در این جلسه از درس با زبان پایتون و به ویژه با هدف استفاده از پایتون در کاربردهای یادگیری ماشین آشنا میشویم. فهرست مطالب به شرح زیر است: - پایتون: 00:00:00 - عملیات ریاضی و منطقی: 00:7:30 - متغیرها: 00:12:52 - ساختارهای دادهای: 00:22:49 - بردارها و ماتریسها در پایتون: 00:31:38 - ایجاد ماتریسهای تصادفی و توزیع نرمال: 00:56:06 - کار با ماتریسها: ۰۱:۰۸:۲۵ - ذخیره و بازیابی ماتریسها: 01:11:39 - نشانیوبسایت: http://www.snrazavi.ir/ml-2018/ - دانلود کدها: https://github.com/snrazavi/Machine_Learning_2018 منابع پیشنهادی برای یادگیری پایتون (از مبتدی تا پیشرفته): Python Cookbook Third edition by David Beazley and Brian K. Jones پایتون برای افراد مبتدی و تازهکار: Head First Python: A Brain-Friendly Guide 2nd Edition پایتون برای یادگیری ماشین: Python for Data Analysis: Data Wrangling with Pandas NumPy and IPython 2nd Edition کتاب مورد علاقه من: Introduction to Programming in Python: An Interdisciplinary Approach https://introcs.cs.princeton.edu/python/home/
یادگیری ماشین پایتون برنامهنویسی ماتریس بردار رضوی سید ناصر همیاد Machine learning Python Programming NumPy Matrix Vector Razavi Seyed Naser HamYad ساختارهای دادهای عملیات ریاضی کتابخانه numpy توزیع نرمال توزیع گوسی ماتریس تصادفی