دوشنبه , تیر ۳۱ ۱۳۹۸
خانه / مقالات

مقالات

کتابخانه scikit-learn در پایتون

کتابخانه scikit-learn

کتابخانه scikit-learn (وب سایت scikit-learn.org) یک کتابخانه پایتون برای یادگیری ماشین است که بر مبنای SciPy ، NumPy و matplotlib ساخته شده است. این کتابخانه برای کاربردهای یادگیری ماشین از جمله خوشه بندی، رگرسیون و کلاس بندی ابزار قدرتمند و در عین حال ساده ای می باشد. یادگیری استفاده از …

توضیحات بیشتر »

کتابخانه SciPy در پایتون

کتابخانه SciPy (وب سایت www.scipy.org) یکی از بسته های اصلی محاسبات علمی است که الگوریتم های ریاضی و توابع convenience را که بر پایه NumPy (کتابخانه NumPy در پایتون) پایتون ساخته شده اند، فراهم می کند. نصب SciPy  [crayon-5d357cbaa9408947006406/] اضافه کردن SciPy به پروژه [crayon-5d357cbaa940c761248787/]    

توضیحات بیشتر »

کتابخانه seaborn در پایتون

کتابخانه seaborn

کتابخانه seaborn (وب سایت seaborn.pydata.org) یک کتابخانه گرافیکی برای ترسیم انواع نمودار بر پایه matplotlib (کتابخانه matplotlib در پایتون) است. این کتابخانه یک رابط سطح بالا برای طراحی گرافیک های آماری جذاب  فراهم می کند. قبل از شروع توصیه می شود بخش Seaborn Gallery سایت اصلی کتابخانه را بررسی کنید. نصب …

توضیحات بیشتر »

کتابخانه Pandas در پایتون

کتابخانه Pandas

کتابخانه Pandas (وب سایت pandas.pydata.org) یکی از ابزارهای رایج data scientists برای انجام  تجزیه و تحلیل داده ها است، در کنار matplotlib و NumPy یکی از کتابخانه های اساسی برای محاسبات علمی در پایتون  به شمار می رود. ساختار ساده، سریع و انعطاف پذیر Pandas تجزیه و تحلیل داده ها در پایتون را بطور قابل توجهی آسان تر کرده است.

توضیحات بیشتر »

کتابخانه NumPy در پایتون

کتابخانه NumPy

کتابخانه NumPy (وب سایت www.numpy.org) یکی از اصلی ترین پکیج های محاسبات علمی در پایتون است که امکان ایجاد آرایه، ماتریس ها، مجموعه ها  و ... را به ما می دهد. هسته این کتابخانه شئ ndarray است، این آرایه چند بعدی که انوع مختلفی از داده را می‌تواند ذخیره نماید، بسیار کارآمد و بهینه طراحی شده و تفاوت های اصلی آن به با لیست های استاندارد پایتون به شرح ذیل میباشد:

توضیحات بیشتر »

یادگیری عمیق (Deep learning)

یادگیری عمیق اشاره به مجموعه ای از الگوریتم های یادگیری ماشین دارد, که معمولا مبتنی بر شبکه های عصبی مصنوعی اند و تلاش دارند تا روابط سطح بالای موجود در داده ها را مدل نمایند. بخودی خود یادگیری عمیق برای سناریوهای خیلی خاصی مفید بوده و نیازمند استفاده از مدلهای یادگیری ماشین و تکنیک های دیگر جهت ایجاد نتایج معنادار بیشتر است. در این یادگیری ویژگی های سطح بالاتر توسط سطوح پایین تر بیان می شود.

توضیحات بیشتر »

ایجاد NPM Proxy با استفاده از ابزار Verdaccio

در این مقاله قصد معرفی ابزار Verdaccio را داریم که امکان ایجاد Proxy مابین سرور NPM و سیستم کلاینت ما را فراهم می کند. برای شروع کار ابتدا ابزار را بوسیله دستور زیر بصورت Global نصب کنید. [crayon-5d357cbaaa396515590062/] راه اندازی سرور Verdaccio بسیار ساده است برای این منظور کافی است دستور Verdaccio …

توضیحات بیشتر »

استفاده از TFS در ویرایشگر Visual studio code

TFS

در زمان نگارش این مقاله بهترین روش موجود توضیح داده می شود به احتمال زیاد در آینده با توجه به نیاز کاربران روش های بهتری ارائه خواهد شد. بریم سراغ توضیحات برای استفاده از TFS در ابتدا لازم است افزونه Azure Repos را نصب کرده و در ادامه در فایل setting ویرایشگر …

توضیحات بیشتر »

آموزش D3 – دریافت داده ها

آموزش D3

در فصل قبل ما با کلیات D3 آشنا شدیم در این فصل، ما یاد میگیریم که چگونه داده ها را از انواع مختلف ساختار فایل بارگیری و آن را به عناصر DOM مرتبط کنیم. D3 می تواند انواع مختلفی از داده ها را به صورت محلی در متغیرها یا از فایل …

توضیحات بیشتر »