کتاب های برچسب python
تاریخ: ۱۰:۵۰:۵۸ ۱۴۰۰/۱/۲۰ جمعه
توسط: MotoMan
امتیاز: ۰

ظهور حوزه شبکه‌های زایای دشمنگونه (GANs)، تولید تصاویر غیر قابل تشخیص از مجموعه داده‌های موجود را امکان پذیر کرده است. با استفاده از این کتاب عملی، شما نه تنها مهارت‌های تولید تصویر را پرورش خواهید داد، بلکه درک درستی از اصول اساسی نیز پیدا می‌کنید.
کتاب Hands-On Image Generation with TensorFlow (راهنمای عملی تولید تصویر با تنسورفلو)، با مقدمه ای بر مبانی تولید تصویر با استفاده از TensorFlow شروع می‌شود و Variational Autoencoders (VAEs) و GANs را شامل می‌شود. با انجام تعویض چهره با استفاده از deepfakes، انتقال سبک عصبی، ترجمه تصویر به تصویر، تبدیل تصاویر ساده به عکس‌های واقع گرایانه و موارد دیگر، به چگونگی ساخت مدل برای کاربرد‌های مختلفی پی خواهید برد. شما همچنین می‌فهمید که چرا و چگونه می‌توان پیشرفته‌ترین شبکه‌های عصبی عمیق را با استفاده از تکنیک‌های پیشرفته مانند نرمال سازی طیفی و لایه توجه به خود، قبل از کار با مدل‌های پیشرفته برای تولید و ویرایش چهره ساخت. همچنین با بازسازی عکس، سنتز متن به تصویر، هدفگذاری مجدد ویدئو و رندر عصبی نیز آشنا خواهید شد. در طول کتاب، شما می‌آموزید که مدل‌ها را از ابتدا در TensorFlow 2.x پیاده سازی کنید، از جمله PixelCNN، VAE، DCGAN، WGAN، pix2pix، CycleGAN، StyleGAN، GauGAN و BigGAN.
با به پایان رساندن این کتاب، شما در TensorFlow به خوبی تبحر پیدا خواهید کرد و می‌توانید فناوری‌های تولید تصویر را با اطمینان پیاده سازی کنید. کتاب Hands-On Image Generation with TensorFlow برای مهندسان، شاغلان و محققان یادگیری عمیق است که دانش اولیه ای در مورد شبکه‌های عصبی کانولوشن دارند و می‌خواهند تکنیک‌های مختلف تولید تصویر را با استفاده از TensorFlow 2.x بیاموزند. همچنین اگر یک متخصص پردازش تصویر یا مهندس بینایی ماشین هستید که به دنبال کاوش در معماری‌های پیشرفته برای بهبود و ارتقا تصاویر و فیلم‌ها هستید، این کتاب را مفید خواهید یافت. دانش Python و TensorFlow به شما کمک می‌کند تا بهترین نتیجه را از خواندن این کتاب بگیرید.

 

تعداد بازدید: ۱۶۵
دیدگاه ها: ۰
تاریخ: ۱۹:۲۸:۱۵ ۱۳۹۹/۱۲/۷ پنج شنبه
توسط: MotoMan
امتیاز: ۰
برچسب ها: Python |

کتاب Python for Teenagers (پایتون برای نوجوانان) انتشارات Apress، برای نوجوانانی که به دنبال برنامه نویسی با پایتون هستند در نظر گرفته شده است. در حالی که از نظر فنی، نوجوان به معنای هر کسی از سن 13 تا 18 سال است، واقعیت این است که هر کسی در هر سنی می‌تواند (و باید، اگر تعریف از خودم نباشد!) این کتاب را انتخاب کند اگر که می‌خواهد مواردی همچون نحوه‌ی برنامه نویسی با پایتون، چگونگی برنامه نویسی به عنوان یک مبتدی و یا اضافه کردن پایتون به مهارت هایش را یاد بگیرد.
این کتاب با استفاده از مثال‌های کاربردی و سرگرم کننده، به دانش آموزان دبیرستانی که می‌خواهند یک زبان برنامه نویسی آسان را یاد بگیرند، می‌تواند ایده هایی برای چگونگی استفاده از آنها در بازار کار ارائه دهد. این کتاب با مبانی پایه شروع می‌شود و پس از آن وب سایت‌های خودتان را می‌سازید، هک کلاه سفید انجام می‌دهید، باگ‌ها و خطا‌های کد‌ها را پیدا می‌کنید و یک بازی که شامل استفاده از پایتون برای نقش دادن به کاراکتر‌ها برای RPG‌ها است را می‌سازید. تمام فصل‌ها آرام و دوستانه هستند و مانند یادگیری از یک معلم با حال است که تمامی وقت‌ها در کنار شماست.
کامپیوتر ها، تلفن‌ها و وب، زمین بازی شما هستند و شما می‌توانید با محتوای خودتان به این مهمانی بپیوندید. فراتر از پست‌های در مورد ابزار‌های یادگیری برنامه نویسی، پایتون یک انتخاب عالی برای شروع کار است. یادگیری پایتون سریع است، انعطاف پذیر است و اگر بخواهید، ممکن است شغلی در حوزه‌ی پایتون را برای شما رقم بزند که وقتی از مدرسه تعطیل می‌شوید؛ بیش از حداقل دستمزد، حقوق بگیرید. کتاب Python for Teenagers بیشترین سرگرمی است که هنگام یادگیری خواهید داشت. این کتاب برای دبیرستانی هایی که می‌خواهند یک زبان برنامه نویسی آسان بیاموزند، مفید خواهد بود.

