تسلط به NumPy برای یادگیری ماشین و هوش مصنوعی – از مبتدی تا حرفهای 2025
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت
- ایجاد، دستکاری و تبدیل آرایههای NumPy با استفاده از اسلایسینگ، ایندکسینگ، برودکست و بردارسازی برای پردازش مؤثر دادهها
- کاربرد عملیات ریاضی، آماری و جبر خطی در NumPy و استفاده از آنها بهعنوان پایهای برای یادگیری ماشین و هوش مصنوعی
- اشکالزدایی و تفسیر حرفهای کد NumPy نوشته شده در کتابخانههایی مثل SciPy، پانداس و PyTorch
- پیادهسازی کانولوشن دوبعدی از ابتدا در NumPy، کسب دانش اولیه برای بینایی کامپیوتری و یادگیری عمیق
- ساخت و انیمیشن بازی زندگی کانوی با آرایههای NumPy برای شبیهسازی مدلهای محاسباتی واقعی
پیش نیازهای دوره
- تجربهٔ پایه در برنامهنویسی پایتون
- دسترسی به کامپیوتری با اتصال اینترنت
- درک پایه از عملیات ماتریس
- آمادگی برای یادگیری
توضیحات دوره
گام به گام با تمرینهای کدنویسی، پروژههای واقعی و آزمونها، به NumPy مسلط شوید و شناخت اولیه از یادگیری ماشین، هوش مصنوعی و یادگیری عمیق کسب کنید.
NumPy اساس تقریباً تمام کتابخانههای یادگیری ماشین، یادگیری عمیق و هوش مصنوعی است که ممکن است با آنها روبهرو شوید – از SciPy و پانداس گرفته تا PyTorch و تنسورفلو. اما چالش اصلی این است که بسیاری از مبتدیان برای فراتر رفتن از «اجرای صرف توابع» و درک واقعی نحوه عملکرد NumPy در پسِ پشتِ صحنه، تقلا میکنند.
اگر تا بهحال در خواندن کد دیگران دچار مشکل شده اید یا از آنچه در داخل آن آرایهها اتفاق میافتد گیج شدهاید، پس این دوره برای شما ساخته شده است.
این فقط یک آموزش دیگر از «توابع NumPy» نیست. بلکه این دوره به گونهای طراحی شده که به شما کمک کند در NumPy فکر کنید، بنابراین میتوانید با اطمینان کد را در سطح حرفهای بفهمید، بنویسید و آن را اشکالزدایی کنید.
در پایان این دوره نه تنها «توابع را میشناسید»، بلکه متوجه می شوید که NumPy چگونه محاسبات ریاضی پشت سیستمهای مدرن یادگیری ماشین و هوش مصنوعی را انجام می دهد، همچنین به شما اطمینان میدهد که میتوانید با کتابخانههای پیشرفتهتر و پروژههای واقعی روبهرو شوید.
چه چیزی این دوره را متمایز میکند؟
- یادگیری بنیادی، نه صرفاً سینتکس:ما روی این موضوع تمرکز میکنیم که NumPy چگونه کار میکند، نه فقط اینکه چه چیزی تایپ کنیم. این دوره تضمین میکند که شما میتوانید هر کتابخانه مبتنی بر NumPy را که با آن مواجه میشوید، درک کنید.
- پروژههای عملی:شما فقط دنبال کننده نخواهید بود بلکه پروژه های دنیای واقعی را نیز پیاده سازی می کنید، مانند:
- ساخت کانولوشن دوبعدی از ابتدا (پایهٔ شبکههای عصبی کانولوشن)
- کدنویسی و انیمیشن بازی زندگی کانوی با NumPy
آزمونهایی برای ارزیابی درک:در هر مرحله، دانش خود را با آزمونهایی که مفاهیم را تقویت کرده و شما را پاسخگو نگه میدارند، میسنجید.
این دوره برای هر کسی که میخواهد یادگیری ماشین، هوش مصنوعی یا علوم داده را دنبال کند، اما احساس میکند که ابتدا باید به زبانی که همه این زمینهها بر اساس آن ساخته شدهاند، یعنی NumPy، تسلط پیدا کند، عالی است.
آنچه یاد خواهید گرفت
در پایان این دوره میتوانید:
- آرایههای چندبعدی NumPy را با یقین درک و دستکاری کنید.
- به برودکست، ایندکسینگ، اسلایسینگ و بردارسازی بهعنوان “فوت کوزه گری” کد نوشتن مؤثر با NumPy تسلط پیدا کنید.
- عملیات آماری و ریاضی را مستقیماً بر آرایههای NumPy اعمال کنید.
- چندین آرایه NumPy را با تکیه بر تکنیکهای تجمیع، تغییر شکل و ترکیب ادغام کنید.
- NumPy را برای ساخت و نمایش پروژههای واقعی، مانند کانولوشن دوبعدی و انیمیشن بازی زندگی کانوی، بکار ببرید.
- اشکالزدایی، تحلیل و درک کدهای NumPy که به صورت حرفهای در کتابخانههای متنباز نوشته شدهاند.
- توانایی یادگیری سریعتر کتابخانههای پیشرفته مثل SciPy، پانداس و PyTorch را بهدلیل آشنایی زیاد با NumPy توسعه دهید.
