توضیحات
دوره NumPy for Data Analysis with Python: Data Science & AI. این دوره آموزشی یک برنامه جامع و کاربردی برای یادگیری کتابخانه NumPy در زبان پایتون است که به علاقهمندان حوزه داده، هوش مصنوعی و یادگیری ماشین کمک میکند تا مبانی محاسبات عددی و تحلیل دادهها را به شکل اصولی فرا گیرند. این دوره آموزشی به منظور توانمندسازی افراد برای کار با دادههای عددی در پایتون و ایجاد پایهای قوی در حوزههای علم داده، هوش مصنوعی و یادگیری ماشین طراحی شده است. شرکتکنندگان در این دوره با مفاهیم ساختاری کتابخانه NumPy آشنا میشوند و یاد میگیرند که چگونه آرایههای عددی را ایجاد کنند، ابعاد و انواع دادهها را بشناسند، مقادیر را انتخاب یا بهروزرسانی کنند و عملیات مختلف ریاضی و آماری را روی دادهها اعمال نمایند. محتوای آموزشی شامل ترکیبی از توضیحات مفهومی، مثالهای برنامهنویسی و فعالیتهای تمرینی است. فراگیران علاوه بر یادگیری برنامهنویسی آرایهها، بررسی میکنند که چرا NumPy در علم داده اهمیت دارد، آرایهها چگونه با دادههای یادگیری ماشین ارتباط برقرار میکنند و محاسبات عددی چه جایگاهی در سیستمهای هوش مصنوعی دارند. از مباحث کلیدی این دوره میتوان به نحوه کار با انواع دادهها، ایندکسگذاری و برشزدن آرایهها (Indexing and Slicing)، مفهوم پخش (Broadcasting)، تغییر شکل و دستکاری آرایهها، توابع ریاضی و آماری، مرتبسازی و جستجو، و همچنین درک تفاوت میان کپیها و نماها (Copies and Views) اشاره کرد. این دوره به افراد کمک میکند تا مهارتهای لازم برای پردازش و مدیریت دادههای چندبعدی را کسب کنند.
آنچه فرا خواهید گرفت
- ایجاد و بررسی آرایههای NumPy با استفاده از ابعاد، شکلها، محورها و انواعی از دادههای مناسب
- انتخاب، فیلتر کردن و بهروزرسانی دادههای عددی با استفاده از ایندکسگذاری، برشزدن و شرطهای بولی
- اعمال قابلیت پخش (Broadcasting) و عملیات حسابی در NumPy برای انجام محاسبات روی آرایههای سازگار
- تغییر شکل، ترانسپوز کردن، ترکیب و تقسیم آرایهها برای انجام وظایف پردازش دادههای عددی
- خلاصهسازی و سازماندهی دادههای عددی با استفاده از توابع آماری، شمارش، مرتبسازی و جستجو
- تبیین نحوه پشتیبانی NumPy از علم داده، هوش مصنوعی و یادگیری ماشین شامل نمایش آرایهها و مبانی محاسبات عددی
- استفاده از توابع رشتهای، ریاضیاتی و مثلثاتی
- انجام عملیات حسابی شامل جمع، تفریق، ضرب، تقسیم، تقسیم صحیح، توان، باقیمانده، معکوس، منفی و قدر مطلق
- اعمال توابع آماری و توابع شمارشی
- مرتبسازی آرایهها با استفاده از روشهای مختلف شامل sort()، argsort()، lexsort()، searchsorted()، partition() و argpartition()
- درک انواع مختلف کپیهای آرایه شامل نما (view)، کپی (copy)، بدون کپی (no copy)، کپی سطحی (shallow copy) و کپی عمیق (deep copy)
این دوره مناسب افرادیست که
- دانشمندان دادهای که نیاز به تحلیل مجموعهدادههای بزرگ دارند و میخواهند از ابزارهای قدرتمند پایتون برای این منظور استفاده کنند
- مهندسان هوش مصنوعی و یادگیری ماشین که میخواهند با استفاده از پایتون و NumPy با دادههای عددی کار کنند
- علاقهمندان به یادگیری عمیق که میخواهند اصول آرایههای NumPy را درک کرده و از آن برای دستکاری و پردازش دادههای تصویر و صوت استفاده کنند
- پژوهشگرانی که میخواهند از پایتون و NumPy برای محاسبات علمی و تحلیلهای عددی بهره ببرند
- برنامهنویسانی که میخواهند یک کتابخانه قدرتمند و پرکاربرد برای محاسبات عددی با پایتون را بیاموزند
- دانشجویانی که به دنبال دنبال کردن یک مسیر شغلی در علم داده یا حوزههای مرتبط هستند و میخواهند اصول اولیه NumPy را برای تحلیل داده یاد بگیرند
مشخصات دوره NumPy for Data Analysis with Python: Data Science & AI
- ناشر: Udemy
- مدرس: Faisal Zamir, Jafri Code, Pro Python Support
- سطح آموزش: مبتدی تا پیشرفته
- مدت زمان آموزش: 7 ساعت و 48 دقیقه
سرفصل های دوره در تاریخ 2026/9

پیشنیازهای دوره NumPy for Data Analysis with Python: Data Science & AI
- You should have beginner level experince with Python programming for Numpy
- You did not need to buy extra software or course for this Numpy course
- If you have basic knowledge of Matrix, it is good for you
تصاویر دوره

نمونه فیلم دوره
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: ندارد
کیفیت: 1080p
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
2.5 گیگابایت












































