00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD
ثبت‌نام رایگان
  • دسترسی به 1 جلسه نمونه از دوره
  • دسترسی به 1 جلسه نمونه از دوره
  • عضویت در تالار گفت‌وگوی دوره
  • اضافه شدن دوره به پروفایل
دسترسی کامل به محتوا
  • دسترسی کامل و نامحدود به محتوای دوره
  • تمام قابلیت‌‌های پلن رایگان
    +
  • دسترسی کامل و نامحدود به محتوا
29,000 تومان
00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD

آموزش NumPy

دوره‌های مکتب‌پلاس
1:20 ساعت
67٪ (59 رای)

کاربرد دوره آموزش NumPy چیست؟


نام‌پای (NumPy) یک کتابخانه برای زبان برنامه‌نویسی پایتون است که پشتیبانی از آرایه‌ها و ماتریس‌های چندبعدی و بزرگ را به این زبان اضافه می‌کند. نام‌پای یک نرم‌افزار متن‌باز (Open-source) است. تقریبا هر دانشمندی که با پایتون کار کرده‌است، به قدرت نام‌پای اذعان دارد.

اگر نظر هر برنامه‌نویسی که با زبان برنامه‌نویسی پایتون در ارتباط باشد را درباره‌ی آن بپرسید، قطعاً حس مثبتی به آن خواهد داشت، چرا که این زبان برنامه‌نویسی روزبه‌روز در حال کاربردی‌تر شدن و رشد است. از سویی، یادگیری برخی کتابخانه‌های پایتون ممکن است امری چالشی به نظر بیاید. از این‌ رو، شرکت در دوره‌هایی که کتابخانه‌های مهم این زبان را شرح بدهند می‌تواند بسیار مفید و مثمر ثمر واقع شود. این بار به همت مکتب‌خونه می‌توانید از آموزش جامع کتابخانه نامپای نهایت استفاده را از آن ببرید.

NumPy از اساسی‌ترین کتابخانه‌های پایتون در زمینه یادگیری ماشین و یادگیری عمیق است که توابع و آرایه‌های زیادی در آن تعریف شده است. پس اگر تصمیم دارید به کمک پایتون در زمینه یادگیری ماشین کار کنید، NumPy یکی از عناصر جدانشدنی خواهد بود. 

به کمک کتابخانه NumPy می‌توانید عملیات زیادی را به‌صورت از پیش تعریف شده انجام دهید که سرعت برنامه‌نویسی و اجرا را چندین برابر افزایش خواهد داد. از جمله ویژگی‌های تعریف شده در کتابخانه نامپای عبارت‌اند از:

1.        عملیات مختلف جبر خطی

2.        کار با ماتریس‌ها و محاسبات روی آن‌ها

3.        تبدیل فوریه و محاسبات مربوط به ریاضیات مهندسی

4.        محاسبات اعداد رندوم

هدف از یادگیری دوره آموزش NumPy چیست؟


به‌طور کلی هدف از یادگیری هر مبحثی، ساده‌سازی انجام امور است. از این‌ رو هدف از یادگیری دوره آموزش NumPy نیز کسب اطلاعات لازم برای سرعت بخشیدن به انجام محاسبات مربوط به آرایه‌ها و ماتریس‌هاست. از طرفی این کتابخانه به شما کمک می‌کند محاسبات مربوط به یادگیری ماشین را با دقت بیشتر انجام داده و از خروجی مدنظر اطمینان بیشتری حاصل نمایید.

نام‌پای قدرت محاسباتی زبان‌هایی مانند C و Fortran را به پایتون که زبانی با یادگیری و کاربرد بسیار آسان است، هدیه داده‌است. نام‌پای دسترسی به توابع ریاضی، تولیدکننده اعداد تصادفی، روتین‌های جبری خطی و غیره جامعی را فراهم کرده است. علاوه‌براین، این کتابخانه از محدوده گسترده‌ای از سخت‌افزارها و پلتفرم‌های محاسباتی پشتیبانی می‌کند و به‌خوبی روی کتابخانه‌های توزیع‌شده، GPU و پراکنده عمل می‌کند.

دوره آموزش NumPy مناسب چه کسانی است؟


این دوره برای تمامی علاقه‌مندان به یادگیری مباحث پیشرفته‌تر زبان برنامه‌نویسی پایتون، چه به دنبال پیاده‌سازی پروژه‌های جدی در زمینه یادگیری ماشین باشند چه خیر، مناسب خواهد بود. پس اگر دانشجو هستید، پایتون کار هستید، قصد دارید دوره‌های آموزشی پایتون تهیه و عرضه کنید و خلاصه سر و کارتان با پایتون زیاد است، این دوره برای شما طراحی شده است. 