 

تعداد بازدید: ۴۱۶
دیدگاه ها: ۰
تاریخ: ۱۶:۳۶:۱۹ ۱۳۹۹/۱۰/۱۹ جمعه
توسط: MotoMan
امتیاز: ۲
برچسب ها: Python | Django |

کتاب Django for Professionals (جنگو برای حرفه ای ها)، راهنمای ساخت وب سایت‌های حرفه ای با چارچوب وب جنگو است. بین ساختن «برنامه‌های اسباب بازی» ساده که می‌توانند به سرعت ایجاد شوند و استقرار یابند و آنچه که برای ساختن یک برنامه وب «آماده تولید» مناسب برای استفاده هزاران و یا حتی میلیون‌ها کاربر لازم است فاصله‌ی زیادی وجود دارد. این کتاب به شما نشان می‌دهد که چگونه این فاصله را پر کنید.
هنگامی که اولین بار Django را نصب می‌کنید و یک پروژه جدید ایجاد می‌کنید، تنظیمات پیش فرض جهت توسعه سریع محلی پیکربندی شده اند، و این منطقی است: نیازی به افزودن تمام قابلیت‌های اضافی مورد نیاز یک وب سایت بزرگ نیست، تا زمانی که بدانید که واقعا به آنها احتیاج دارید. این پیش فرض‌ها شامل SQLite به عنوان پایگاه داده پیش فرض، وب سرور محلی، میزبانی static asset محلی، مدل User تعبیه شده و حالت DEBUG روشن است.
اما برای یک پروژه عملیاتی، اگر نه همه ولی بیشتر این تنظیمات باید مجدداً پیکربندی شوند، و حتی عدم توافق نا امید کننده ای در بین متخصصان می‌تواند وجود داشته باشد. به عنوان مثال، بهترین پایگاه داده عملیاتی برای استفاده چیست؟ بسیاری از توسعه دهندگان جنگو، از جمله من، PostgreSQL را انتخاب می‌کنند. این همان چیزی است که ما در این کتاب استفاده خواهیم کرد. با این حال بسته به پروژه می‌توان برای استفاده از MySQL نیز بحث کرد. در واقع همه اینها به نیازهای خاص یک پروژه بستگی دارد.
این کتاب به جای آنکه مخاطب را در لیستی کامل از گزینه‌های موجود غرق کند، نشان می‌دهد که یک روش برای ایجاد یک وب سایت حرفه ای، روشی مبتنی بر بهترین شیوه‌های فعلی جامعه جنگو است. عناوین پوشش داده شده شامل استفاده از Docker برای توسعه و استقرار محلی، PostgreSQL، یک مدل کاربر سفارشی، جریان احراز هویت کاربر قوی با ایمیل، آزمایش جامع، متغیرهای محیط، بهبود امنیت و عملکرد و موارد دیگر است.
در پایان این کتاب، شما یک وب سایت حرفه ای ساخته اید و تمام مراحل لازم را برای این کار فرا گرفته اید. خواه پروژه جدیدی را شروع می‌کنید که امیدوار هستید که به بزرگی اینستاگرام (در حال حاضر بزرگترین وب سایت جنگو در جهان) شود یا به روز رسانی‌های مورد نیاز یک پروژه جنگو موجود را انجام دهید، ابزار و دانش لازم برای این کار را در اختیار خواهید داشت.

تعداد بازدید: ۱۲۴۹
دیدگاه ها: ۰
تاریخ: ۱۴:۱۵:۴۸ ۱۳۹۹/۱۰/۱۹ جمعه
توسط: MotoMan
امتیاز: ۲
برچسب ها: Python | Django |

