آموزش پردازش های 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 دیتا ساینس با Numpy یاد می گیرید.

عنوان اصلی : Scientific Computing with NumPy: Python Data Science

سرفصل ها :

01 این دوره در مورد چیست؟
02 معرفی numpy
03 نصب آناکوندا
04 سلول های نشانه گذاری
سلول های کد 05
06 وارد کردن numpy
07 کار با بردارها مقدمه
08 ایجاد بردار
09 عملیات اساسی
10 نوع داده numpy
11 وکتور برش
12 بردار مرتب سازی
13 کپی در مقابل بازدید
14 توابع کل
15 داده های دمای مجموعه تمرین
معرفی 16 توابع جهانی
17 عملکرد جهانی
رسم 18 تابع
قطعه 19 میله و پراکندگی
20 داده های دمای مجموعه تمرین ii
21 مقدمه تصادفی و آمار
22 مولد و اعداد صحیح تصادفی
23 تصادفی و انتخاب
24 توزیع نرمال
25 آمار اساسی
26 یافتن ارزش های منحصر به فرد
27 مجموعه تمرین رگرسیون خطی
معرفی 28 ماتریس
29 ساخت ماتریس
30 ویژگی یک ماتریس
31 تغییر شکل یک بردار
32 ماتریس جدید و تعیین محور
33 بردار و ماتریس بولی
34 مجموعه تمرین داده های باران
35 مقدمه پخش و نمایه سازی
36 پخش اولیه
37 قانون پخش
38 برش 2 بعدی
39 نمایه سازی پیشرفته
40 عکس تک رنگ مجموعه تمرینی
41 مقدمه جبر خطی پایه
42 جبر خطی پایه
43 محصول متقاطع و طول
44 عملیات ماتریسی
45 حل سیستم های خطی i
46 حل سیستم های خطی ii
47 مجموعه تمرین جبر خطی پایه
48 مقدمه درک ndarrays
49 ساخت آرایه های با ابعاد بالاتر
50 عملکرد برش و تجمع
51 عکس رنگی
52 گام ها چیست
53 مجموعه تمرین تصاویر رنگی
54 تبدیل فوریه مقدمه
55 عدد مختلط
56 تبدیل فوریه i
57 تبدیل فوریه II
58 صاف کردن یک سیگنال
59 تبدیل فوریه 2 بعدی
60 مجموعه تمرین تبدیل فوریه
61 مقدمه جبر خطی پیشرفته
62 مقدار ویژه و بردار ویژه
63 نوع ماتریس
64 qr تجزیه
65 حداقل مربع جزئی
66 مجموعه تمرینی لینالگ پیشرفته
67 ذخیره و بارگذاری مقدمه داده ها
68 بارگذاری داده ها
69 ذخیره داده
70 ذخیره و بارگذاری آرایه‌های ناتوان
71 مجموعه تمرین داده های بوستون
معرفی 72 کتابخانه همسایه
73 موضوع دیگر و خداحافظ