×
۵۹,۰۰۰ تومان ۳۵,۴۰۰ تومان

آموزش کتابخانه SciPy برای محاسبات علمی در پایتون - بخش اول

آموزش کتابخانه SciPy برای محاسبات علمی در پایتون - بخش اول

تعداد دانشجو
۸۳۶ نفر
مدت زمان
۹ ساعت و ۲۷ دقیقه
هزینه عادی آموزش
۵۹,۰۰۰ تومان
در طرح تخفیف
۳۵,۴۰۰ تومان

(کسب اطلاعات بیشتر +)
محتوای این آموزش
۳ بازخورد (مشاهده نظرات)
آموزش کتابخانه SciPy برای محاسبات علمی در پایتون - بخش اول

در این آموزش شما می توانید با به کارگیری یکی از قدرتمندترین زبان های برنامه نویسی یعنی پایتون و یکی از قدرتمندترین بسترهای محاسبات علمی یعنی SciPy، بسیاری از محاسبات علمی و عددی لازم در تحقیقات و مطالعات خود را به انجام برسانید. در این آموزش، مقدمات محاسبات علمی با پایتون و کتابخانه NumPy برای محاسبات برداری و SymPy برای محاسبات نمادین بررسی می گردند. این دو کتابخانه مبانی محاسبات علمی در ادامه بوده و در آموزش هایی که در ادامه این آموزش اولیه هستند، جنبه های مختلفی از محاسبات علمی با پایتون و کتابخانه SciPy مورد بحث قرار می گیرند.

آموزش کتابخانه SciPy برای محاسبات علمی در پایتون - بخش اول

مدت زمان
۹ ساعت و ۲۷ دقیقه
هزینه عادی آموزش
۵۹,۰۰۰ تومان
در طرح تخفیف
۳۵,۴۰۰ تومان

(کسب اطلاعات بیشتر +)
محتوای این آموزش
۳ بازخورد (مشاهده نظرات)
مدرس
پژمان اقبالی شمس آبادی

کارشناس ارشد مهندسی مکانیک

مهندس پژمان اقبالی شمس آبادی کارشناس ارشد مهندسی مکانیک دانشگاه علم و صنعت ایران، مشغول انجام کار روی پروژه‌های خود در زمینه‌های آکوستیک، ارتعاشات و پردازش تصویر هستند. ایشان به مباحث دینامیک و ارتعاشات و همچنین برنامه‌نویسی علاقه‌مند هستند و سابقه کار با نرم‌افزارهای مهندسی مکانیک همچون: CATIA و COMSOL را دارند. ایشان به نرم‌افزار MATLAB مسلط هستند و توانایی برنامه‌نویسی با زبان‌های مختلف همچون: C++, Java, Python را دارند.

تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما:
  • ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می‌شود. (توضیحات بیشتر +)

چکیده آموزش


توضیحات تکمیلی

محاسبات علمی و عددی یکی از المان های مهم در تحقیقات، مهندسی و تحلیل محسوب می شود. پیشرفت های دهه های اخیر در صنعت کامپیوتر، ابزارهای قدرتمندی را در اختیار محققین و دانشمندان به منظور انجام محاسبات قرار داده است که باعث انجام محاسبات در مقیاس و با پیچیدگی های بی سابقه شده است. در کنار اهمیت سخت افزار، محیط نرم افزاری مورد استفاده نیز از اهمیت بالایی برخوردار است.

در این آموزش ما به دنبال یادگیری محاسبات علمی و عددی با استفاده از یک زبان مشهور با سرعت توسعه بالا، یعنی پایتون هستیم و برای این مهم از کتابخانه های مختلفی بهره می بریم که مهم ترین آن ها، SciPy است که یک بستر قدرتمند برای انجام محاسبات علمی و عددی محسوب می شود و شامل توابع مختلفی برای پردازش اطلاعات علمی، مانند: آمار، پردازش سیگنال و تصویر، بهینه سازی و… است.

