×
۲۰,۰۰۰ تومان ۱۲,۰۰۰ تومان

آموزش مقدماتی پردازش سیگنال با Python (پایتون)

آموزش مقدماتی پردازش سیگنال با Python (پایتون)

تعداد دانشجو
۱,۱۷۵ نفر
مدت زمان
۱ ساعت و ۴۸ دقیقه
هزینه عادی آموزش
۲۰,۰۰۰ تومان
در طرح تخفیف
۱۲,۰۰۰ تومان

(کسب اطلاعات بیشتر +)
محتوای این آموزش
۱۰ بازخورد (مشاهده نظرات)
آموزش مقدماتی پردازش سیگنال با Python (پایتون)

چکیده

از جمله کاربردهای پردازش سیگنال می توان به: تشخیص گفتار و پردازش زبان طبیعی در هوش مصنوعی، سونار (Sonar) و رادار، مخابرات و تحلیل داده های دریافت شده از بدن بیمار اشاره نمود. استفاده از زبان برنامه نویسی پایتون (Python)، همواره مورد توجه اهداف پژوهشی و نیز صنعتی بوده است، به گونه ای که این زبان برنامه نویسی به یکی از محبوب ترین زبان های سطح بالا در حوزه مهندسی و تحلیل داده های آماری تبدیل شده است. در پایان این فرادرس، مخاطب قادر خواهد بود تا در پایتون با کمک توابع و کتابخانه های مختلف، به تحلیل سیگنال ها پرداخته و داده های مورد نیاز خود را استخراج نماید. پیش نیاز این آموزش، آشنایی مقدماتی با پایتون است.

 

آموزش مقدماتی پردازش سیگنال با Python (پایتون)

تعداد دانشجو
۱,۱۷۵ نفر
مدت زمان
۱ ساعت و ۴۸ دقیقه
هزینه عادی آموزش
۲۰,۰۰۰ تومان
در طرح تخفیف
۱۲,۰۰۰ تومان

(کسب اطلاعات بیشتر +)
محتوای این آموزش
۱۰ بازخورد (مشاهده نظرات)
مدرس
یگانه آقامحمدی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر

یگانه آقامحمدی، کارشناس فیزیک از دانشگاه صنعتی خواجه‌ نصیرالدین‌ طوسی و دانشجوی کارشناسی ارشد مهندسی کامپیوتر در دانشگاه صنعتی شریف هستند. پروژه کارشناسی ایشان در زمینه شبیه‌ سازی فوتوداینامیک تراپی بوده و هم‌ اکنون نیز در حوزه هوش‌ مصنوعی مشغول فعالیت هستند.

چکیده آموزش


توضیحات تکمیلی

تحلیل تجربی داده ها و دقیق نبودن نتایج ناشی از تجربه با واقعیت، دانشمندان را بر آن داشت تا با استفاده از ابزارهای دقیق، به بالا بردن کیفیت تحلیل بپردازند. علم ریاضیات، دستیابی به نتایج دقیق تر را برای پژوهشگران میسر نموده است. پردازش سیگنال با استفاده از کامپیوتر، از جمله ابزارهایی است که علم ریاضیات به مهندسین مرهون داشته است و آنان را در جهت نیل به اهداف پژوهشی و صنعتی، یاری نموده است.

پردازش سیگنال یکی از دروس مهم مقطع ارشد رشته های کامپیوتر، برق و مهندسی پزشکی است. از جمله کاربردهای پردازش سیگنال می توان به: تشخیص گفتار و پردازش زبان طبیعی در هوش مصنوعی، سونار (Sonar) و رادار، مخابرات و تحلیل داده های دریافت شده از بدن بیمار اشاره نمود.

استفاده از زبان برنامه نویسی پایتون (Python)، همواره مورد توجه اهداف پژوهشی و نیز صنعتی بوده است، به گونه ای که این زبان برنامه نویسی به یکی از محبوب ترین زبان های سطح بالا در حوزه مهندسی و تحلیل داده های آماری تبدیل شده است. در پایان این فرادرس، مخاطب قادر خواهد بود تا در پایتون با کمک توابع و کتابخانه های مختلف، به تحلیل سیگنال ها پرداخته و داده های مورد نیاز خود را استخراج نماید. پیش نیاز این آموزش، آشنایی مقدماتی با پایتون است.

