دوره آموزشی
دوبله زبان فارسی
تولید و مصورسازی داده در پایتون و MATLAB
✅ سرفصل و جزئیات آموزش
یاد بگیرید چگونه داده را برای علم داده، آمار و یادگیری ماشین در MATLAB و پایتون شبیه سازی و مصورسازی کنید.
آنچه یاد خواهید گرفت:
- دسته بندی های مختلف داده را درک کنید.
- مجموعه داده های مختلف تولید کنید و آن ها را با پارامترها اصلاح کنید.
- داده را با تکنیک های مختلف مصورسازی کنید.
- از توزیع ها، توابع مثلثاتی و تصاویر داده تولید کنید.
- مدل های forward را درک کنید و از آن ها برای تولید داده استفاده کنید.
- مهارت های MATLAB و برنامه نویسی پایتون را بهبود دهید.
پیش نیازهای دوره
- علاقه به داده
- ریاضی دبیرستان
- آشنایی اولیه با برنامه نویسی (MATLAB یا پایتون)
- آشنایی با طیف توان از تبدیل فوریه
توضیحات دوره
شما یاد خواهید گرفت چگونه از پرکاربردترین دسته بندی های داده برای آمار، یادگیری ماشین، دسته بندی و خوشه بندی، استفاده از مدل ها، معادلات و پارامترها، داده تولید کنید. این لیست شامل توزیع ها، سری های زمانی، تصاویر، خوشه ها و غیره می باشد. شما همچنین یاد خواهید گرفت چگونه داده را به صورت یک بعدی، دو بعدی و سه بعدی مصورسازی کنید.
همه ویدئوها همراه با کد MATLAB وپایتون ارائه به شما می شوند تا از آن ها یاد بگیرید و انطباق دهید.
این دوره برای چه کسانی مناسب است؟
- دانشمندان داده ای که می خواهند یاد بگیرند چگونه داده تولید کنند.
- آماردانانی که می خواهند متدها را ارزیابی و اعتبارسنجی کنند.
- کسی که می خواهد مهارت های MATLAB خود را بهبود دهد.
- کسی که می خواهد مهارت های پایتون خود را بهبود دهد.
- دانشمندانی که می خواهند مشخصات داده را بهتر درک کنند.
- کسی که به دنبال ابزارهایی برای درک بهتر داده است.
- هر کسی که می خواهد یاد بگیرد چگونه داده را مصورسازی کند.
تولید و مصورسازی داده در پایتون و MATLAB
-
دنبال کردن در پایتون، MATLAB یا Octave 06:44
-
اهداف کلی این دوره 04:55
-
چرا و چگونه داده را شبیه سازی کنیم؟ 05:42
-
سیگنال چیست و نویز چیست؟ 03:45
-
اهمیت مصورسازی 07:13
-
میانگین، میانه و انحراف معیار و واریانس 16:31
-
هیستوگرام 07:15
-
دامنه بین چارکی 08:27
-
نمودار ویولن 08:29
-
توزیع های نرمال و یکنواخت 15:35
-
نمودار QQ 09:22
-
توزیع پواسون 11:40
-
توزیع لاگ-نرمال 08:14
-
معیارهای کیفیت توزیع (عامل فانو و SNR) 08:55
-
Cohen's d برای جداسازی توزیع ها 10:01
-
Sharp transients 12:29
-
Smooth transients 19:55
-
تکرار: امواج سینوسی، مربعی و مثلثی 10:28
-
نوسان سازهای چند کامپوننتی 06:03
-
چرپ دوقطبی و چندقطبی 17:41
-
نویز نرمال و یکنواخت قابل تولید مجدد Seed شده 09:20
-
نویز صورتی (معروف به نویز 1/f یا فراکتالی) 14:58
-
نویز قهوه ای (معروف به حرکت تصادفی) 10:27
-
نویز همبسته چندمتغیره 11:58
-
خطوط و گوشه ها 10:27
-
پچ های سینوسی و پچ های گابور 12:24
-
اشکال هندسی 11:49
-
حلقه ها 09:57
-
نویز سفید تصویر 09:19
-
نویز و الگوهای شطرنجی 09:18
-
نویز پرلین در دو بعد 08:55
-
نویز فیلتر شده با تبدیل فوریه دو بعدی 07:06
-
خوشه ها در دو بعد 13:32
-
خوشه ها در N بعد 04:51
-
مدل forward: شیت دو بعدی 12:40
-
مدل های forward ترکیبی با همپوشانی 10:20
-
مثال: شبیه سازی داده مغز انسان (EEG) 16:47
مشخصات آموزش
تولید و مصورسازی داده در پایتون و MATLAB
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:همه سطوح
- تعداد درس:37
- مدت زمان :06:24:57
- حجم :2.2GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy