دوره آموزشی
دوبله زبان فارسی
اصول NumPy برای تحلیل داده در پایتون
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- یادگیری نحوه کار با آرایههای NumPy
- گام دوم شما پس از دوره «پایتون پایه برای تحلیل داده» به سمت تسلط به تحلیل داده
- مدیریت داده عددی
- تحلیل داده
پیشنیازهای دوره
- دانش قبلی در برنامهنویسی پایتون ضروری است.
- دوره «مبانی پایتون برای تحلیل داده» پیشنیاز مناسبی خواهد بود.
توضیحات دوره
خیلی خوشحالیم که اینجا هستید. این دوره عملی، راهنمای جامعی برای تسلط به NumPy، کتابخانه اساسی برای محاسبات عددی در پایتون است که برای هر تحلیلگر داده، دانشمند یا مهندس بکاند ضروری است.
چه در حال آمادهسازی خود برای یک حرفه در تحلیل داده باشید و چه در حال تقویت مهارتهای داده خود در پایتون، این دوره شما را گامبهگام با NumPy آشنا میکند که به طور مستقیم با مستندات رسمی همسو است. با رویکردی روشن و ساختارمند، درک عمیقی از آرایههای NumPy، برودکستینگ، جبر خطی، عملیاتهای تاریخ و زمان، مدیریت رشته، توابع منطقی، آرایههای ماسک شده، روشهای آماری و موارد دیگر به دست خواهید آورد.
هر مفهوم از طریق دروس عملی و متمرکز آموزش داده میشود. پس از هر درس، یادگیری خود را با موارد زیر تقویت خواهید کرد:
- یک آزمون کوتاه 3 سوالی برای تست دانش خود
- یک تمرین عملی 5 سوالی که از طریق Jupyter Notebook ارائه میشود.
دوره با مجموعهای از مینی پروژههای capstone واقعی از حوزههایی مانند تجارت الکترونیک، تولید، مراقبتهای بهداشتی و رسانههای اجتماعی به پایان میرسد که برای ایجاد اعتمادبهنفس شغلی و نشان دادن نحوه استفاده از NumPy در حل مسائل داده واقعی طراحی شدهاند.
در پایان دوره، میتوانید با اطمینان از NumPy در پایپلاینهای لوله تحلیل داده استفاده کنید، مشکلات را به طور موثر عیبیابی کنید و تشخیص دهید چه زمانی و چگونه از توابع خاص NumPy برای عملکرد و وضوح استفاده کنید.
پیشنیازهای دوره:
- دانش کاری از پایتون ضروری است. این دوره یک دوره مقدماتی برنامهنویسی نیست.
این دوره برای چه کسانی مناسب است؟
- تازهکاران در تحلیل داده که کمی با پایتون آشنا هستند و میخواهند پایههای قوی در NumPy بسازند.
اصول NumPy برای تحلیل داده در پایتون
-
به دوره خوش آمدید 02:16
-
نصب آناکوندا در مک 10:53
-
نصب آناکوندا در ویندوز 04:01
-
آشنایی با این بخش 00:44
-
ثابتها 16:47
-
آزمون None
-
آشنایی با این بخش 01:14
-
از شکل یا مقدار 09:11
-
از شکل یا مقدار None
-
از داده موجود 23:15
-
از داده موجود None
-
ایجاد آرایههای رکورد 05:59
-
ایجاد آرایههای رکورد None
-
ایجاد آرایههای کاراکتر 01:58
-
ایجاد آرایههای کاراکتر None
-
محدودههای عددی 07:05
-
محدودههای عددی None
-
ساخت ماتریسها 04:19
-
ساخت ماتریسها None
-
کلاس ماتریس 03:55
-
کلاس ماتریس None
-
آشنایی با این بخش 00:55
-
راهاندازی 01:31
-
عملیاتهای اولیه 04:48
-
عملیاتهای اولیه None
-
تغییر شکل آرایه 04:50
-
تغییر شکل آرایه None
-
تغییر نوع آرایه 06:43
-
تغییر نوع آرایه None
-
درک مفهوم محور 07:46
-
عملیاتهای شبیه ترانهاده 05:41
-
عملیاتهای شبیه ترانهاده None
-
تغییر تعداد ابعاد 08:45
-
تغییر تعداد ابعاد None
-
جوین کردن آرایهها None
-
جوین کردن آرایهها 05:23
-
Tiling آرایهها 01:15
-
Tiling آرایهها None
-
تقسیم آرایهها 05:55
-
تقسیم آرایهها None
-
افزودن و حذف عناصر 05:49
-
افزودن و حذف عناصر None
-
بازچینش عناصر 05:47
-
بازچینش عناصر None
-
آشنایی با این بخش 00:48
-
عملیات های بیتی عنصر به عنصر 12:23
-
عملیاتهای بیتی عنصر به عنصر None
-
پک کردن بیتی و فرمتبندی خروجی 03:40
-
پک کردن بیتی و فرمتبندی خروجی None
-
