NumPy Data Science Essential Training

مدرس Charles Kelly

انتشار 2016/10/07

مدت زمان 3h 46m

سطح متوسط

فایل تمرینی دارد

آموزش NumPy Data Science Essential Training

NumPy Data Science Essential Training، دانشمند داده های متوسط \u200b\u200bرا به NumPy معرفی می کند، کتابخانه پایتون که از برنامه نویسی عددی، علمی و آماری، از جمله یادگیری ماشینی پشتیبانی می کند. این کتابخانه از چندین جنبه از علم داده پشتیبانی می کند، اشیاء آرایه چند بعدی، اشیاء مشتق شده (ماتریس ها و آرایه های پوشانده شده)، و روال هایی برای ریاضی، منطق، مرتب سازی، آمار و تولید اعداد تصادفی. در اینجا چارلز کلی نحوه کار با NumPy و Python را در Jupyter Notebook نشان می دهد، ابزاری مبتنی بر مرورگر برای ایجاد اسناد تعاملی با کد زنده، حاشیه نویسی و حتی تجسم هایی مانند نمودارها. یاد بگیرید که چگونه آرایه های NumPy ایجاد کنید، از عبارات و قطعه های NumPy استفاده کنید، و آرایه ها را نمایه سازی کنید، برش دهید، تکرار کنید و در غیر این صورت دستکاری کنید. به علاوه، یاد بگیرید که چگونه داده ها را رسم کنید و آرایه های NumPy را با کلاس های پایتون ترکیب کنید، و نمونه هایی از NumPy را در عمل دریافت کنید: حل معادلات خطی، پیدا کردن الگوها، انجام آمار، تولید مکعب های جادویی و موارد دیگر.

Machine Learning NumPy

Introduction

Welcome ()

What you should know ()

NumPy, data science, IMQAV ()

How to use the exercise files ()

Install software ()

1. Notebooks

Introduction to Jupyter Notebook ()

Notebook basics ()

Markdown ()

Beautiful mathematics typesetting ()

Launch Jupyter Notebook ()

2. Create NumPy Arrays

Create arrays from Python structures ()

Intrinsic creation using NumPy methods ()

linspace, zeros, ones, data types ()

3. Index, Slice, and Iterate

Slice arrays ()

Boolean mask arrays ()

Broadcasting ()

Structured and record arrays ()

4. Plots: Matplotlib and Pyplot

Inline plotting ()

Figures and subplots ()

Multiple lines, single plot ()

Tick marks, labels, and grids ()

Plot annotations ()

Pie charts and bar charts ()

Beautiful plots, the gallery ()

5. Manipulate Arrays

Views and copies ()

Array attributes ()

Add and remove elements ()

Join and split arrays ()

Array shape manipulation ()

Rearrange array elements ()

Transpose like operations ()

Tiling arrays ()

6. Short Examples

Universal functions ()

Pythagorean triangles ()

Linear algebra ()

Statistics ()

Brain teasers ()

7. Extended Examples

Magic squares and NumPy ()

Adjacency matrix ()

Magic characteristics ()

Build magic cubes ()

Conclusion

Next steps ()

Ex_Files_NumPy_Data_EssT.zip (348 KB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.