بعد از فراگیری دوره آموزش NumPy چه مهارت‌هایی کسب خواهید کرد؟


پس از اتمام این دوره آموزشی به‌سادگی می‌توان کار با آرایه‌ها و ماتریس‌ها را انجام داده و محاسبات موردنیاز خود را سریع‌تر و آسان‌تر از آنچه فکر کنید انجام دهید. این نکته را به یاد داشته باشید که یادگیری این کتابخانه یکی از پیش‌نیازهای اساسی عملیات یادگیری ماشین و یادگیری عمیق است.

دیگر قابلیت سودمند نام‌پای استفاده آسان آن است که تقریبا هر کاربری با هر سطح از پیش‌زمینه و تجربه می‌تواند آن را به‌کار گیرد. هم‌چنین، نام‌پای اساس کتابخانه‌های قدرتمند یادگیری ماشین مانند سای‌کیت‌لرن (scikit-learn) و سای‌پای (SciPy) را شکل داده‌است. از سوی دیگر، نام‌پای یک از اجزاء اصلی شروع شکل‌گیری مصورسازی پایتون از طریق دیگر کتابخانه‌ها مانند مت‌پلا‌ت‌لیب (Matplotlib)، سی‌بورن (Seaborn)، آلتیر (Altair) و غیره است.

سرفصل‌های دوره آموزش NumPy

تالار گفت‌وگو

استاد دوره
حمیدرضا حسین‌خانی حمیدرضا حسین‌خانی

حمیدرضا حسین‌خانی، دانش‌آموخته مهندسی نرم‌افزار و کارشناسی ارشد هوش مصنوعی و رباتیک است. 
او از سال ۹۲ به‌عنوان مهندس نرم‌افزار وارد صنعت شد و همکاری با استارتاپ‌های خوش‌نام و در حال رشدی مثل ایران‌اپس، دیجی‌کالا، دیجی استایل، اسنپ و بامیلو در سمت‌های مختلف مهندسی، مدیریت و مشاوره را در کارنامه‌ی خود دارد.

ایشان بیش از ۱۰ سال از سوابق حرفه‌ای خود را مشغول تدریس در کارگاه‌های مختلف برنامه‌نویسی، رباتیک و هوش مصنوعی در مدارس، پژوهش‌سرا‌ها، دانشگاه‌ها و همین‌طور آموزشگاه‌هایی چون لایتک دانشگاه صنعتی شریف، هواپیمایی هما و شبکه ملی مدارس ایران (رشد) بوده‌است. همین‌طور منتور تعداد زیادی از تیم‌های شرکت‌کننده در مسابقات مختلف برنامه‌نویسی، رباتیک و روبوکاپ و داور و برگزار‌کننده اولین دوره‌ی مسابقات دانش‌آموزی برنامه‌نویسی موبایل در دانشگاه صنعتی شریف (Nadcup 2016) است.

او از نمایندگان بنیاد جهانی School of AI در ایران است که در زمینه ترویج و آموزش هوش مصنوعی به دانشجویان و استارتاپ‌ها فعالیت می‌کند. همچنین، ایشان از سال 99 به عنوان مدرس دروس دوره لیسانس دانشکده کامپیوتر دانشگاه صنعتی شریف مشغول به کار شده‌است.

اطلاعات بیشتر
درباره برگزارکننده
مکتب‌خونه مکتب‌خونه

پیش‌نیاز‌های دوره آموزش NumPy

آموزش پایتون مقدماتی
اطلاعات بیشتر

ویژگی‌های دوره آموزش NumPy

تالار گفتگو

شما می توانید از طریق تالار گفتگو با دیگر دانشجویان دوره در ارتباط باشید، شبکه روابط حرفه ای خود را تقویت کنید یا سوالات مرتبط با دوره خود را از دیگر دانشجویان بپرسید.

نظرات  (6 نظر)

