لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مشکلات پردازش سیگنال در MATLAB و Python حل شده است
Signal processing problems, solved in MATLAB and in Python
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
دستورالعمل برنامه محور در مورد پردازش سیگنال و پردازش سیگنال دیجیتال (DSP) با استفاده از کدهای MATLAB و Python درک ابزارهای پردازش سیگنال متداول طراحی، ارزیابی و اعمال فیلترهای دیجیتالی پاک کردن و حذف نویز داده ها بدانید زمانی که چیزی درست نیست به دنبال چه چیزی باشید. داده ها یا کد بهبود مهارت های برنامه نویسی MATLAB یا Python نحوه تولید سیگنال های آزمایشی برای روش های پردازش سیگنال را بدانید * شرح های انگلیسی کاملاً به صورت دستی تصحیح شده اند! پیش نیازها:تجربه برنامه نویسی پایه در MATLAB یا Python ریاضی دبیرستان
چرا باید پردازش سیگنال دیجیتال را یاد بگیرید.
طبیعت مرموز، زیبا و پیچیده است. تلاش برای درک طبیعت عمیقاً پاداش است، اما عمیقاً چالش برانگیز است. یکی از چالش های بزرگ در مطالعه طبیعت، تجزیه و تحلیل داده ها است. طبیعت دوست دارد بسیاری از منابع سیگنال و بسیاری از منابع نویز را در یک ضبطهای مشابه ترکیب کند و این کار شما را دشوار میکند.
بنابراین، یکی از مهمترین اهداف تحلیل سریهای زمانی و پردازش سیگنال، حذف نویز است: جداسازی سیگنالها و نویزهایی که در کانالهای داده یکسانی مخلوط میشوند.
ایده بزرگ DSP (پردازش سیگنال دیجیتال) کشف اسرار پنهان در داده های سری زمانی است و این دوره متداول ترین استراتژی های کشف را به شما آموزش می دهد.
این دوره چه ویژگی خاصی دارد؟
تمرکز اصلی این دوره بر پیاده سازی تکنیک های پردازش سیگنال در متلب و پایتون است. برخی از نظریهها و معادلات نشان داده شدهاند، اما من حدس میزنم که شما این را میخوانید زیرا میخواهید تکنیکهای DSP را روی سیگنالهای واقعی پیادهسازی کنید، نه اینکه فقط نظریه انتزاعی را تقویت کنید.
این دوره با بیش از 10000 خط کد MATLAB و Python به همراه مجموعه دادههای نمونه ارائه میشود که میتوانید از آنها برای یادگیری و تطبیق با درسها یا برنامههای کاربردی خود استفاده کنید.
در این دوره، نحوه شبیهسازی سیگنالها را به منظور آزمایش و اطلاعات بیشتر در مورد روشهای پردازش و تجزیه و تحلیل سیگنال خود خواهید آموخت.
همچنین نحوه کار با سیگنال های نویز یا خراب را یاد خواهید گرفت.
آیا پیش نیازهایی وجود دارد؟
به تجربه برنامه نویسی نیاز دارید. من ویدیوها را در MATLAB مرور میکنم، و شما همچنین میتوانید با استفاده از Octave (یک برنامه رایگان و چند پلتفرمی که MATLAB را شبیهسازی میکند) همراه باشید. اگر پایتون را ترجیح می دهید، کد پایتون مربوطه را ارائه می کنم. شما می توانید از هر زبان دیگری استفاده کنید، اما باید خودتان ترجمه را انجام دهید.
من توصیه می کنم دوره تبدیل فوریه را قبل یا در کنار این دوره بگذرانید. اما این یک الزام نیست و شما می توانید بدون گذراندن دوره تبدیل فوریه در این دوره موفق شوید.
اکنون چه کاری باید انجام دهید؟
نمونه ویدئوها را تماشا کنید و نظرات دوره های دیگر من را بررسی کنید -- بسیاری از آنها "پرفروش" یا "با رتبه برتر" هستند و نظرات مثبت زیادی دارند. اگر مطمئن نیستید که این دوره برای شما مناسب است یا خیر، در صورت تمایل برای من پیام ارسال کنید. امیدوارم شما را در کلاس ببینم!
من دانشیار علوم اعصاب در دانشگاه رادبود (هلند) هستم. آزمایشگاه تحقیقاتی من از روش های علوم اعصاب پیشرفته برای اندازه گیری فعالیت الکتریکی مغز استفاده می کند و ما برای درک همه داده ها از روش های پیشرفته پردازش سیگنال چند متغیره و روش یادگیری ماشین یادگیری استفاده می کنیم! من چندین کتاب درسی درباره برنامه نویسی علمی در MATLAB ، پردازش سیگنال و آمار نوشته ام. من همچنین معتقد به اهمیت ادامه تحصیل در سطح حرفه ای هستم. تمرکز آموزش Pluralsight من تجزیه و تحلیل داده های عملی در MATLAB است. آموزش مباحث فنی می تواند یک چالش برای دوره های آنلاین باشد که تعاملات رو در رو در زمان واقعی ندارند. من تمام تلاشم را می کنم تا تعادل درستی بین درک و دقت ریاضی و بین تئوری و اجرا پیدا کنم. امیدوارم موافقت کنید و مشتاقانه منتظر دیدن شما در کلاس هستم!
نمایش نظرات