آموزش پردازش علمی بوسیله Python Numpy

با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با پایتون نام پای یاد می گیرید.

عنوان اصلی : Scientific Computing with NumPy - Python Data Science

سرفصل ها :

1. معرفی NumPy
2. نصب آناکوندا
3. Markdown Cells
4. سلول های کد
5. وارد کردن NumPy
6. کار با Vectors Intro
7. ایجاد بردارها
8. عملیات اساسی
9. NumPy Datatypes
10. برش بردار
11. مرتب سازی بردارها
12. کپی ها در مقابل نماها
13. توابع جمع
14. مجموعه تمرین - داده های دما
15. معرفی توابع جهانی
16. توابع جهانی
17. توابع رسم
18. پلات میله و پراکندگی
19. مجموعه تمرین - داده های دما II
20. تصادفی و آمار مقدمه
21. مولدها و اعداد صحیح تصادفی
22. تصادفی، مختلط، و انتخاب
23. توزیع عادی
24. آمار پایه
25. یافتن ارزش های منحصر به فرد
26. مجموعه تمرین - رگرسیون خطی
27. مقدمه ماتریس
28. ساخت ماتریس
29. ویژگی های یک ماتریس
30. تغییر شکل یک بردار
31. ماتریس های جدید و تعیین محور
32. بردارها و ماتریس های بولی
33. مجموعه تمرین - داده های باران
34. مقدمه پخش و نمایه سازی
35. پخش پایه
36. قوانین صدا و سیما
37. برش 2 بعدی
38. نمایه سازی پیشرفته
39. مجموعه تمرین - تصاویر تک رنگ
40. مقدمه جبر خطی پایه
41. جبر خطی پایه
42. محصول متقاطع و طول
43. عملیات ماتریسی
44. حل سیستم های خطی I
45. حل سیستم های خطی II
46. مجموعه تمرین - جبر خطی پایه
47. درک مقدمه ndarrays
48. ساخت آرایه های بعدی بالاتر
49. توابع برش و تجمیع
50. تصاویر رنگی
51. گام ها چیست؟
52. مجموعه تمرین - تصاویر رنگی
53. تبدیل فوریه مقدمه
54. اعداد مختلط
55. تبدیل فوریه I
56. تبدیل فوریه II
57. صاف کردن یک سیگنال
58. تبدیل فوریه 2 بعدی
59. مجموعه تمرین - تبدیل فوریه
60. مقدمه جبر خطی پیشرفته
61. مقادیر ویژه و بردارهای ویژه
62. انواع ماتریس
63. تجزیه QR
64. حداقل مربعات جزئی
65. مجموعه تمرین - LinAlg پیشرفته
66. Saving and Loading Data Intro
67. بارگذاری داده ها
68. ذخیره داده ها
69. ذخیره و بارگذاری آرایه های NumPy
70. مجموعه تمرین - داده های بوستون
71. معرفی کتابخانه های همسایه
72. موضوعات بیشتر و خداحافظ!