دوره آموزشی یادگیری جامع NumPy: بخش اول مبانی‌های NumPy

دوره آموزشی یادگیری جامع NumPy: بخش اول مبانی‌های NumPy

⏱️ 1 ساعت 26 دقیقه📈 متوسط📅 2023-10-19

مدرسین

Terezija Semenski

Terezija Semenski

Software Developer, Mathematician, Writer, and Learner

جزئیات دوره

NumPy یک سینتکس زیبا و کتابخانه پردازش آرایه قدرتمند را برای پایتون فراهم می کند. NumPy مفیدترین و قدرتمندترین کتابخانه پایتون در زمینه علم داده و یادگیری ماشین است. در این دوره، Terezija Semenski ساختار داده NumPy را برای آرایه های n بعدی معرفی می کند، سپس با نشان دادن توابع برای ایجاد و دستکاری آرایه ها، از جمله نمایه سازی و برش برای استخراج عناصر از آرایه ها، ادامه می دهد. او همچنین نحوه یافتن عناصر منحصربه‌فرد و معکوس کردن یک آرایه را توضیح می‌دهد، و توابع و عملگرهایی را برای انجام محاسبات با اشیاء دراری و توابع ریاضی و آمار توصیف می‌کند.

مهارت ها

NumPyMachine LearningPythonData AnalysisEssential TrainingArtificial Intelligence (AI)Data ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen Source

سرفصل ها

0. مقدمه

  • 01 - از قدرت NumPy استفاده کنید
  • 02 - آنچه باید بدانید

1. بررسی اجمالی NumPy و معرفی نوت بوک Jupyter

  • 03 - چرا باید از NumPy استفاده کنید
  • 04 - لیست‌های پایتون در مقابل آرایه‌های NumPy
  • 05 - اصول اولیه نوت بوک Jupyter

2. انواع آرایه NumPy و ایجاد آرایه‌های NumPy

  • 06 - انواع آرایه و تبدیل بین انواع
  • 07 - آرایه‌های چند بعدی
  • 08 - ایجاد آرایه‌ها از لیست‌ها و سایر ساختارهای پایتون
  • 09 - ایجاد آرایه NumPy ذاتی
  • 10 - ایجاد آرایه‌های پر از مقادیر ثابت
  • 11 - یافتن شکل و اندازه یک آرایه

3. آرایه‌های NumPy را دستکاری کنید

  • 12 - افزودن، حذف و مرتب سازی عناصر
  • 13 - کپی و مشاهده
  • 14 - تغییر شکل آرایه ها
  • 15 - پروفایل سازی و برش
  • 16 - پیوستن و تقسیم آرایه ها

4. توابع و عملیات

  • 17 - عملیات و توابع حسابی
  • 18 - پخش
  • 19 - توابع جمع
  • 20 - نحوه بدست آوردن آیتم‌ها و شمارش‌های منحصر به فرد
  • 21 - عملیات مشابه را جابجا کنید
  • 22 - معکوس کردن یک آرایه

نتیجه

  • 23 - مراحل بعدی

مشاهده دوره کامل

رفتن به دوره