جنگو (Django) یک چارچوب وب متن باز و آزاد است که با زبان برنامه نویسی Python نوشته شده است. «چارچوب وب» نرم افزاری است که بسیاری از چالش‌های رایج مربوط به ساخت وب سایت، از جمله اتصال به پایگاه داده، مدیریت امنیت، حساب‌های کاربری و غیره را از شما پنهان می‌کند. این روزها، بیشتر توسعه دهندگان به جای تلاش برای ساختن یک وب سایت از صفر، بر چارچوب‌های وب متکی هستند. جنگو اولین بار در سال 2005 منتشر شد و از آن زمان به طور مداوم در حال توسعه است. امروزه، جنگو یکی از محبوب‌ترین چارچوب‌های وب است که توسط بزرگترین وب سایت‌های جهان همچون اینستاگرام، Pinterest،Bitbucket  و Disqus استفاده می‌شود؛ اما همچنین به اندازه کافی انعطاف پذیر است که می‌تواند انتخاب خوبی برای استارتاپ‌های نوپا و نمونه سازی اولیه پروژه‌های شخصی باشد.
کتاب Django for Beginners (جنگو برای مبتدیان)، یک رویکرد پروژه محور برای یادگیری توسعه وب با چارچوب وب Django است. در این کتاب شما پنج برنامه وب که به تدریج پیچیده‌تر می‌شوند را خواهید ساخت که از یک برنامه “Hello, World” ساده آغاز می‌شود که به یک برنامه Pages، برنامه Message Board، یک برنامه Blog با فرم‌ها و حساب‌های کاربری پیشرفت می‌کند و در نهایت یکه برنامه روزنامه که از user model سفارشی، یکپارچه سازی با ایمیل، کلیدی‌های خارجی، احراز مجوز، سطوح دسترسی و غیره استفاده می‌کند. در پایان این کتاب، در ایجاد پروژه‌های جنگو خودتان از صفر و با استفاده از بهترین شیوه‌های موجود، احساس اطمینان خواهید داشت. این کتاب به طور مرتب به روز می‌شود و آخرین نسخه‌های جنگو و پایتون را پوشش می‌دهد.

 

تعداد بازدید: ۱۲۱۳
دیدگاه ها: ۰
تاریخ: ۲۰:۴۳:۵۸ ۱۳۹۹/۱۰/۱ دوشنبه
توسط: MotoMan
امتیاز: ۱
برچسب ها: Python |

همانطور که عنوان نوید می‌دهد این کتاب، زبان برنامه نویسی پایتون را که یکی از محبوب‌ترین زبان‌های برنامه نویسی جهان است، به شما معرفی می‌کند. کتاب Introducing Python: Modern Computing in Simple Packages 2nd Edition (ویرایش دوم معرفی پایتون: محاسبات مدرن در بسته‌های ساده) تالیف Bill Lubanovic، هم برای برنامه نویسان تازه کار و هم برای برنامه نویسان با تجربه‌تری که می‌خواهند پایتون را به زبان هایی که در حال حاضر می‌دانند نیز اضافه کنند در نظر گرفته شده است.
در بیشتر موارد، یادگیری یک زبان کامپیوتری آسان‌تر از یادگیری یک زبان انسانی است؛ چرا که ابهامات و استثنا‌های کمتری وجود دارند تا نیاز باشد در ذهن خود نگه دارید. پایتون یکی از با ثبات‌ترین و واضح‌ترین زبان‌های کامپیوتری است. زبان Python، سهولت یادگیری، سادگی استفاده و قدرت بیان را به صورتی متعادل ارائه کرده است.

زبان‌های کامپیوتری از داده‌ها (مانند اسم‌ها در زبانهای گفتاری) و دستورالعمل‌ها یا کد (مانند فعل) ساخته شده اند؛ و شما به هر دو نیاز دارید. در فصل‌های متناوب، شما با ساختمان داده‌ها و کد‌های پایه ای پایتون آشنا خواهید شد، نحوه‌ی ترکیب آن‌ها را یاد خواهید گرفت و چیز‌های پیشرفته‌تری از آن‌ها ایجاد می‌کنید. برنامه هایی که می‌خوانید و می‌نویسید طولانی‌تر و پیچیده‌تر می‌شوند. با استفاده از تشبیه به نجاری، ما با چکش، میخ و تکه‌های چوب شروع خواهیم کرد. در نیمه اول این کتاب، ما کامپوننت‌های تخصصی‌تر تا معادل‌های ماشین‌های تراش و سایر ابزارهای برقی را معرفی خواهیم کرد.

شما نه تنها زبان، بلکه چه کارهایی با آن می‌توان کرد را نیز خواهید گرفت. ما با زبان پایتون و کتابخانه استاندارد “batteries included” آن شروع خواهیم کرد، اما همچنان به شما نشان می‌دهم که چگونه برخی از بسته‌های شخص ثالث خوب را پیدا، دانلود، نصب و استفاده کنید. تاکید من بیشتر بر روی چیز هایی است که در طول بیش از ۱۰ سال توسعه عملیاتی با پایتون، واقعا مفید یافتم است تا موضوعات حاشیه ای یا هک‌های پیچیده. اگرچه این کتاب یک مقدمه است، برخی از مباحث پیشرفته را نیز شامل می‌شود، زیرا می‌خواهم آنها را در معرض دید شما قرار دهم. حوزه هایی مانند پایگاه داده و وب نیز پوشش داده شده اند، اما فناوری به سرعت تغییر می‌کند. اکنون از یک برنامه نویس پایتون انتظار می‌رود تا چیز هایی در مورد رایانش ابری، یادگیری ماشین و یا جریان رویداد بداند. در این کتاب چیز هایی در مورد همه اینها پیدا خواهید کرد.

 

تعداد بازدید: ۱۱۰۲
دیدگاه ها: ۰
تاریخ: ۲۲:۱۱:۵۳ ۱۳۹۹/۸/۱۹ دوشنبه
توسط: MotoMan
امتیاز: ۲

الگوریتم‌های یادگیری ماشین، ریاضیات و تئوری‌های زیادی در پشت صحنه دارند؛ اما نیازی نیست که بدانید الگوریتم‌ها چگونه کار می‌کنند تا بتوانید آنها را پیاده سازی و برای دستیابی به نتایج واقعی و ارزشمند از آنها استفاده کنید. از منظر کاربردی، یادگیری ماشین زمینه ای کم عمق است و یک توسعه دهنده با انگیزه می‌تواند به سرعت آن را انتخاب کند و مشارکت‌های واقعی و تأثیرگذاری را شروع کند. این هدف من برای شماست و این کتاب بلیط شما برای رسیدن به نتیجه است.

کتاب Machine Learning Algorithms From Scratch With Python، راهنمای شما برای یادگیری جزئیات الگوریتم‌های یادگیری ماشین از طریق پیاده سازی آنها از صفر با زبان پایتون است. شما نحوه بارگذاری داده ها، ارزیابی مدل‌ها و پیاده سازی مجموعه ای از الگوریتم‌های برتر یادگیری ماشین را با استفاده از آموزش‌های گام به گام و نمونه کد‌های پایتون خالص و ساده (بدون کتابخانه!) بررسی خواهید کرد.

تعداد بازدید: ۱۲۷۷
دیدگاه ها: ۰
تاریخ: ۰:۷:۳۵ ۱۳۹۹/۸/۸ پنج شنبه
توسط: MotoMan
امتیاز: ۰

ارزش یادگیری ماشین (ML) در امور مالی هر روز آشکارتر می‌شود. انتظار می‌رود که یادگیری ماشین برای عملکرد بازارهای مالی بسیار مهم شود. تحلیلگران، مدیران پورتفولیو، بازرگانان و مدیران ارشد سرمایه گذاری، همه باید با تکنیک‌های ML آشنا باشند. برای بانک‌ها و سایر موسسات مالی که در تلاشند تا تجزیه و تحلیل مالی را بهبود بخشند، فرآیندها را ساده کنند و امنیت را افزایش دهند، ML به فناوری منتخب تبدیل شده است. استفاده از ML در موسسات روند رو به افزایشی دارد و پتانسیل آن برای بهبود سیستم‌های مختلف را می‌توان در استراتژی‌های معاملاتی، قیمت گذاری و مدیریت ریسک مشاهده کرد.

اگرچه یادگیری ماشین در تمام بخش‌های صنعت خدمات مالی پیشرفت قابل توجهی کرده است، اما بین ایده‌ها و اجرای الگوریتم‌های یادگیری ماشین شکافی وجود دارد. درباره این حوزه‌ها انبوهی از مطالب در وب در دسترس است، اما بسیار کم سازماندهی شده اند. علاوه بر این، بیشتر مطالب فقط به الگوریتم‌های تجارت محدود است. کتاب «نقشه‌های یادگیری ماشین و علم داده برای امور مالی» این خلا را پر می‌کند و یک جعبه ابزار یادگیری ماشین سفارشی شده برای بازار‌های مالی را فراهم می‌کند که به خوانندگان اجازه می‌دهد تا بخشی از انقلاب یادگیری ماشین باشند. این کتاب محدود به استراتژی‌های سرمایه گذاری یا معاملاتی نیست، بلکه بر روی استفاده از هنر و صنعت ساخت الگوریتم‌های مبتنی بر ML تمرکز دارد که در صنعت مالی بسیار مهم هستند.

پیاده سازی مدل‌های یادگیری ماشین در امور مالی آسانتر از آن است که عموم تصور می‌کنند. همچنین یک تصور غلط وجود دارد که برای ساخت مدل‌های یادگیری ماشین به کلان داده نیاز است. موارد مطالعاتی در این کتاب تقریباً تمام زمینه‌های یادگیری ماشین را دربر می‌گیرد و هدف آنها مدیریت چنین باورهای غلطی است. این کتاب نه تنها تئوری و موارد مطالعاتی مربوط به استفاده از ML در استراتژی‌های تجاری را پوشش می‌دهد، بلکه در سایر مفاهیم مهم «نیاز به دانستن» مانند مدیریت پورتفولیو، قیمت گذاری مشتقه، تشخیص کلاه برداری، رتبه بندی اعتبار شرکت ها، توسعه مشاور robo و توسعه chatbot نیز ورود می‌کند. این کتاب مسائل واقعی را که متخصصان با آن روبرو هستند را بررسی می‌کند و راه حل‌های علمی معتبری را ارائه می‌دهد که بر کد‌ها و مثال‌ها متکی هستند.

