آموزش زبان برنامه نویسی پایتون

دوره حضوری و آنلاین آموزش برنامه نویسی پایتون

پایتون یکی از زبان های چند منظوره ،  شی گرا و سطح بالا می باشد که کاربرد بسیار زیادی دارد و همچنین از محبوبیت فوق العاده ای برخوردار است .

ساده بودن پایتون برای یادگیری و  محاسبه معادلات پیچیده و تحلیل های داده ، از دلایل جذابیت بالای این زبان میباشد .

در طول این دوره به مفاهیم پایه و اساسی این زبان قدرتمند تسلط پیدا خواهید کرد .

پس وقت رو از دست نده...

قیمت این دوره: رایگانــ
  • مدرس دوره : محمد مهدوی هزاوه
  • تعداد ویدیوها : 23 ویدیو
  • مدت زمان دوره : 4:43:00
  • سطح دوره : مقدماتی
  • وضعیت دوره : به اتمام رسیده
  • تاریخ آخرین بروزرسانی : 1400/06/28
آموزش کتابخانه Numpy از صفر

آموزش کتابخانه Numpy از صفر

Numpy مخفف Numerical Python هستش به معنی پایتون عددی ، یک کتابخانه پایتونی که وقتی صحبت از  data science  ، هوش مصنوعی و به طور کلی کار با اعداد و Big data میشه عضو جدانشدنی این حوزه از برنامه نویسی هستش و شامل مجموعه ای از توابع و متود های از پیش نوشته شده میشه که به کمک این ها قادر به استفاده از توابع سطح بالا ریاضی و آرایه های بزرگ چند بعدی هستیم.

Numpy به نوعی ستون فقرات همه کتابخانه ها و پکیج های مرتبط با علوم داده و هوش مصنوعی از جمله Pandas و Matplotlib و SciPy و ... هستش چرا که برای استفاده از همه این پکیج ها نیاز به انواع مختلف دیتا و ارایه های عددی داریم که Numpy پرچمدار این دسته از موارد هستش

بسیاری از امکانات و توابعی که در Numpy قابل استفاده هستن به زبان C پیاده سازی شده ، زبونی که بسیار سریعه ، اما این به این معنی نیست که برای استفاده از Numpy باید زبان C رو بلد باشیم بلکه ما به وسیله کد پایتون به همه این توابع و امکانات دسترسی داریم

پس پردازش و عملیات های مختلف Numpy روی آرایه ها بسیار سریع تر از همون عملیات در لیست های پایتونی هستش .

Numpy همه این بهینه سازی ها در سرعت رو با استفاده از فرایند Vectorization عملی کرده که در Numpy تحت عنوان Broad Casting پیاده سازی شده و به معنی اجتناب از استفاده حلقه ها حین انجام محاسبات هستش چون اگر از حلقه ها برای محاسبات استفاده کنیم بخصوص در لیست هایی که شامل میلیون ها عضو هستند انجام این محاسبه روی آیتم های لیست باعث کندی بسیار زیادی میشه.

در این دوره بعد از بررسی پیش نیاز های لازم :

توابع مهم و کاربری در Numpy رو بررسی میکنیم

با دیتا تایپ ها در numpy آشنا میشیم

یاد میگیریم چجوری یک آرایه رو ایجاد کنیم و نمایششون بدیم

ارایه هارو باهم مقایسه و ترکیب می کنیم

همینطور دیتاهای مختلف به ارایه ای از اعداد تبدیل می کنیم

و خیلی موارد دیگه که حین دوره بهشون اشاره خواهیم کرد

و در آخر سعی میکنیم مثال هایی کاربردی از استفاده آرایه ها رو مطرح کنیم تا همه مطالب به خوبی برای شما دوستان جا بیفته

این دوره پیش نیاز خاصی نداره و همین که تجربه مختصری در برنامه نویسی داشته باشید و کمی با زبان Python آشنا باشید کفایت میکنه تا این دوره رو شروع کنید




فهرستـــ ویدیوها

مدت زمان دوره 4:43:00
  • با مشاهده آنلاین جلسات در سایت ، هزینه اینترنت شما به صورت نیم بها محاسبه خواهد شد.

1
  • معرفی دوره

00:05:46

معرفی دوره

2
  • نصب و راه اندازی پیشنیاز های دوره

00:11:30

نصب و راه اندازی پیشنیاز های دوره

3
  • بررسی و آشنایی با امکانات Jupyter Notebook

00:11:15

بررسی و آشنایی با امکانات Jupyter Notebook

4
  • آشنایی با مفاهیم مقدماتی جبر خطی

00:11:06

آشنایی با مفاهیم مقدماتی جبر خطی

5
  • بررسی DataType در Numpy

00:12:15

بررسی DataType در Numpy

6
  • ایجاد آرایه در Numpy

00:10:23

بررسی توابع arange و linspace و ones و zeros و random و ایجاد آرایه های مختلف بوسیله این توابع

7
  • بررسی Array slicing در Numpy

00:14:48

بررسی Array slicing در Numpy و نحوه دسترسی به عنصر دلخواه در آرایه های n بعدی

8
  • بررسی Masked Array در Numpy

00:12:34

بررسی Masked Array در Numpy

9
  • بررسی Broadcasting در Numpy

00:20:06

بررسی Broadcasting در Numpy

10
  • بررسی Structured Arrays در Numpy

00:10:20

بررسی Structured Arrays در Numpy

11
  • View و Copy در آرایه ها

00:08:58

View و Copy در آرایه ها

12
  • افزودن و حذف عناصر یک آرایه

00:15:34

افزودن و حذف عناصر یک آرایه

13
  • Join و Split آرایه ها

00:13:28

Join و Split آرایه ها

14
  • نمایش ، مرتب سازی و تغییر shape آرایه ها

00:17:08

نمایش ، مرتب سازی و تغییر shape آرایه ها

15
  • Transpose آرایه ها در Numpy

00:11:21

Tranpose آرایه ها در Numpy

16
  • بررسی Dot Product در Numpy

00:07:37

بررسی Dot Product در Numpy

17
  • بررسی توابع مربوط به مرتب سازی و تکرار عناصر آرایه

00:14:39

بررسی توابع مربوط به مرتب سازی و تکرار عناصر آرایه

18
  • مقایسه سرعت Numpy و Python

00:10:45

مقایسه سرعت Numpy و Python

19
  • بررسی Universal Functions در Numpy

00:08:21

بررسی Universal Functions در Numpy

20
  • بدست آوردن اعداد فیثاغورثی از چند آرایه

00:16:12

بدست آوردن اعداد فیثاغورثی از چند آرایه

21
  • آشنایی با کتابخانه Pandas

00:16:20

آشنایی با کتابخانه Pandas

22
  • تبدیل عکس به آرایه Numpy

00:09:39

تبدیل عکس به آرایه Numpy

23
  • محاسبه مبلغ نهایی فاکتور فروش

00:13:38

محاسبه مبلغ نهایی فاکتور فروش


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 .