در حال حاضر محصولی در سبد خرید شما وجود ندارد.
Numpy Backend عددی را برای تقریبا هر کتابخانه علمی یا فنی برای پایتون فراهم می کند. بسیاری از کتابخانه های پیشرفته اطلاعات علمی و ماشین های یادگیری نیاز به داده ها را به شکل آرایه های numpy قبل از پردازش می کنند. در این دوره، مربی Terezija Semenski به شما نگاه دقیق تر به ویژگی های پیشرفته در numpy و matplotlib. Matplotlib محبوب ترین کتابخانه برای توطئه با numpy است. Terezija شما را از طریق مبانی توابع توابع و اجرای ارقام با Matplotlib گام می دهد، سپس از دستورات پیشرفته و توطئه ها می رود. او توابع جهانی را در numpy، و همچنین گام های ساختاری، آرایه های ساختاری، تاریخ و زمان معرفی می کند. Terezija همچنین قابلیت های جبر پایه خطی را پوشش می دهد که می توانید در Numpy، از جمله تجزیه، ریاضیات چند جمله ای و رگرسیون خطی اعمال کنید.
عنوان اصلی : NumPy Essential Training: 2 MatPlotlib and Linear Algebra Capabilities
سرفصل های دوره :
مقدمه:
معرفی
آنچه شما باید بدانید
1. ترسیم با Matplotlib:
چرا باید از Matplotlib استفاده کنید؟
مبانی Matplotlib
درک ارقام
قابلیت های matplotlib subplots
درک افسانه ها
چالش: اجرای یک شکل
راه حل: اجرای یک شکل
2. Matplotlib یک ظاهر طراحی شده و طرح های پیشرفته:
رنگ ها و سبک ها
دستورات پیشرفته MatplotLib
اضافه کردن حاشیه نویسی
ایجاد نمودارهای PIE و نمودار نوار
پلاک های پیشرفته
3. از مبتدی تا numpy پیشرفته:
توابع جهانی
معرفی گام های
آرایه های ساختاری
تاریخ و زمان در numpy
4. جبر خطی در numpy:
قابلیت های جبر خطی در numpy
تجزیه
ریاضیات چندجملهای
کاربرد: رگرسیون خطی
نتیجه گیری:
مراحل بعدی
NumPy Essential Training: 2 MatPlotlib and Linear Algebra Capabilities
در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.
PyTorch Essential Training: Deep Learning
Java: IDE Overview
مبانی یادگیری ماشینی : جبر خطی
آموزش کار بر روی Event ها در Java Spring
Machine Learning Foundations: Calculus
Programming Foundations: Numerical Mathematics and Calculations
بوت کمپ Spring Boot
آموزش پیشرفته Java Spring : تست ترکیب در Spring Boot
Machine Learning Foundations: Statistics
دوره یادگیری NumPy