تعداد بازدید: ۹۹۸
دیدگاه ها: ۰
تاریخ: ۲۱:۶:۳۳ ۱۳۹۹/۸/۱ پنج شنبه
توسط: MotoMan
امتیاز: ۱

بینایی ماشین، علمی به سرعت در حال تحول است و کاربرد‌ها و تکنیک‌های مختلفی را شامل می‌شود. این کتاب نه تنها به کسانی که تازه شروع به کار با بینایی ماشین کرده اند بلکه به متخصصان این حوزه نیز کمک خواهد کرد. با کمک این کتاب قادر خواهید بود تا با ساختن برنامه هایی با OpenCV 4 و Python 3، مطالب تئوری را به شکل عملی پیاده سازی کنید. ویرایش سوم کتاب یادگیری بینایی ماشین با OpenCV 4 و Python 3، که برای OpenCV 4 و پایتون 3 به روز شده است، جدیدترین مطالب درباره دوربین‌های عمق، ردیابی سه بعدی، واقعیت افزوده و شبکه‌های عصبی عمیق را شامل می‌شود و به شما کمک می‌کند تا مسائل واقعی بینایی ماشین را با کد‌های کاربردی حل کنید.

شما با درک OpenCV 4 و چگونگی نصب آن به همراه پایتون 3 بر روی پلتفرم‌های مختلف، کار را آغاز خواهید کرد. در ادامه، شما یاد خواهید گرفت که چگونه عملیات اصلی مانند خواندن، نوشتن، دستکاری و نمایش تصاویر ثابت، فیلم‌ها و فیدهای دوربین را انجام دهید. این کتاب از راهنمایی شما در زمینه پردازش تصویر، تجزیه و تحلیل ویدئو و تخمین عمق و بخش بندی، تا کمک به شما در انجام تمرینات با ساخت یک برنامه با رابط کاربری گرافیکی، تضمین می‌کند که شما فرصت انجام فعالیت‌های عملی را خواهید داشت. در ادامه، شما با دو چالش محبوب دست و پنجه نرم می‌کنید: تشخیص چهره و شناسایی چهره. شما همچنین درباره طبقه بندی اشیا و مفاهیم یادگیری ماشین یاد خواهید گرفت که شما را قادر می‌سازند تا تشخیص دهنده و دسته بندی کننده اشیا را بسازید و استفاده کنید و حتی اشیا موجود در فیلم‌ها یا فید ویدیویی دوربین را ردیابی کنید. در ادامه، همچنین مهارت‌های خود را در ردیابی سه بعدی و واقعیت افزوده توسعه می‌دهید. سرانجام، شما ANN‌ها و DNN‌ها را بررسی خواهید کرد، و یاد خواهید گرفت که چگونه برنامه هایی را برای شناسایی ارقام دست نویس و طبقه بندی جنسیت و سن فرد ایجاد کنید. در پایان این کتاب، مهارت‌های لازم برای اجرای پروژه‌های بینایی ماشین واقعی را در اختیار خواهید داشت.
اگر شما علاقه مند به یادگیری بینایی ماشین، یادگیری ماشین و OpenCV در زمینه برنامه‌های کاربردی واقعی هستید، این کتاب برای شما مناسب است. این کتاب OpenCV، همچنین برای هر کسی که تازه با بینایی ماشین شروع به کار می‌کند و همچنین متخصصانی که می‌خواهند با OpenCV 4 و Python 3 به روز شوند، مفید خواهد بود. اگرچه هیچ دانش قبلی در مورد پردازش تصویر، بینایی ماشین یا یادگیری ماشین مورد نیاز نیست، اما آشنایی ابتدایی با برنامه نویسی پایتون الزامی است.

 

تعداد بازدید: ۹۸۹
دیدگاه ها: ۲
تاریخ: ۲۳:۱۰:۶ ۱۳۹۹/۷/۱۳ یکشنبه
توسط: MotoMan
امتیاز: ۳
برچسب ها: WEB API | Python | Django |

اینترنت توسط API‌های RESTful تامین می‌شود. در پشت صحنه، حتی ساده‌ترین کار آنلاین نیز شامل چندین کامپیوتر است که با یکدیگر تعامل دارند. یک API ( رابط برنامه نویسی برنامه)، روشی رسمی برای توصیف ارتباط مستقیم دو کامپیوتر با یکدیگر است. اگرچه چندین روش برای ساختن API وجود دارد، اما API‌های وب که امکان انتقال داده‌ها از طریق شبکه جهانی وب را فراهم می‌کنند، اکثریت به شکل RESTful (انتقال بازنمودی حالت) هستند.