رحمان
18:51 - 1399/12/05
دانشجوی دوره
امتیاز 1 پس از اتمام دوره: 1) مسلط نبودن به موضوع 2) اطلاعات خیلی ساده 3) در قسمت هایی از ویدیو حتی برخی چیز ها رو اشتباه میگفتن 4) ویدیو ها حالتی هستن که کلاس های آنلاین رو به نظرم زیر سوال میبرن واقعا کلاس های دیگه در مکتب خونه رو مقایسه کنید فاصله بسیار زیاده 5) ارزش خرید ندارد مجانیشم نگاه نمیکنید 6) دنبال ماهر ها تو این حوزه برید که در مکتب خونه کلاس هاشونم هست
پشتیبانی مکتب‌خونه
رحمان عزیز؛ از اینکه نظر خود را با ما در میان گذاشتید صمیمانه سپاسگزاریم موارد مطرح شده جهت بررسی به بخش مربوطه ارسال شد.
سید مجید
07:45 - 1399/11/11
دانشجوی دوره
چقدر خوبه یک دوره رو بشه تخت گاز، با سرعت ۱.۸, زیر یک ساعت گوش داد و تموم کرد. این دوره و دوره pandas ، تو یه پروژه در دست اقدام کمک کرد تا بتونم اونو انجلم بدم. برای همین چهار ستاره میدم. اما سطح دوره و محتوی رو کافی ندیدم، میتونست محتوا ۱۰ تا ۱۵ درصد غنی تر باشه، در ساختمان داده و توابع تا خروجی دانشی دوبرابر بشه، یعنی این دوره بسیار مقدماتی بود. اما به نظرم برودکستینگ رو به درستی بیان نکردند. من تست کردم، خروجی ها متفاوت دراومدن
مهران
00:20 - 1399/10/08
دانشجوی دوره
با توجه به قیمت دوره خیلی دوره کوتاهیه و کامل مطالب ارائه نشده دوره های دیگه که به رایگان در وب هست خیلی کامل تر و پربار ترن مدرس اصلا و ابدا به مطالب تسلط کامل ندارن که حالا شاید به دلیل تازه کاری در آموزش باشه اما در تایپ های ساده، کار با جوپیتر، و سینتکس های ساده خیلی ضعیف عمل میکنن به نظر من دوره ارزش تهیه کردن و نداره
پشتیبانی مکتب‌خونه
مهران عزیز؛ از اینکه نظر خود را با ما در میان گذاشتید صمیمانه سپاسگزاریم. لطفا در صورت امکان با ارسال جزییات بیشترما را در ارتقا سطح کیفی خدمات یاری رسانید. info@maktabkhooneh.org
مهسا
19:12 - 1399/08/30
دانشجوی دوره
ممنون از مکتب خونه و استاد حسین خانی عزیز. هیچوقت فکر نمیکردم بتونم مفهموم و روش برودکستینگ در نامپای رو دقیقا بفهمم. اگر اشتباه نکنم این دوره منطبق بر کرش کورس گوگل بود. خیلی مرتب و منظم بود مرسی.
عارف
15:03 - 1399/06/29
دانشجوی دوره
افتضاح بود ۴۰ تومنو ریختم تو جوب
فرید
23:43 - 1399/04/12
دانشجوی دوره
مدرس به هیچ عنوان تسلط کافی روی مواردی که تدرسی میکند ندارد در تمامی قسمت ها اشتاباهات فاحش مشاهده میشه و در تمامی تست ها کلمه "اشتباه شد" و "ببخشید" شنیده میشه ، و همه این موارد در قسمت هایی هستند که کاملا مشخصه مدرس تسلط نداره. حتی در مورد محیط jupyter که کد ها بر بستر اون نوشته و اجرا میشن هم آشنایی اولیه ندارد. توضیحات بسیار گنگ و نا مفهوم هستن در کل به هیج عنوان برای کسی که در مورد numpy اطلاعاتی نداره مناسب نیست

اطلاعات بیشتر

استفاده از نام‌پای در پایتون قابلیت‌هایی مشابه با متلب را در اختیار کاربر قرار می‌دهد. هر دو این زبان‌ها به کاربر این اجازه را می‌دهند که برنامه‌های سریعی را بنویسند. تفاوت اساسی از آن‌جایی ناشی می‌شود که نام‌پای با پایتون که یک زبان برنامه‌نویسی نوین و کاملی است، ادغام می‌شود و قدرت آن را دو‌چندان می‌کند. نام‌پای از جمله کتابخانه‌های مهم پایتون است، تا آن‌جا که کتابخانه‌های مطرح دیگری از جمله تنسورفلو (TensorFlow)، پای‌تورچ (PyTorch) و غیره از این کتابخانه برای محاسبات خود بهره می‌برند. این کتابخانه کاربردهای فراوانی در شاخه‌های مختلف علوم کامپیوتر دارد که از جمله آن‌ها می‌توان به موارد زیر اشاره کرد:

  • محاسبات کوانتومی
  • محاسبات آماری
  • پردازش سیگنال
  • پردازش تصویر
  • تصویرسازی سه‌بعدی
  • محاسبات نمادی
  • پردازش‌های نجومی
  • روانشناسی شناختی
  • بیوانفورماتیک
  • تحلیل‌های ریاضی
  • مدل‌سازی و شبیه‌سازی
  • تحلیل‌های چندمتغیره
  • پردازش‌های جغرافیایی
  • محاسبات تعاملی

×

ثبت نظر

به این دوره از ۱ تا ۵ چه امتیازی می‌دهید؟