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: آشنایی با پردازش سیگنال و کاربرد آن
    • آشنایی با کاربرد در هوش مصنوعی و صنعت
  • درس دوم: نصب پایتون و Anaconda و بررسی برخی ماژول ها
    • نصب پایتون
    • نصب Anaconda و آشنایی با محیط آن
    • آشنایی با محیط Jupyter
    • ایجاد Environment جدید در Anaconda
    • نصب پکیج‌ های NumPy و Matplotlib
    • بررسی یک مثال جهت درک بیشتر ماژول‌ ها
  • درس سوم: ساخت سیگنال و دریافت خروجی wav
    • معرفی ماژول Wave
    • معرفی ماژول Struct
    • ایجاد حلقه for داخل آرگومان
    • دریافت خروجی wav
    • استخراج فرکانس از فایل wav
    • آشنایی با متد Pack و Unpack در ماژول Struct
    • آشنایی با FFT یا Fast Fourier Transform (تبدیل فوریه سریع)
  • درس چهارم: افزودن نویز و حذف نویز
    • افزودن نویز با فرکانس متفاوت
    • افزودن نویز با فرکانس یکسان
    • حذف نویز با عکس تبدیل فوریه سریع (IFFT)
    • علت عدم تطبیق نمودار اولیه و ثانویه
  • درس پنجم: تحلیل Periodogram و Welch
    • نصب ماژول SciPy
    • نویز گاوسی سفید و رسم آن
    • تحلیل Periodogram یک سیگنال سینوسی در نویز گاوسی سفید
    • تحلیل Welch یک سیگنال سینوسی در نویز گاوسی سفید
  • درس ششم: آشنایی با متد Detrend
    • بررسی Detrend یک تابع خطی به صورت ثابت و خطی
مفید برای رشته های
  • مهندسی کامپیوتر
  • مهندسی برق
مشاهده بیشتر مشاهده کمتر

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل PDF یادداشت‌ های ارائه مدرس

نرم افزارهای مرتبط با آموزش

Anaconda, Python 3.7



پیش نمایش‌ها

۱. آشنایی با پردازش سیگنال و کاربرد آن

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۳ مگابایت -- (کلیک کنید +))

۲. نصب پایتون و Anaconda و بررسی برخی ماژول ‌ها

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۶ مگابایت -- (کلیک کنید +))

۳. ساخت سیگنال و دریافت خروجی wav

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۸ مگابایت -- (کلیک کنید +))

۴. افزودن نویز و حذف نویز
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۵. تحلیل Periodogram و Welch
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۶. آشنایی با متد Detrend
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.

راهنمای سفارش آموزش‌ها

آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

(راهنمایی بیشتر +)

در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
  • با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه


اطلاعات تکمیلی

نام آموزش آموزش مقدماتی پردازش سیگنال با Python (پایتون)
ناشر فرادرس
شناسه اثر ۸–۱۲۴۵۲–۰۷۲۳۶۴ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
کد آموزش FVEE9804
مدت زمان ۱ ساعت و ۴۸ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی (لینک دانلود)
حجم دانلود ۱۴۴ مگابایت (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


نظرات

تا کنون ۱,۱۷۵ نفر از این آموزش استفاده کرده اند و ۱۰ نظر ثبت شده است.
سینا
سینا

دنبال مسائل پیشرفته بودم که برای کارای دانشگام بتونم باهاش پیش برم. از همه لحاظ برام مفید بود.

محمد علی
محمد علی

باسلام

ضمن تشکر بابت ارائه مختصر و مفیدتان، در درس چهارم قسمت دوم (حذف نویز) در انتهای کد، معکوس تبدیل فوریه از آرایه اندازه تبدیل فوریه گرفته شده است و باعث میشود خروجی نسبت به مطلوب اختلاف داشته باشد؛ در صورتی که اگر از خود آرایه تبدیل فوریه (پس از فیلتر کردن) و نه اندازه آن عکس تبدیل فوریه گرفته شود، جواب دقیقا همان سیگنال بدون نویز خواهد بود.
مورد دیگر اینکه اگر نمودار تبدیل فوریه به صورت نقطه ای گسسته رسم شود (با افزودن آرگومان "ob" به انتهای دستور پرینت)، مشاهده میشود که تبدیل فوریه فقط در فرکانس موردنظر مقدار بسیار زیادی دارد و در فرکانس های همسایه، مقدار بسیار ناچیز است؛ بنابراین برای فیلتر کردن عملا نیازی به تعیین بازه نیست.