آشنایی با این بخش 00:58
-
عملیاتهای رشته 14:15
-
عملیاتهای رشته None
-
مقایسه 03:01
-
مقایسه None
-
اطلاعات رشته 09:21
-
اطلاعات رشته None
-
آشنایی با این بخش 00:49
-
توابع پشتیبانی تاریخ و زمان 03:16
-
توابع پشتیبانی تاریخ و زمان None
-
توابع روز کاری 09:42
-
توابع روز کاری None
-
آشنایی با این بخش 00:49
-
روتینهای تایپ داده 06:28
-
روتینهای تایپ داده None
-
ایجاد تایپهای داده 06:51
-
ایجاد تایپهای داده None
-
اطلاعات تایپ داده 00:49
-
اطلاعات تایپ داده None
-
تست تایپ داده 01:39
-
تست تایپ داده None
-
موارد متفرقه 04:58
-
موارد متفرقه None
-
آشنایی با این بخش 00:50
-
توابع مثلثاتی 13:44
-
توابع مثلثاتی None
-
توابع هذلولی 03:22
-
توابع هذلولی None
-
گرد کردن 07:27
-
گرد کردن None
-
جمعها، ضربها و تفاضلها 22:05
-
جمعها، ضربها و تفاضلها None
-
نماها و لگاریتمها 04:40
-
نماها و لگاریتمها None
-
سایر توابع ویژه 03:26
-
سایر توابع ویژه None
-
روتینهای نقطه شناور 08:46
-
روتینهای نقطه شناور None
-
روتینهای گویا 01:30
-
روتینهای گویا None
-
عملیاتهای حسابی 06:38
-
عملیاتهای حسابی None
-
مدیریت اعداد مختلط 02:32
-
مدیریت اعداد مختلط None
-
یافتن نقاط اکسترمم 04:35
-
یافتن نقاط اکسترمم None
-
موارد متفرقه 15:15
-
موارد متفرقه None
-
آشنایی با این بخش 00:57
-
FFTs استاندارد 16:24
-
FFTs استاندارد None
-
FFTs هرمیتی 01:06
-
FFTs هرمیتی None
-
روتینهای Helper 02:48
-
روتینهای Helper None
-
آشنایی با این بخش 01:04
-
برنامهنویسی تابعی 09:06
-
برنامهنویسی تابعی None
-
آشنایی با این بخش 01:02
-
فایلهای باینری NumPy (npy و npz) 05:58
-
فایلهای باینری NumPy (npy و npz) None
-
فایلهای متنی 10:37
-
فایلهای متنی None
-
فایلهای باینری خام 01:05
-
فایلهای باینری خام None
-
فرمتبندی رشته 04:54
-
فرمتبندی رشته None
-
نگاشت حافظه فایلها 03:37
-
نگاشت حافظه فایلها None
-
گزینههای فرمتبندی متن 02:58
-
گزینههای فرمتبندی متن None
-
نمایشهای پایه-n 01:37
-
نمایشهای پایه-n None
-
منابع داده 01:56
-
توضیح فرمت باینری 02:10
-
آشنایی با این بخش 00:59
-
تولید آرایههای ایندکس 48:17
-
تولید آرایههای ایندکس None
-
عملیاتهای شبیه ایندکسگذاری 15:29
-
عملیاتهای شبیه ایندکسگذاری None
-
درج داده در آرایهها 11:41
-
درج داده در آرایهها None
-
تکرار روی آرایهها 09:58
-
تکرار روی آرایهها None
-
آشنایی با این بخش 00:59
-
عملگر @ - np.dot در مقابل np.matmul 13:32
-
dot 01:17
-
multi_dot 01:41
-
vdot و vecdot 03:06
-
inner 02:05
-
outer 01:43
-
matmul 03:26
-
matvec و vecmat 03:01
-
tensordot 44:16
-
einsum 09:12
-
matrix_power 01:23
-
kron 01:25
-
cross 03:23
-
جبر - ضرب نقطهای ماتریس و بردار None
-
آشنایی با این بخش 01:00
-
cholesky 05:27
-
outer 01:04
-
فاکتورگیری QR 10:11
-
svd 09:40
-
svdvals 01:00
-
جبر - تجزیهها None
-
آشنایی با این بخش 00:48
-
eig 06:57
-
eigh 02:10
-
eigvals 00:45
-
eigvalsh 00:47
-
جبر - مقادیر ویژه ماتریس None
-
آشنایی با این بخش 00:52
-
نرم 01:16
-
نرم ماتریس 01:35
-
نرم بردار 01:05
-
عدد شرط 02:27
-
دترمینان 01:11
-
رتبه ماتریس 06:42
-
slogdet 01:31
-
اثر 01:46
-
جبر - نرمها و سایر اعداد None
-
آشنایی با این بخش 00:51
-
solve 02:50
-
tensorsolve 03:20
-
lstsq 04:14
-
inv 01:56
-
pinv 04:22
-
tensorinv 01:09
-
جبر - حل معادلات و معکوس ماتریسها None
-
آشنایی با این بخش 00:45
-
قطر 01:54
-
ترانهادگی 00:50
-
جبر - سایر عملیاتهای ماتریسی None
-
آشنایی با این بخش 00:46
-
تست مقدار صحت 13:22
-
تست مقدار صحت None
