کتاب آموزش جامع محاسبات برداری و ماتریسی با کتابخانه NumPy در تحلیل داده‌ها با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع محاسبات برداری و ماتریسی با کتابخانه NumPy در تحلیل داده‌ها

موضوع کلی: علوم داده و محاسبات عددی

موضوع میانی: برنامه‌نویسی علمی با پایتون

📋 سرفصل‌های دوره (100 موضوع)

  • 1. مبانی محیط برنامه‌نویسی پایتون برای محاسبات علمی
  • 2. آشنایی با ساختار و فلسفه کتابخانه نام‌پای
  • 3. نصب و پیکربندی محیط توسعه برای تحلیل داده
  • 4. تفاوت آرایه‌های نام‌پای با لیست‌های استاندارد پایتون
  • 5. ایجاد آرایه‌های یک‌بعدی و چندبعدی در نام‌پای
  • 6. بررسی انواع داده‌ها در آرایه‌های نام‌پای
  • 7. دسترسی به عناصر آرایه با استفاده از اندیس‌گذاری
  • 8. برش‌زنی و استخراج زیرمجموعه‌های آرایه
  • 9. تغییر شکل و ابعاد آرایه‌ها با متد تغییر شکل
  • 10. الحاق و ترکیب آرایه‌های مختلف
  • 11. تجزیه و تفکیک آرایه‌های بزرگ به بخش‌های کوچک‌تر
  • 12. عملیات ریاضی پایه روی آرایه‌ها
  • 13. پخش‌کردن یا برودکستینگ در عملیات محاسباتی
  • 14. توابع ریاضی یونیورسال در نام‌پای
  • 15. محاسبات آماری مقدماتی روی داده‌های آرایه‌ای
  • 16. محاسبه میانگین میانه و انحراف معیار داده‌ها
  • 17. کار با مقادیر تهی و مدیریت داده‌های مفقود
  • 18. استفاده از ماسک‌های بولی برای فیلتر کردن داده‌ها
  • 19. مرتب‌سازی و جستجو در آرایه‌ها
  • 20. ضرب داخلی و ضرب خارجی بردارها
  • 21. مفهوم ماتریس‌ها و عملگرهای جبر خطی در پایتون
  • 22. ضرب ماتریسی و ویژگی‌های آن
  • 23. محاسبه ترانهاده و معکوس ماتریس‌ها
  • 24. حل دستگاه معادلات خطی با استفاده از نام‌پای
  • 25. محاسبه دترمینان و رتبه ماتریس
  • 26. تجزیه مقادیر منفرد و کاربرد آن در تحلیل داده
  • 27. مقادیر ویژه و بردارهای ویژه در محاسبات ماتریسی
  • 28. تولید اعداد تصادفی برای شبیه‌سازی‌های عددی
  • 29. توزیع‌های آماری در ماژول تصادفی نام‌پای
  • 30. ذخیره‌سازی و خواندن آرایه‌ها از فایل‌های باینری
  • 31. کار با فایل‌های متنی و داده‌های جدولی در نام‌پای
  • 32. بهینه‌سازی حافظه در کار با آرایه‌های بزرگ
  • 33. تکنیک‌های افزایش سرعت محاسبات برداری
  • 34. مقایسه عملکرد حلقه‌های پایتون با عملیات برداری نام‌پای
  • 35. پیاده‌سازی الگوریتم‌های پایه یادگیری ماشین با نام‌پای
  • 36. کاربرد آرایه‌های چندبعدی در پردازش تصاویر
  • 37. محاسبات ماتریسی در مدل‌های رگرسیون خطی
  • 38. تحلیل داده‌های سری زمانی با ابزارهای نام‌پای
  • 39. یکپارچه‌سازی نام‌پای با کتابخانه پانداس
  • 40. ترسیم نمودارهای علمی پایه با استفاده از داده‌های نام‌پای
  • 41. حل مسائل بهینه‌سازی عددی با ابزارهای برداری
  • 42. ساختار داده‌های اسپارس یا تنک در محاسبات علمی
  • 43. توابع چندجمله‌ای و برازش منحنی
  • 44. پیاده‌سازی عملیات ماتریسی در شبکه‌های عصبی ساده
  • 45. رفع خطاهای متداول در محاسبات عددی با پایتون
  • 46. تکنیک‌های پیشرفته در برنامه‌نویسی تابعی برای آرایه‌ها
  • 47. تمرین نهایی طراحی یک سیستم تحلیل داده برداری
تگ‌ها: آموزش NumPy برنامه نویسی پایتون تحلیل داده با پایتون جبر خطی در پایتون علوم داده محاسبات برداری محاسبات ماتریسی یادگیری ماشین با پایتون

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.