NumPy

  • STRUNCTIONS در NumPy STRFUNCTIONS in NumPy

  • تابع رشته در NumPy ADD() و MULTIPLY() String Function in NumPy ADD() and MULTIPLY()

  • NumPy CENTER() NumPy CENTER()

  • CAPITALIZE() CENTER() در NumPy CAPITALIZE() CENTER() in NumPy

  • توابع رشته 1 String Functions 1

  • توابع رشته 2 String Functions 2

کتابخانه ماتریس NumPy NumPy Matrix Library

  • کتابخانه ماتریس NumPy NumPy Matrix Library

NumPy پیوستن به آرایه ها NumPy Joining Arrays

  • NumPy پیوستن به آرایه ها NumPy Joining Arrays

جبر خطی Linear Algebra

  • جبر خطی - قسمت 1 Linear Algebra - part 1

  • جبر خطی - قسمت 2 Linear Algebra - part 2

  • جبر خطی - قسمت 3 Linear Algebra - part 3

  • جبر خطی - قسمت 4 Linear Algebra - part 4

  • جبر خطی - قسمت 5 Linear Algebra - part 5

  • جبر خطی - قسمت 6 Linear Algebra - part 6

  • جبر خطی - قسمت 7 Linear Algebra - part 7

ماژول تصادفی و ماژول اسرار Random Module and Secrets Module

  • ماژول تصادفی - قسمت 1 Random Module - part 1

  • ماژول تصادفی - قسمت 2 Random Module - part 2

  • ماژول تصادفی - قسمت 3 Random Module - part 3

  • ماژول تصادفی - قسمت 4 Random Module - part 4

  • ماژول تصادفی - قسمت 5 Random Module - part 5

  • ماژول تصادفی - قسمت 6 Random Module - part 6

  • ماژول تصادفی - قسمت 7 Random Module - part 7

  • ماژول تصادفی - قسمت 8 Random Module - part 8

  • ماژول تصادفی - قسمت 9 Random Module - part 9

  • ماژول تصادفی - قسمت 10 Random Module - part 10

  • ماژول تصادفی - قسمت 11 Random Module - part 11

  • ماژول تصادفی - قسمت 12 Random Module - part 12

  • ماژول تصادفی - قسمت 13 Random Module - part 13

  • ماژول تصادفی - قسمت 14 Random Module - part 14

  • ماژول تصادفی - قسمت 15 Random Module - part 15

  • ماژول تصادفی - قسمت 16 Random Module - part 16

  • ماژول تصادفی - قسمت 17 Random Module - part 17

  • ماژول تصادفی - قسمت 18 Random Module - part 18

  • ماژول تصادفی - قسمت 19 Random Module - part 19

  • ماژول اسرار - قسمت 1 Secrets Module - part 1

  • ماژول اسرار - قسمت 2 Secrets Module - part 2

  • ماژول تصادفی تابع یکنواخت Random Module Uniform Function

  • ماژول تصادفی تولید عدد به جز K Random Module Generate Number Except K

  • ماژول Secrets تولید توکن Secrets Module Generate Tokens

  • ماژول تصادفی رشته باینری تولید می کند Random Module Generate Binary String

ویرایش ماژول NumPy NumPy Module Revision

  • ویرایش ماژول NumPy - قسمت 1 NumPy Module Revision - part 1

  • ویرایش ماژول NumPy - قسمت 2 NumPy Module Revision - part 2

  • ویرایش نمایه سازی NumPy NumPy Indexing Revision

اپراتورها و عملیات NumPy NumPy Operators and Operations

  • عملیات پایه NumPy NumPy Basic Operations

  • اپراتورهای Unary در NumPy Unary Operators in NumPy

  • اپراتورهای باینری در NumPy Binary Operators in NumPy

  • اپراتورهای NumPy Universal NumPy Universal Operators

آرایه های فیلتر NumPy NumPy Filter Arrays

  • آرایه های فیلتر NumPy NumPy Filter Arrays

پروژه های ماژول NumPy NumPy Module Projects

  • پروژه های ماژول NumPy - قسمت 1 NumPy Module Projects - part 1

  • پروژه های ماژول NumPy - قسمت 2 NumPy Module Projects - part 2

  • پروژه های ماژول NumPy - قسمت 3 NumPy Module Projects - part 3

  • پروژه های ماژول NumPy - قسمت 4 NumPy Module Projects - part 4

  • پروژه های ماژول NumPy - قسمت 5 NumPy Module Projects - part 5

  • پروژه های ماژول NumPy - قسمت 6 NumPy Module Projects - part 6

نمایش نظرات

آموزش برنامه نویسی Python NumPy و توسعه پروژه با استفاده از NumPy
جزییات دوره
24.5 hours
94
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
3,053
4.3 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Uplatz Training Uplatz Training

سریعترین رشد ارائه دهنده آموزش جهانی فناوری اطلاعات Uplatz پیشرو در انگلستان است که ارائه دهنده خدمات آموزش فناوری اطلاعات به دانشجویان در سراسر جهان است. منحصر به فرد بودن ما از آنجا ناشی می شود که ما دوره های آموزشی آنلاین را با کسری از متوسط هزینه این دوره ها در بازار ارائه می دهیم. تخصص ما شامل SAP ، Oracle ، Salesforce ، AWS ، Microsoft Azure ، Google Cloud ، IBM Cloud ، Science data ، Python ، JavaScript ، Java ، Digital Marketing ، Agile و DevOps است. Uplatz که در مارس 2017 تاسیس شد ، شاهد افزایش خارق العاده ای در صنعت آموزش است که با یک دوره آنلاین SAP FICO شروع می شود و اکنون آموزش 500+ دوره را در 54 کشور جهان ارائه داده است که طی 10 سال به 10 هزار دانشجو خدمت کرده اند. آموزش Uplatz بسیار با ساختار ، موضوع محور و شغل محور است و تأکید زیادی بر تمرین و تکالیف در سرورهای زنده دارد. دوره های ما توسط بیش از هزار مربی بسیار ماهر و باتجربه طراحی و تدریس می شوند که در زمینه های خود اعم از SAP ، Cloud ، Oracle یا هر فناوری یا سیستم درخواستی تخصص کافی دارند.