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.

 علم داده در حال تغییر روشی است که رهبران دولت و صنعت هم به مشکلات خاص و هم به جهان در کل نگاه می کنند. کنجکاو هستید که چگونه تجزیه و تحلیل داده ها در عمل عمل می کند؟ در این دوره آموزشی، مدرس Michele Vallisneri به شما نشان می‌دهد که چگونه با استفاده از پایتون شروع به علم داده‌ها می‌کند.

Michele نحوه تنظیم محیط تجزیه و تحلیل خود را نشان می‌دهد و یک تازه‌سازی در مورد اصول اولیه کار ارائه می‌دهد. با ساختارهای داده در پایتون سپس، او به چیزهای بزرگ می پردازد: قدرت آرایه ها، نمایه سازی، و جداول در NumPy و پانداها - دو بسته محبوب شخص ثالث که به طور خاص برای تجزیه و تحلیل داده ها طراحی شده اند. او همچنین دو پروژه نمونه کلان داده را بررسی می کند: استفاده از NumPy برای شناسایی و تجسم الگوهای آب و هوا و استفاده از پانداها برای تجزیه و تحلیل محبوبیت نام نوزادان در قرن گذشته. چالش‌های ارائه شده در طول مسیر به شما کمک می‌کند تا آنچه را که آموخته‌اید تمرین کنید.

توجه: این نسخه از دوره به‌روزرسانی شد تا تغییرات اخیر در Python 3، NumPy، و پانداها را منعکس کند.