مطالب پیشنهادی از سراسر وب

کار با داده های چندبعدی با استفاده از NumPy

دسته بندی ها: آموزش پایتون (Python) ، آموزش هوش مصنوعی (AI) ، آموزش پانداس (Pandas) ، آموزش یادگیری ماشینی (Machine Learning) ، آموزش های پلورال سایت (Pluralsight)

از آنجا که تکنیک های یادگیری ماشینی و یادگیری عمیق محبوب می شوند، دریافت مجموعه داده به شکل عددی مناسب و مهندسی ویژگی های مناسب برای تغذیه در مدل های یادگیری ماشینی بسیار مهم می شود.
در این دوره، توابع و کلاس های ساده و بصری را که NumPy برای کار با داده های با ابعاد بالا ارائه می دهد، خواهید آموخت.
ابتدا با عملیات اساسی برای کاوش داده های چند بعدی مانند ایجاد، چاپ و انجام عملیات پایه ریاضی با آرایه ها، آشنا خواهید شد. ایندکسینگ و برش داده های آرایه و تکرار لیست ها را مطالعه خواهید کرد و خواهید دید که تصاویر اساساً آرایه های سه بعدی هستند و چگونه می توان آن ها را با NumPy دستکاری کرد.
سپس، به سراغ توابع پیچیده ایندکسینگ می روید. آرایه های NumPy را می توان با توابع شرطی و همچنین آرایه های شاخص ها ایندکس کرد. سپس خواهید دید که چگونه قوانین پخش کار می کنند که به NumPy امکان می دهد تا روی آرایه هایی با اشکال مختلف کار کند و همچنین عملیات آرایه مانند ()np.argmax که هنگام کار با مشکلات یادگیری ماشینی بسیار رایج هستند، را مطالعه می کنید.
در پایان، نحوه ادغام NumPy با کتابخانه های دیگر را در پشته PyData مطالعه خواهید کرد. همچنین، پیاده سازی های خاص را با SciPy و با Pandas پوشش می دهید.
در پایان این دوره، شما در استفاده از تکنیک های دستکاری آرایه که NumPy ارائه می دهد، راحت خواهید بود تا استخراج بینش از داده های خود را به فرم مناسب بدست آورید.

بررسی دوره

استفاده از سایر کتابخانه های پایتون با NumPy

فایل های تمرین exercise_files.zip
آیا این نوشته را دوست داشتید؟
Pluralsight Working with Multidimensional Data Using NumPy Author:Janani Ravi Duration:1:43:35 Level:Beginner

As machine learning and deep learning techniques become popular, getting the dataset into the right numeric form and engineering the right features to feed into ML models becomes critical.
In this course, Working with Multidimensional Data Using NumPy, you'll learn the simple and intuitive functions and classes that NumPy offers to work with data of high dimensionality.
First, you will get familiar with basic operations to explore multi-dimensional data, such as creating, printing, and performing basic mathematical operations with arrays. You'll study indexing and slicing of array data and iterating over lists and see how images are basically 3D arrays and how they can be manipulated with NumPy.
Next, you will move on to complex indexing functions. NumPy arrays can be indexed with conditional functions as well as arrays of indices. You'll then see how broadcasting rules work which allows NumPy to perform operations on arrays with different shapes as well as, study array operations such as np.argmax() which are very common when working with ML problems.
Finally, you'll study how NumPy integrates with other libraries in the PyData stack. You will also cover specific implementations with SciPy and with Pandas.
At the end of this course, you will be comfortable using the array manipulation techniques that NumPy has to offer to get your data in the right form for extracting insights.

پیشنهاد آموزش مرتبط در فرادرس