در این آموزش شما می توانید با به کارگیری یکی از قدرتمندترین زبان های برنامه نویسی یعنی پایتون و یکی از قدرتمندترین بسترهای محاسبات علمی یعنی SciPy، بسیاری از محاسبات علمی و عددی لازم در تحقیقات و مطالعات خود را به انجام برسانید. در این آموزش، مقدمات محاسبات علمی با پایتون و کتابخانه NumPy برای محاسبات برداری و SymPy برای محاسبات نمادین بررسی می گردند. این دو کتابخانه مبانی محاسبات علمی در ادامه بوده و در آموزش هایی که در ادامه این آموزش اولیه هستند، جنبه های مختلفی از محاسبات علمی با پایتون و کتابخانه SciPy مورد بحث قرار می گیرند.

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: مقدمه ‌ای بر محاسبات با پایتون
    • بررسی پایتون به عنوان یک زبان سطح بالا برای محاسبات علمی
    • مشخصه های قدرتمند پایتون برای محاسبات علمی
  • درس دوم: بررسی ویژگی ‌های IPython برای محاسبات علمی
    • نصب IPython از طریق Anaconda
    • بررسی ویژگی های IPython برای محاسبات علمی
  • درس سوم: معرفی Jupyter Notebook - بخش یکم
    • Timing و Profiling با IPython
    • معرفی Jupyter QtConsole
    • بررسی ویژگی های Jupyter Notebook
  • درس چهارم: معرفی Jupyter Notebook - بخش دوم
    • بررسی ویژگی های نمایشی قدرتمند Jupyter Notebook
  • درس پنجم: کتابخانه NumPy - بخش یکم
    • Array Object در NumPy
    • Data Type
    • ترتیب ذخیره داده در حافظه
  • درس ششم: کتابخانه NumPy - بخش دوم
    • انواع روش های ساختن آرایه ها در NumPy
    • ساختن آرایه با لیست ها یا دیگر obj های شبه آرایه
    • آرایه های مقادیر ثابت
    • آرایه ها با توالی های افزایشی و کاهشی
    • آرایه ها با توالی های لگاریتمی
    • Meshgrid Arrays
    • آرایه های مقداردهی نشده
    • آرایه ها با مشخصاتی از دیگر آرایه ها
    • Matrix Arrays
  • درس هفتم: کتابخانه NumPy - بخش سوم
    • Indexing and Slicing
    • آرایه های یک بعدی
    • آرایه های چند بعدی
    • Views
    • Fancy Indexing
    • Boolean Valued Indexing
    • تغییر شکل و سایز آرایه
  • درس هشتم: کتابخانه NumPy - بخش چهارم
    • عبارات برداری
    • عملیات حسابی
    • توابع element-wise
    • توابع Aggregate
    • آرایه های Boolean
    • عبارات شرطی
  • درس نهم: کتابخانه NumPy - بخش پنجم
    • عملیات روی مجموعه ها
    • عملیات های برداری و ماتریسی
    • ضرب داخلی
    • ضرب خارجی
    • Kronecker Product
    • Einstein Notation
  • درس دهم: کتابخانه SymPy - بخش یکم
    • معرفی کتابخانه SymPy
    • نمادها
    • اعداد و توابع
    • عبارات
  • درس یازدهم: کتابخانه SymPy - بخش دوم
    • ساده سازی عبارات
    • بسط عبارات
    • Factor, Collect and Combine
    • Apart, Together and Cancel
    • جایگذاری در عبارات
    • ارزیابی عددی
    • مشتق گیری
    • انتگرال گیری
  • درس دوازدهم: کتابخانه SymPy - بخش سوم
    • سری
    • حد
    • Sums and Products
    • معادلات
    • جبر خطی

مفید برای رشته های
  • مهندسی کامپیوتر - نرم افزار
  • علوم مهندسی

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل برنامه ها و پروژه های اجرا شده
فایل PDF یادداشت‌ های ارائه مدرس



پیش نمایش‌ها

۱. مقدمه ای بر محاسبات با پایتون

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: ۷ مگابایت -- (کلیک کنید +))

۲. بررسی ویژگی های IPython برای محاسبات علمی

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: ۲۵ مگابایت -- (کلیک کنید +))