ترکیبی از Django و Django REST Framework، یکی از محبوب‌ترین و قابل شخصی سازی‌ترین روش‌ها برای ساخت API‌های وب است که توسط بسیاری از بزرگترین شرکت‌های فن آوری در جهان از جمله Instagram ،Mozilla ،Pinterest و Bitbucket استفاده می‌شود. همچنین چارچوب جنگو برای مبتدیان کاملاً مناسب است زیرا رویکرد "batteries-included" جنگو بسیاری از پیچیدگی‌های اساسی و خطرات امنیتی درگیر در ایجاد هر API وب را پنهان می‌کند.

کتاب Django for APIs، یک راهنمای پروژه محور برای ساختن API‌های مدرن با Django و Django Rest Framework‌ است. این کتاب برای مبتدیانی که قبلاً هرگز API ایجاد نکرده اند و همچنین برنامه نویسان حرفه ای که به دنبال مقدمه ای سریع از اصول اساسی و بهترین شیوه‌های جنگو هستند مناسب است.

تعداد بازدید: ۱۵۷۱
دیدگاه ها: ۵
تاریخ: ۲۱:۱۱:۳۶ ۱۳۹۹/۵/۳۰ پنج شنبه
توسط: MotoMan
امتیاز: ۰
برچسب ها: data | Database | Python | Data Mining | Video |

پایگاه داده‌ها بخشی جدایی ناپذیر از علوم داده هستند و هر برنامه نویسی که با داده‌ها سر و کار دارد، باید بتواند با یک پایگاه داده نیز کار کند. در دوره ویدیویی Understanding Databases with SQLAlchemy: Python Data Playbook موسسه Pluralsight که توسط Xavier Morera تدریس شده است،‌ شما دانش بنیادی برای کار با پایگاه‌های داده با استفاده از SQLAlchemy را یاد خواهید گرفت.

در این دوره ابتدا نحوه query‌ زدن را یاد می‌گیرید. سپس چگونگی ایجاد پایگاه‌های داده و جداول و پر کردن آن‌ها با داده‌ها را یاد می‌گیرید. در پایان، شما نحوه دستکاری داده هایی که درج کرده اید و کوئری گرفته اید را خواهید آموخت. پس از اتمام این دوره، مهارت‌ها و دانش لازم برای کار کردن با پایگاه داده‌ها با استفاده پایتون و SQLAlchemy را در اختیار خواهید داشت.

تعداد بازدید: ۶۸۸
دیدگاه ها: ۰
تاریخ: ۲۰:۱۰:۱۳ ۱۳۹۹/۵/۳۰ پنج شنبه
توسط: MotoMan
امتیاز: ۰
برچسب ها: data | Python | Data Mining | Video |

فرمت‌های تصویری برداری مثل SVG، مزایای بسیاری نسبت به فرمت‌های scalar همچون PNG و JPEG دارند. با استفاده از SVG، می‌توانید تصاویری با کیفیت بالا و حجم کم ایجاد کنید که هم در دستگاه هایی با وضوح پایین به خوبی نمایش داده می‌شوند و هم می‌توان آن‌ها را بدون ایجاد اعوجاج، بزرگنمایی کرد و حرکت داد. در دوره ویدیویی Pygal: Python Data Playbook موسسه Pluralsight ‌که توسط Kishan Iyer تدریس شده است، شما با استفاده از Pygal، توانایی ساختن مجموعه ای از تصاویر و تبدیل آنها به فرمت SVG را بدست می‌آورید.

ابتدا مزایای کار با Pygal را برای ساخت SVG‌ها خواهید آموخت و جایگاهی که Pygal نسبت به سایر بسته‌های تصویرسازی همچون Matplotlib، Seaborn، Bokeh و Plotly دارد را درک خواهید کرد. در ادامه نحوه ساخت مجموعه ای از تصویر‌ها در Pygal را از درون حافظه و همچنین فایل‌ها بررسی خواهید کرد. سپس می‌توانید یک تصویر سازی از جمله نمودارهای ساده مانند گراف‌های خطی، درختی و میله ای و همچنین انواع تخصصی مانند TreeMaps و Sparklines را بسازید. شما انواع مختلف سبک‌ها و پیکربندی هایی که برای کنترل ظاهر نمودار‌ها می‌توان استفاده کرد را یاد خواهید گرفت. شما همچنین با سبک‌های سفارشی و پارامتری تعبیه شده و همچنین تنظیمات Chart، Serie و Value کار خواهید کرد.

در پایان، شما چگونگی ارائه تصویر سازی‌های Pygal را در قالب‌های تصویری و غیر تصویری برای انتقال‌های آنلاین از جمله XML element trees و base64 encoded یاد خواهید گرفت. شما همچنین با ساختن یک برنامه وب با استفاده از میکرو فریمورک Flesk به منظور ارائه و نمایش نمودار‌های Pygal این دوره را کامل خواهید کرد. وقتی که این دوره را به پایان رساندید، شما دانش و مهارت‌های لازم برای نمایش تصویر سازی‌ها در Pygal را برای استفاده از مزایای فرمت Scalable Vector Graphics، در اختیار خواهید داشت.

