قیمت این دوره: 200,000 120,000 تومان
  • مدرس دوره : حمیدرضا رضا
  • تعداد ویدیوها : 30 ویدیو
  • مدت زمان دوره : 5:29:00
  • سطح دوره : پیشرفته
  • وضعیت دوره : به اتمام رسیده
  • تاریخ آخرین بروزرسانی : 1403/04/27
ثبتـــ نام در این دوره ثبت نام در دوره
دوره جامع NUMPY

دوره جامع NUMPY

Numpy یک کتابخانه پایتون است که برای انجام عملیات علمی و محاسبات عددی استفاده می‌شود. Numpy مخفف عبارت "Numerical Python" است. این کتابخانه در پردازش داده‌ها و بررسی داده‌های علمی بسیار قدرتمند است و از آن برای انجام محاسبات ماتریسی، محاسبات عددی، تبدیل سری فوریه، عملیات ریاضی و آماری و سایر کاربردهای علمی استفاده می‌شود.

با استفاده از Numpy، می‌توانید با مجموعه ‌داده‌های چند بعدی کار کنید و عملیات ماتریسی و برداری را انجام دهید. همچنین، Numpy دارای تعداد زیادی توابع پیش‌فرض برای محاسبات آماری و ریاضی مانند میانگین، واریانس، انحراف معیار و محاسبه تابع های توزیع احتمال است.

Numpy به عنوان یکی از کتابخانه‌های پایه در بسیاری از پروژه‌های علمی و محاسباتی استفاده می‌شود و به دلیل سرعت و کارایی بالا، برای دانشمندان داده، محققان و دانشجویانی که با کلان داده‌ها سر و کار دارند بسیار مفید است.

به طور کلی، Numpy یک کتابخانه پایتون است که برای پردازش داده‌های علمی و محاسبات عددی طراحی شده است. در Numpy، داده‌ها به صورت آرایه‌های چند بعدی (ndarray) نگهداری می‌شوند که قابلیت انجام عملیات سریع و بهینه بر روی آن‌ها را فراهم است.

Numpy به دلیل این قابلیت‌های بالا، در بسیاری از زمینه‌های علمی و محاسباتی مورد استفاده قرار می‌گیرد. برای مثال، در علوم پزشکی، آمار، فیزیک، ریاضیات، علوم رایانه و غیره از Numpy استفاده می‌شود. از دیگر ویژگی‌های Numpy می‌توان به موارد زیر اشاره کرد:

 قابلیت انجام عملیات ماتریسی و برداری با سرعت بالا

 قابلیت انجام عملیات ریاضی و آماری مانند محاسبه میانگین، واریانس، انحراف معیار و غیره

 قابلیت انجام تبدیل فوریه (FFT) بر روی داده‌های صوتی و تصویری

 قابلیت ایجاد داده‌های تصادفی با توزیع‌های مختلف

 قابلیت انجام تحلیل داده‌های گسترده

 قابلیت ایجاد مجموعه ‌داده‌های چند بعدی با ابعاد مختلف

به طور کلی، Numpy به عنوان یکی از کتابخانه‌های پایه در پردازش داده‌های علمی و محاسباتی شناخته شده است و در بسیاری از پروژه‌های علمی و صنعتی مورد استفاده قرار می‌گیرد.

 

این دوره اولین دوره از سری دوره های علم داده می باشد و سعی میکنیم تمام موارد را گام به گام یاد بگیریم تا بتوانیم به یک دانشمند داده تبدیل بشیم .

 



پیش نیاز های دوره :

  1. پایتون

فهرستـــ ویدیوها

مدت زمان دوره 5:29:00
  • با مشاهده آنلاین جلسات در سایت ، هزینه اینترنت شما به صورت نیم بها محاسبه خواهد شد.

1
  • معرفی دوره

00:03:45

معرفی دوره Numpy

2
  • نصب و راه اندازی Anaconda

00:13:58

نصب و بررسی Anaconda prompt و Anaconda Navigator ایجاد و فعال سازی venv

3
  • راه اندازی Jupyter

00:08:20

راه اندازی Jupyter و معرفی عملکرد آن

4
  • آرایه ها - N-dimensional array

00:11:18

معرفی ndarray

5
  • دیتا تایپ ها

00:18:49

کار با dtype

6
  • کار با Array Attributes

00:16:37

NumPy - Array Attributes shape-reshape-arrange-itemsize-flags

7
  • نحوه ایجاد آرایه

00:07:56

Array Creation Routines کار با empty- zeros-ones

8
  • ساخت آرایه با استفاده از لیست و تاپل ها

00:13:54

بررسی asarray frombuffer fromiter

9
  • Array From Numerical Ranges

00:15:50

کار با متدهای arange , linspace , logspace

10
  • Indexing & Slicing

00:14:45

کار با Numpy Indexing & Slicing

11
  • اندیکس گذاری پیشرفته

00:19:58

NumPy - Advanced Indexing

12
  • Broadcasting

00:10:46

Broadcasting

13
  • پیمایش روی آرایه ها

00:06:12

NumPy - Iterating Over Array

14
  • NumPy - Array Manipulation

00:09:29

Changing Shape reshape,flat,flatten,ravel

15
  • Transpose Operations

00:10:33

transpose , ndarray.T , rollaxis , swapaxes

16
  • معرفی متدهای تغییر ابعاد آرایه

00:09:48

معرفی متدهای تغییر ابعاد آرایه

17
  • تغییر شکل آرایه ها

00:09:56

broadcast_to - expand_dims - squeeze

18
  • اتصال آرایه ها

00:08:42

کار با متد های concatenate ، stack ، hstack ، vstack

19
  • تمرین

00:00:00

فایل تمرین برای کسب مهارت در numpy

20
  • Array Manipulation

00:10:46

Splitting Arrays

21
  • Splitting Arrays

00:07:29

split-hsplit-vsplit

22
  • Adding Elements

00:15:35

اضافه کردن المان به آرایه

23
  • کار با متد delete & unique

00:12:59

کار با متد delete & unique

24
  • رشته ها در numpy

00:13:09

رشته ها در numpy - بخش اول

25
  • رشته ها در numpy

00:09:54

بخش دوم

26
  • Mathematical Functions

00:14:00

کار با توابع ریاضیاتی

27
  • MatrixLibrary

00:09:56

MatrixLibrary

28
  • معرفی Matplotlib

00:13:40

آشنایی و کار با Matplotlib

29
  • رسم نمودار histogram

00:06:50

رسم نمودار histogram با matplotlib

30
  • ورودی و خروجی در numpy

00:04:38

ورودی و خروجی در numpy

دوره های دیگر مدرس

مشاهده همه دوره ها

نظرات کاربران در رابطه با این دوره

لطفا سوالات خود را راجع به این آموزش در این بخش پرسش و پاسخ مطرح کنید به سوالات در قسمت نظرات پاسخ داده نخواهد شد و آن نظر حذف میشود.
جهت ثبت نظر باید در سایت عضو شوید و یا وارد سایت شده باشید .