کتاب آموزش جامع و کاربردی کتابخانه NumPy برای تحلیل دادههای عددی و ریاضیاتی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB
249,950 تومان
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره آموزش جامع و کاربردی کتابخانه NumPy برای تحلیل دادههای عددی و ریاضیاتی
موضوع کلی: علوم داده و تحلیل محاسباتی
موضوع میانی: برنامهنویسی علمی با پایتون
📋 سرفصلهای دوره (100 موضوع)
- 1. مبانی نصب و راهاندازی محیط برنامهنویسی پایتون برای محاسبات عددی
- 2. آشنایی با ساختار آرایههای چندبعدی در کتابخانه نامپای
- 3. تفاوتهای بنیادین لیستهای پایتون و آرایههای نامپای
- 4. نحوه تعریف و مقداردهی اولیه آرایهها با توابع سازنده
- 5. بررسی انواع دادهها و مدیریت حافظه در آرایههای عددی
- 6. شیوه فراخوانی و پیمایش عناصر در آرایههای یکبعدی و دوبعدی
- 7. تکنیکهای برشدهی و انتخاب زیرمجموعه از آرایهها
- 8. تغییر شکل و ابعاد آرایهها بدون تغییر در دادههای اصلی
- 9. ترکیب و اتصال چندین آرایه به یکدیگر
- 10. تفکیک و تقسیم آرایههای بزرگ به بخشهای کوچکتر
- 11. عملیات ریاضی پایه بر روی آرایهها به صورت عنصر به عنصر
- 12. استفاده از توابع جهانی برای محاسبات سریع بر روی آرایهها
- 13. مفهوم پخش یا برودکستینگ در عملیات آرایهای
- 14. محاسبات آماری توصیفی شامل میانگین میانه و انحراف معیار
- 15. مرتبسازی و جستجوی مقادیر در آرایههای عددی
- 16. فیلتر کردن دادهها بر اساس شرطهای منطقی و مقایسهای
- 17. کاربرد ماسکهای منطقی در استخراج دادههای خاص
- 18. تولید اعداد تصادفی و شبیهسازیهای آماری با نامپای
- 19. درونیابی و کار با توابع جبری خطی در نامپای
- 20. محاسبه ضرب داخلی و ضرب خارجی بردارها و ماتریسها
- 21. حل دستگاه معادلات خطی با استفاده از ابزارهای جبر خطی
- 22. محاسبه دترمینان و معکوس ماتریسها
- 23. تجزیه مقادیر منفرد و تحلیل مؤلفههای اصلی به کمک نامپای
- 24. ذخیرهسازی و بازیابی دادههای عددی در فایلهای باینری
- 25. بهینهسازی عملکرد کدها با استفاده از برداریسازی
- 26. مدیریت خطاهای رایج در کار با آرایههای بزرگ
- 27. کاربرد نامپای در پیشپردازش دادههای ورودی برای مدلهای یادگیری ماشین
- 28. ترکیب نامپای با کتابخانههای بصریسازی برای نمایش نمودارها
- 29. پیادهسازی الگوریتمهای بهینهسازی عددی ساده
- 30. بررسی کارایی و سرعت محاسبات در مقایسه با حلقههای تکرار پایتون
تگها:
آموزش NumPy
برنامهنویسی علمی
پایتون
پایتون برای دادهکاوی
پردازش ماتریسی
تحلیل داده
علوم داده
کار با آرایهها
کتابخانه NumPy
محاسبات عددی
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.