کتاب صوتی آموزش جامع محاسبات برداری و ماتریسی با کتابخانه NumPy در تحلیل داده‌ها

🎓 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

• 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