تعداد بازدید: ۵۱۷
دیدگاه ها: ۰
تاریخ: ۲۲:۲۴:۴۶ ۱۳۹۹/۵/۲۸ سه شنبه
توسط: MotoMan
امتیاز: ۰
برچسب ها: data | Python | Data Mining | Video |

با توجه به اینکه علوم داده‌ها و تجزیه و تحلیل داده‌ها روز به روز محبوب‌تر و تخصصی‌تر می‌شوند، تعداد و تنوع ابزارها و فن آوری‌های موجود، اغلب بسیار زیاد به نظر می‌رسند. در دوره ویدیویی Leveraging Online Resources for Python Analytics موسسه Pluralsight که توسط Janani Ravi تدریس شده است، شما توانایی پیدا کردن منابعی را پیدا خواهید کرد که به شما کمک می‌کنند تا مسئله خود را به درستی تنظیم و حل کنید.

در ابتدا، تعدادی از کتابخانه‌های مهم تصویر سازی، چارچوب‌های یادگیری ماشین، یادگیری عمیق و راهکار‌های مبتنی بر ابر را بررسی می‌کنید. در ادامه، مزایای استفاده از ابزاری مانند BigML را بررسی خواهید کرد که پلتفرمی برای ساخت مدل‌های ML است که بخش عمده ای از پیچیدگی‌های اساسی را حذف می‌کند. دموکراسی سازی ML، امروزه گرایش مهمی است و فناوری هایی مانند BigML در صدر این گرایش قرار دارند. برای مثال شما خواهید دید که چگونه BigML بدون عیب و نقص تصویر سازی‌های شناخته شده به عنوان partial dependency plots را یکپارچه می‌کند تا نتایج تعداد زیادی از پیش بینی‌های ML را به شکلی ارائه دهد که به راحتی قابل فهم باشند و بتوانید دقیقا بفهمید که مدل ML شما چه کاری انجام می‌دهد.

در آخر، شما با کار با Google Colab که یک روش مجانی تحت وب برای ساخت مدل‌ها است، دانش خود را کامل می‌کنید. مدل‌ها در notebook‌های Jupyter که در Google Drive موجود هستند و بر روی ماشین‌های مجازی در ابر اجرا می‌شوند، میزبانی می‌شوند. وقتی که این دوره را به پایان رساندید، شما مهارت‌ها و دانش لازم برای شناسایی سریع و موثر منابع و کتابخانه‌های ارزشمند آنلاین که به شما به عنوان یک متخصص علوم داده به شما کمک خواهند کرد را در اختیار خواهید داشت.

تعداد بازدید: ۴۷۶
دیدگاه ها: ۰
تاریخ: ۲۲:۴۱:۳۰ ۱۳۹۹/۵/۲۷ دوشنبه
توسط: MotoMan
امتیاز: ۰
برچسب ها: data | Python | Data Mining | Video |

در قلب هر پروژه موفقیت آمیزی که با مجموعه داده‌های دنیای واقعی درگیر است، دانش کاملی از چگونگی تمیز کردن مجموعه داده‌ها از داده‌های مفقود، بد و یا نادرست وجود دارد. در دوره ویدیویی Cleaning Data: Python Data Playbook موسسه Pluralsight که توسط Chris Achard تدریس شده است، شما نحوه استفاده از pandas را برای تمیز کردن dataset‌های واقعی یاد می‌گیرید.

در این دوره ابتدا نحوه درک، نمایش و بررسی داده هایی که در اختیار دارید را یاد می‌گیرید. در ادامه، نحوه دسترسی به داده هایی را که فقط می‌خواهید در دیتاست خود نگه دارید، بررسی خواهید کرد. سرانجام، روشهای مختلفی برای مدیریت داده‌های بد و مفقود شده را یاد خواهید گرفت. وقتی که این دوره را به پایان رساندید، شما دانش بنیادین تمیز کردن dataset‌های واقعی با pandas را در اختیار خواهید داشت که به شما کمک می‌کند تا به کار با علم داده دنیای واقعی یا مسائل یادگیری ماشین ادامه دهید.

تعداد بازدید: ۵۰۰
دیدگاه ها: ۰
تاریخ: ۲۲:۵۱:۲۶ ۱۳۹۹/۵/۲۲ چهارشنبه
توسط: MotoMan
امتیاز: ۰
برچسب ها: data | Python | Data Mining | Video |

پایتون یکی از قدرتمندترین و پرکاربردترین زبانها برای کار با داده‌ها است. در دوره ویدیویی Importing Data: Python Data Playbook موسسه Pluralsight که توسط Xavier Morera تدریس شده است، شما دانش بنیادین وارد کردن داده‌ها با پایتون را فرا خواهید گرفت و توانایی وارد کردن داده‌ها از چندین قالب مختلف فایل، از جمله: متن، داده‌های جدولی، قالب‌های باینری و همچنین از پایگاه داده‌ها را به وسیله زبان پایتون، به دست خواهید آورد.