۳. معرفی Jupyter Notebook - بخش یکم

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: ۲۸ مگابایت -- (کلیک کنید +))

۴. معرفی Jupyter Notebook - بخش دوم

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: ۱۱ مگابایت -- (کلیک کنید +))

۵. کتابخانه NumPy - بخش یکم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۶. کتابخانه NumPy - بخش دوم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۷. کتابخانه NumPy - بخش سوم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۸. کتابخانه NumPy - بخش چهارم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۹. کتابخانه NumPy - بخش پنجم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۰. کتابخانه SymPy - بخش یکم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۱. کتابخانه SymPy - بخش دوم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۲. کتابخانه SymPy - بخش سوم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
این آموزش شامل ۱۳ جلسه ویدئویی با مجموع ۹ ساعت و ۲۷ دقیقه است.
با تهیه این آموزش، می‌توانید به همه بخش‌ها و جلسات آن، دسترسی داشته باشید.

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 کتابخانه SciPy برای محاسبات علمی در پایتون - بخش اول
ناشر فرادرس
کد آموزش FVPHT9812
مدت زمان ۹ ساعت و ۲۷ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی (نمایش آنلاین + دانلود)
حجم دانلود ۷۷۰ مگابایت (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)




نظرات

تا کنون ۸۳۶ نفر از این آموزش استفاده کرده اند و ۳ نظر ثبت شده است.
مرتضی
مرتضی

بسیار بسیار عالی

پویان
پویان

آقا ایول! خیلی منتظر انتشار این آموزش بودم!
مبارک باشه پژمان‌جان :)

علیرضا
علیرضا

چند دقیقه از آموزش رو دیدم واقعا عالی بود. کلا آموزش های مهندس اقبالی و دکتر شیر افکن عالی هستند. تشکر از فرادرس که همیشه یار و یاور ما محصلین هست.

برچسب‌ها:
aggregate | Anaconda | Apart | Array | Array Object در NumPy | Boolean | Boolean Valued Indexing | Collect and Combine | Data Type | Einstein Notation | elementwise | Factor | Fancy Indexing | function | Indexing and Slicing | Ipython | IPython، Python | Jupyter | Jupyter Notebook | Jupyter QtConsole | Kronecker Product | Matrix Arrays | memory | Meshgrid Arrays | Numpy | obj های شبه آرایه | Profiling | programming | python | SciPy | Sums and Products | SymPy | timing | Together and Cancel | Views | آرایه | آرایه های Boolean | آرایه های چند بعدی | آرایه های مقداردهی نشده | آرایه یک بعدی | آموزش کتابخانه SciPy و NumPy برای محاسبات علمی در پایتون | ارایه چند بعدی | ارزیابی عددی | انتگرال گیری | بسط عبارات | بهینه سازی | پردازش سیگنال و تصویر | ترتیب ذخیره داده در حافظه | توابع Aggregate | توابع element-wise | توالی | توالی های افزایشی و کاهشی | توالی های لگاریتمی | جبر خطی | حد | داده | زبان برنامه نویسی پایتون (Python) | زبان سطح بالا | ساده سازی عبارات | سری | شبه آرایه | ضرب خارجی | ضرب داخلی | عبارات برداری | عبارات شرطی | عملیات برداری | عملیات حسابی | عملیات ماتریسی | قدرتمندترین زبان های برنامه نویسی | کتابخانه SciPy | کتابخانه SciPy و NumPy | کتابخانه SciPy و NumPy برای محاسبات علمی در پایتون | کتابخانه SymPy | لیست | مجموعه ها | محاسبات برداری | محاسبات علمی | محاسبات علمی در پایتون | محاسبات علمی و عددی | محیط نرم افزاری | مشتق گیری | مشخصه های قدرتمند پایتون | مشخصه های قدرتمند پایتون برای محاسبات علمی | معادلات | نمادها | ویژگی ‌های IPython | ویژگی های Jupyter Notebook
مشاهده بیشتر مشاهده کمتر

فهرست جلسات ۱۳ جلسه ویدئویی ×