-
محتوای آرایه 03:32
-
محتوای آرایه None
-
تست تایپ آرایه 05:06
-
تست تایپ آرایه None
-
عملیاتهای منطقی 03:03
-
عملیاتهای منطقی None
-
مقایسه 05:41
-
مقایسه None
-
آشنایی با این بخش 00:48
-
از داده موجود 10:01
-
از داده موجود None
-
یکها و صفرها 04:32
-
یکها و صفرها None
-
آشنایی با این بخش 00:55
-
بررسی آرایه 25:14
-
بررسی آرایه None
-
آشنایی با این بخش 00:55
-
تغییر شکل 04:48
-
تغییر شکل None
-
اصلاح محورها 08:06
-
اصلاح محورها None
-
تغییر تعداد ابعاد 20:02
-
تغییر تعداد ابعاد None
-
جوین کردن آرایهها 02:27
-
جوین کردن آرایهها None
-
آشنایی با این بخش 00:50
-
ایجاد یک ماسک 05:27
-
ایجاد یک ماسک None
-
دسترسی به یک ماسک 03:04
-
دسترسی به یک ماسک None
-
یافتن داده ماسک شده 12:12
-
یافتن داده ماسک شده None
-
اصلاح یک ماسک 14:58
-
اصلاح یک ماسک None
-
آشنایی با این بخش 00:53
-
به یک آرایه ماسک شده 11:39
-
به یک آرایه ماسک شده None
-
به یک ndarray 03:09
-
به یک ndarray None
-
به یک آبجکت دیگر 03:52
-
به یک آبجکت دیگر None
-
پر کردن آرایه ماسک شده 06:20
-
پر کردن آرایه ماسک شده None
-
آشنایی با این بخش 00:51
-
حساب 14:15
-
حساب None
-
حداقل و حداکثر 02:17
-
حداقل و حداکثر None
-
مرتبسازی 02:32
-
مرتبسازی None
-
جبر 06:50
-
جبر None
-
برازش چندجملهای 03:30
-
برازش چندجملهای None
-
برش و گرد کردن 02:31
-
برش و گرد کردن None
-
عملیاتهای مجموعه 03:55
-
عملیاتهای مجموعه None
-
موارد متفرقه 42:40
-
موارد متفرقه None
-
آشنایی با این بخش 00:44
-
پرفورمنس تیونینگ 01:03
-
پرفورمنس تیونینگ None
-
محدودههای حافظه 02:31
-
محدودههای حافظه None
-
یوتیلیتی 01:36
-
یوتیلیتی None
-
تابع کمک NumPy 01:11
-
آشنایی با این بخش 00:44
-
چندجملهای 05:31
-
چندجملهایها None
-
آشنایی با این بخش 00:34
-
مرتبسازی 03:57
-
مرتبسازی None
-
جستجو 05:49
-
جستجو None
-
شمارش 01:23
-
آشنایی با این بخش 00:38
-
آمار ترتیبی 03:30
-
آمار ترتیبی None
-
میانگینها و واریانسها 02:56
-
میانگینها و واریانسها None
-
همبستگی 04:43
-
همبستگی None
-
هیستوگرامها 06:17
-
هیستوگرامها None
-
آشنایی با این بخش 00:39
-
bartlett 03:37
-
blackman 00:51
-
hamming 00:53
-
hanning 00:31
-
kaiser 01:12
-
توابع Window None
-
آشنایی با این بخش 00:55
-
پایان دوره 00:58
مشخصات آموزش
اصول NumPy برای تحلیل داده در پایتون
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:همه سطوح
- تعداد درس:281
- مدت زمان :16:01:30
- حجم :6.41GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
The Great Courses
1,833,000
366,600 تومان
- زمان: 02:27:39
- تعداد درس: 24
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
2,260,000
452,000 تومان
- زمان: 03:02:02
- تعداد درس: 14
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
795,000
159,000 تومان
- زمان: 58:00
- تعداد درس: 12
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
8,508,000
1,701,600 تومان
- زمان: 11:25:13
- تعداد درس: 94
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
5,201,500
1,040,300 تومان
- زمان: 06:58:57
- تعداد درس: 60
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
6,100,500
1,220,100 تومان
- زمان: 08:11:21
- تعداد درس: 28
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
7,256,500
1,451,300 تومان
- زمان: 09:44:25
- تعداد درس: 67
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
3,634,500
726,900 تومان
- زمان: 04:52:43
- تعداد درس: 38
-
سطح دوره:
-
زبان: دوبله فارسی