باتشکر

ahmad
ahmad

هنوز کامل ندیدم جلسات رو ولی میتونم بگم که تدریس ایشون عالیه مثل مدرسین دیگه توضیحات اضافه نمیدن و جملات هجو ندارن بخاطر همین اصلا حوصله سر بر نیست و ثانیه به ثانیه‌ی آموزش، مفیده

آرش
آرش

بنده به پایتون مسلط هستم، ولی چون دانشی از پردازش سیگنال ندارم، این دوره هیچ چیزی به من یاد نداد. در واقع این دوره به نظر من فقط مناسب کسانی هست که هم پایتون بلدن، و هم پردازش سیگنال بلدن. و نیازشون اینه که بدونن دانش پردازش سیگنالشون رو چطور در پایتون پیاده‌سازی کنن.

مسعود
مسعود

مشخصه که مدرس به مباحث تسلط لازم دارن به همین دلیل بیان گیرا و قابل قبولی دارن.

سینا
سینا

در سطح مقدماتی بود.

جلال
جلال

فقط یکی از تولباکس های پایتون رو گفته و خوب بود اسمش زو هم میذاشتن مقدماتی. منتظر پیشرفته این آموزش هستم.

علی
علی

ممنون از فرادرس بابت این آموزش.
آموزش خوبی بود.ولی امیدوار هر چه زود تر آموزش پیشرفته پردازش سیگنال هم ارائه بشه

آریا
آریا

خیلی خلاصه بود ایشون مسلط بودند ولی باید بهتر توضیح می دادند خیلی سریع این مطلب رو به اتمام رسوندند به طور کلی در عین خلاصگی خوب بود.

سعید
سعید

خیلی عالی بود نمونه ش رو تو هیج منبعی پیدا نکردم در حد مقدماتی عالی بود.

دسته‌بندی موضوعی: مهندسی برق | مهندسی کامپیوتر

برچسب‌ها:
AI | Anaconda | Artificial Intelligence | Computer Engineering | Digital Signal Processing | digital signal processing with python | Discrete Fourier transform | dsp | dsp with python | Electrical Engineering | Fast Fourier Transform | FFT | Fourier Transform | gaussian noise | gaussian white noise | IFFT | Image Processing | Machine Learning | matplotlib | natural language processing | NLP | Noise | Numpy | periodogram | python | SciPy | Signal | Signal Processing | Welch | White Noise | آشنایی با پردازش سیگنال | آشنایی با نظریه نمونه برداری | آشنایی مقدماتی با پردازش سیگنال | آناکوندا | استخراج فرکانس از فایل WAV | پردازش تصویر | پردازش زبان طبیعی | پردازش سیگنال | پردازش سیگنال با پایتون | پردازش سیگنال دیجیتال | پریودوگرام | تابع خطی | تبدیل فوریه | تبدیل فوریه سریع | تبدیل فوریه گسسته | تحلیل Periodogram | تحلیل Welch | تحلیل سیگنال | تحلیل سیگنال با فرکانس متغیر | تحلیل فرکانس سیگنال | حوزه زمان | خروجی WAV | خواندن فایل wav | دیجیتال | زبان برنامه نویسی پایتون (Python) | سیگنال | سیگنال سینوسی | سیگنال های نامتناوب | سیگنالها و سیستم ها | عکس تبدیل فوریه | عکس تبدیل فوریه سریع | فایل wav | فرکانس | فرکانس سیگنال | فرکانس متغیر | فرکانس متفاوت | فرکانس یکسان | کاربرد نمونه برداری | کاربردهای پردازش سیگنال در علوم مختلف | ماژول SciPy | ماژول Struct | ماژول Wave | متد Detrend | مهندسی برق | مهندسی پزشکی | مهندسی عمران | مهندسی کامپیوتر | نصب پایتون | نظریه نمونه برداری | نمایش سیگنال های نامتناوب | نمودار اولیه و ثانویه | نمونه برداری | نویز | نویز سفید | نویز سفید گاوسی | نویز گاوسی | نویز گاوسی سفید | هارمونیک | هوش مصنوعی | یادگیری ماشین
مشاهده بیشتر مشاهده کمتر