کتاب تحلیل داده‌های کیهان‌شناسی با پایتون 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 تحلیل داده‌های کیهان‌شناسی با پایتون

موضوع کلی: علم داده و نجوم

موضوع میانی: پردازش داده‌های نجومی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر کیهان‌شناسی و ماده تاریک
  • 2. مروری بر داده‌های نجومی و چالش‌های آن‌ها
  • 3. آشنایی با زبان برنامه‌نویسی پایتون برای نجوم
  • 4. نصب و پیکربندی محیط توسعه پایتون برای نجوم
  • 5. آشنایی با کتابخانه‌های اصلی پایتون در نجوم: NumPy
  • 6. آشنایی با کتابخانه‌های اصلی پایتون در نجوم: SciPy
  • 7. آشنایی با کتابخانه‌های اصلی پایتون در نجوم: Matplotlib
  • 8. آشنایی با کتابخانه‌های اصلی پایتون در نجوم: Astropy
  • 9. خواندن و نوشتن فایل‌های داده نجومی (FITS)
  • 10. دستکاری و پاکسازی داده‌های نجومی
  • 11. آمار توصیفی برای داده‌های نجومی
  • 12. آمار استنباطی برای داده‌های نجومی
  • 13. تصویرسازی داده‌های نجومی با Matplotlib
  • 14. تحلیل طیف‌سنجی با پایتون
  • 15. تحلیل فوتومتری با پایتون
  • 16. تحلیل داده‌های رصدخانه‌ای
  • 17. روش‌های کاهش نویز در داده‌های نجومی
  • 18. تشخیص الگو در داده‌های کیهان‌شناسی
  • 19. مدل‌سازی داده‌های کیهان‌شناسی
  • 20. مقدمه‌ای بر یادگیری ماشین در کیهان‌شناسی
  • 21. استفاده از الگوریتم‌های رگرسیون برای داده‌های نجومی
  • 22. استفاده از الگوریتم‌های طبقه‌بندی برای داده‌های نجومی
  • 23. خوشه‌بندی داده‌های نجومی
  • 24. تحلیل ابعاد داده‌های نجومی
  • 25. تحلیل داده‌های نقشه‌برداری کیهانی
  • 26. آشنایی با داده‌های CMB (تابش زمینه کیهانی)
  • 27. تحلیل داده‌های CMB با پایتون
  • 28. آشنایی با داده‌های عدسی گرانشی
  • 29. تحلیل داده‌های عدسی گرانشی با پایتون
  • 30. شبیه‌سازی داده‌های کیهان‌شناسی با پایتون
  • 31. تحلیل داده‌های ساختار بزرگ‌مقیاس کیهان
  • 32. تحلیل داده‌های ابرنواخترها
  • 33. بررسی اثرات ماده تاریک بر روی داده‌های کیهان‌شناسی
  • 34. بررسی اثرات انرژی تاریک بر روی داده‌های کیهان‌شناسی
  • 35. مقدمه‌ای بر روش‌های مونت‌کارلو
  • 36. استفاده از روش‌های مونت‌کارلو در کیهان‌شناسی
  • 37. بهینه‌سازی الگوریتم‌ها برای تحلیل داده‌های نجومی
  • 38. مقدمه‌ای بر پردازش موازی با پایتون
  • 39. تحلیل داده‌های بزرگ نجومی با استفاده از پردازش موازی
  • 40. آشنایی با پایگاه‌های داده نجومی
  • 41. دسترسی و استفاده از پایگاه‌های داده نجومی با پایتون
  • 42. تجزیه و تحلیل داده‌های کاتالوگ‌های نجومی
  • 43. آشنایی با ابزارهای بصری‌سازی داده‌های نجومی
  • 44. ایجاد گزارش‌های نجومی با پایتون
  • 45. استفاده از Jupyter Notebook برای تحلیل داده‌های نجومی
  • 46. کار با APIهای نجومی
  • 47. مقدمه‌ای بر داده‌کاوی در نجوم
  • 48. تشخیص ناهنجاری در داده‌های نجومی
  • 49. تحلیل سری‌های زمانی نجومی
  • 50. تحلیل داده‌های ویدئویی نجومی
  • 51. تحلیل داده‌های رادیویی نجومی
  • 52. تحلیل داده‌های گرانشی موجی
  • 53. مقدمه‌ای بر آمار بیزی در کیهان‌شناسی
  • 54. استفاده از آمار بیزی برای تخمین پارامترهای کیهان‌شناسی
  • 55. اعتبارسنجی مدل‌های کیهان‌شناسی با استفاده از داده‌ها
  • 56. مقدمه‌ای بر روش‌های کاهش ابعاد در داده‌های نجومی
  • 57. تحلیل داده‌های چندگانه (Multimodal Data) در نجوم
تگ‌ها: astronomy astrophysics astropy CMB cosmology dark energy dark matter data analysis data science FITS machine learning matplotlib numpy python

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.