ابتدا نحوه وارد کردن فایل‌های متنی و CSV را یاد خواهید گرفت. در ادامه، نحوه وارد کردن داده‌ها از فایل هایJSON ،XML ،SAS ،Stata ،HDF5 ، Matlab، Pickle و موارد دیگر را یاد خواهید گرفت. سرانجام، چگونگی وارد کردن داده‌های رابطه ای از پایگاه‌های داده از جمله: SQLite، MySQL و PostgreSQL را بررسی خواهید کرد. پس از اتمام این دوره، مهارت و دانش لازم برای وارد کردن داده‌ها به پایتون را برای تجزیه و تحلیل، تصویر سازی و به طور کلی کار با داده‌ها را در اختیار خواهید داشت.

تعداد بازدید: ۶۳۴
دیدگاه ها: ۰
تاریخ: ۰:۱۰:۵۶ ۱۳۹۹/۵/۲۱ سه شنبه
توسط: MotoMan
امتیاز: ۰
برچسب ها: data | Python | Data Mining | Video |

یادگیری و مهارت پیدا کردن در پایتون، یکی از بهترین تصمیماتی است که یک برنامه نویس می‌تواند بگیرد. سادگی پایتون به همراه بسیاری از کتابخانه‌های در دسترس، آن را به یکی از پر بازده‌ترین زبانهایی که می‌توانید استفاده کنید، تبدیل کرده است. دوره ویدیویی‌ Programming Python Using an IDE موسسه Pluralsight که توسط Xavier Morera تدریس شده است، به شما در استفاده از IDE‌های پایتون کمک می‌کند تا مهارت کد نویسی خود را ارتقا دهید.
در ابتدا، شما در مورد انتخاب IDE‌های معروف و چگونگی کمک آنها به شما در بهبود بهره وری خود، یاد خواهید گرفت. در ادامه، در مورد بسیاری از ویژگی هایی که IDE‌ها را برای ایجاد برنامه‌ها از جمله برجسته کردن نحو، ریفکتور کردن، بررسی کد و موارد دیگر بسیار عالی می‌کند، خواهید آموخت. همچنین برخی از سایر قابلیت‌ها که به شما در اجرا، اشکال زدایی، تست واحد و کنترل کد منبع به شما کمک می‌کنند را یاد می‌گیرید. سرانجام، خواهید دید که چگونه برخی از IDE‌ها دارای ویژگی هایی هستند که برای پایتون علمی و ایجاد برنامه‌های علوم داده ساخته شده اند. در پایان این دوره، شما می‌دانید و درک خواهید کرد که چگونه IDEها می‌توانند به شما کمک کنند تا یک توسعه دهنده پربار‌تر باشید.

 

تعداد بازدید: ۶۰۱
دیدگاه ها: ۰
تاریخ: ۲۱:۵۴:۲۰ ۱۳۹۹/۵/۶ دوشنبه
توسط: MotoMan
امتیاز: ۰
برچسب ها: data | Python | Data Mining | Video |

زبان برنامه نویسی پایتون، بیشتر به این دلیل که تجزیه و تحلیل و کار با داده‌ها را به شدت آسان کرده است، در سال‌های اخیر به شدت محبوب شده است. Jupyter به جای یک IDE تمام عیار یک محیط اجرایی است، اما با این وجود، notebook‌ها دارای چندین قابلیت مهم هستند که ارزش درک کامل را دارند. در دوره ویدیویی Create and Share Analytics with Jupyter Notebooks موسسه Pluralsight که توسط Janani Ravi تدریس شده است، یاد می‌گیرید که چگونه نوتبوک‌های Jupyter با ارائه یک محیط تعاملی بسیار بصری و تعاملی برای اجرای برنامه‌های پایتون، عامل اصلی محبوبیت پایتون هستند.

ابتدا یاد می‌گیرید که چگونه با نوتبوک‌های Jupyter شروع به کار کنید و چگونه می‌توانید از ویژگی‌های آن مانند markdown برای تقویت خوانایی کد خود استفاده کنید. در ادامه، خواهید فهمید که چگونه قابلیت‌های پیشرفته‌تری مانند توابع جادویی کار می‌کنند و چگونه نسل بعدی Jupyter به نام JupyterLab، حتی بیشتر به سمت یک محیط توسعه تمام عیار پیش می‌رود. در پایان، شما می‌توانید دانش خود را با کار با notebook‌های Jupyter میزبانی شده ابری بر روی سکو‌های ابری بزرگ، کامل کنید. وقتی که این دوره را تمام کردید، شما مهارت‌ها و دانش لازم را برای بکارگیری تمام قدرت notebook‌های Jupyter و Jupyterlab را در اختیار خواهید داشت، به خصوص در زمینه notebook‌های میزبانی شده ابری برای موارد استفاده توزیع شده و مشارکتی.

تعداد بازدید: ۵۱۳
دیدگاه ها: ۰
loading...

لطفا منتظر بمانید...