- طرز فکر «تفکر آرایهای» را در خود پرورش دهید - مهارتی حیاتی برای توسعه یادگیری ماشین و هوش مصنوعی
این دوره برای چه کسانی مناسب است؟
این دوره برای مبتدیانی طراحی شده که میخواهند در یادگیری ماشین و AI متخصص شوند.
این دوره برای شما مناسب است اگر:
- میخواهید زندگی حرفهای در زمینه یادگیری ماشین، یادگیری عمیق یا AI بسازید و به آشنایی کامل با محاسبات ریاضی و کدنویسی نیاز دارید.
- قبلاً از NumPy استفاده کردهاید اما هنوز در خواندن کدهای دیگران گیج هستید.
- ترجیح میدهید با تمرینهای کدنویسی، پروژهها و آزمونها یاد بگیرید - نه فقط سخنرانیها
- میخواهید بدون احساس سردرگمی، کتابخانههای پیشرفته یادگیری ماشین مانند SciPy، پانداس و PyTorch را درک کنید.
این دوره برای شما مناسب نیست اگر:
- در حال حاضر یک کاربر پیشرفته NumPy هستید که با اطمینان الگوریتمهای یادگیری ماشین را از ابتدا میسازید.
- تنها به دنبال یک مرجع سریع برای سینتکس هستید، نه یک درک عمیق و اساسی
این دوره برای چه کسانی مناسب است؟
- برنامهنویسان مبتدی و دانشجویانی که میخواهند وارد دنیای یادگیری ماشین، یادگیری عمیق و هوش مصنوعی شوند اما با کدنویسی ریاضی مشکل دارند.
- دانشمندان داده و متخصصان هوش مصنوعی مشتاق که قبل از حرکت به سمت فریمورک های پیشرفتهای مانند PyTorch، تنسورفلو یا SciPy، باید به NumPy تسلط پیدا کنند.
- مهندسان و تحلیلگرانی که به نقشهای یادگیری ماشین و هوش مصنوعی روی میآورند و میخواهند پایه محاسبات عددی خود را تقویت کنند.
- دانشجویان دانشگاه یا خودآموزانی که اولین گامهای خود را در ریاضیات محاسباتی، بینایی کامپیوتر یا الگوریتمهای عددی برمیدارند.
- هرکسی که قبلاً بهصورت آزمایشی دورههای ML و AI را امتحان کرده ولی در درک کامل کد NumPy دچار مشکل است.
تسلط به NumPy برای یادگیری ماشین و هوش مصنوعی – از مبتدی تا حرفهای 2025
-
معرفی 01:23
-
آرایه NumPy چیست؟ 07:47
-
ویژگیهای آرایه NumPy 10:25
-
ایجاد آرایه NumPy - مبانی 03:07
-
ایجاد آرایه NumPy - کد 08:10
-
عملیات حسابی 06:43
-
عملیات حسابی - کد 05:48
-
عملیات منطقی 06:07
-
عملیات منطقی - کد 07:26
-
عملیات ریاضی 05:45
-
عملیات ریاضی - کد 04:20
-
عملیات ترکیب و تقسیم 09:55
-
عملیات ترکیب و تقسیم - کد 09:36
-
ایندکسینگ پایه 09:52
-
ایندکسینگ پایه - کد 08:09
-
اسلایسینگ - بخش 1 18:40
-
اسلایسینگ - بخش 2 03:29
-
اسلایسینگ - کد 07:08
-
ایندکسینگ پیشرفته 12:35
-
ایندکسینگ پیشرفته - کد 02:14
-
ایندکسینگ بولینی و شرطی 09:43
-
ایندکسینگ بولینی و شرطی - کد 09:04
-
معرفی نوع داده 08:10
-
معرفی نوع داده - کد 04:20
-
ارتقای نوع داده 08:59
-
ارتقای نوع داده - کد 11:57
-
معرفی برودکست 15:53
-
برودکست - کد 12:20
-
مثال برودکست 1 13:41
-
مثال برودکست 2 07:29
-
خلاصه برودکست 03:12
-
نسخه و ویوها - معرفی 24:41
-
نسخه و ویوها - کد 06:24
-
ایجاد آرایههای NumPy - پیشرفته 15:18
-
معرفی ماژولهای NumPy 02:07
-
ماژول Random - نسخه مدرن 16:04
-
ماژول Random - نسخه قدیمی 04:40
-
ماژول LinAlg - بخش 1 08:11
-
ماژول LinAlg - بخش 2 09:46
-
ذخیره و بارگذاری آرایههای NumPy 09:09
-
معرفی 03:26
-
درک کانولوشن 13:49
-
کانولوشن مالتی تصویر و مالتی کرنل 14:15
-
درک قوانین بازی 11:15
-
خلاصه 01:29
مشخصات آموزش
تسلط به NumPy برای یادگیری ماشین و هوش مصنوعی – از مبتدی تا حرفهای 2025
- تاریخ به روز رسانی: 1404/10/04
- سطح دوره:مقدماتی
- تعداد درس:45
- مدت زمان :06:34:09
- حجم :3.52GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy