Deep Learning Prerequisites: The Numpy Stack in Python [Updated]

**Vasquez** · 19 enero 2019, 05:35

Deep Learning Prerequisites: The Numpy Stack in Python
MP4 | Video: AVC 1280x720 | Audio: AAC 44KHz 2ch | Duration: 3.5 Hours | Lec: 35 | 613 MB
Genre: eLearning | Language: English

La Numpy, Scipy, los Pandas, y Matplotlib-stack: prep para deep learning, aprendizaje de máquinas y la Inteligencia artificial

Una Pregunta o Preocupación, tengo un Montón, la Gente quiere aprender, deep learning y data science, es decir, tomar estos Cursos, pero se quedan atrás, porque no Se sabe lo suficiente sobre la Numpy de la pila, para estos Conceptos en el código

La Numpy, Scipy, Pandas, y Matplotlib-stack: prep para deep learning, aprendizaje de máquinas y la Inteligencia artificial
Bienvenidos!!! Esto es Deep Learning, Aprendizaje de máquinas, Data Science Requisitos: La Numpy De la Pila con Python.
Una Pregunta o Preocupación, tengo un Montón, la Gente quiere aprender, deep learning y data science, es decir, tomar estos Cursos, pero se quedan atrás, porque no Se sabe lo suficiente sobre la Numpy de la pila, para estos Conceptos en el código.
También si puedo escribir el código en su totalidad si Usted no sabe, Numpy, entonces, sigue siendo muy difícil de Leer.
Este Curso está diseñado para eliminar el Obstáculo, para mostrar cómo hacer las Cosas, en la Numpy-pila, que a Menudo se requiere en la deep learning y data science.
Entonces, ¿qué son estas Cosas?
Numpy. Esto constituye la Base para todo lo demás. El Objeto central en Numpy es la Numpy de la matriz, en el que Se pueden hacer varias Operaciones.
La Clave es que un Numpy de la matriz no es sólo un regular de la matriz sería ver en un Lenguaje como Java o C++, sino que es como un Objeto matemático como un Vector o una matriz.
Esto significa que Usted puede hacer de Vector y matriz de Operaciones como la suma, la Resta y la Multiplicación.
El Aspecto más importante de la Numpy de la matriz, que en Velocidad. Así que vamos a hacer una demostración, donde puedo demostrar que el Uso de Numpy vectorizados operación es más rápida que una Lista De Python.
A continuación, vamos a ver algo más complicada matriz de Operaciones, tales como Productos, inversas y Determinantes, la Solución de los Sistemas lineales.
Los Pandas. Panda es muy bueno porque hace un Montón de Cosas bajo el Capó, el hace Su Vida más fácil, porque usted no necesita un código que estas Cosas manualmente.
Los Pandas poder trabajar con conjuntos de datos a una gran Cantidad de R, si Usted está familiarizado con R.
que es El Objeto central en R y Pandas es el DataFrame.
Veremos lo sencillo que es, la Carga de un conjunto de datos con los Pandas vs intentado hacerlo manualmente.
A continuación, veamos algunas de dataframe de Operaciones, así como filtrar por filtro de Columna, haciendo Filas, aplicar la Función y los Vínculos que se parecen un Montón, las combinaciones de SQL.
Así que si Usted SQL en el fondo y les gusta trabajar con Tablas, a continuación, los Pandas será una gran cosa siguiente a aprender.
Ya que los Pandas nos enseña, como para la carga de Datos, el siguiente Paso será el de los Datos a considerar. Para los que usamos Matplotlib.
En esta Sección vamos a ir a través de algunas de las Parcelas, es decir, el Gráfico de Dispersión y el Histograma.
Vemos también, como muestran las Imágenes con Matplotlib.
El 99% del Tiempo, con cualquier forma de las Parcelas.
Scipy.
Me gusta pensar que, Scipy como un complemento de la Biblioteca de Numpy.
Considerando, que Numpy contiene los Bloques de construcción básicos, tales como Vectores, Matrices y Operaciones con Ellos, Scipy utiliza los términos Bloques de construcción para ciertas Cosas.
Por Ejemplo, Scipy puede hacer, comparten muchos De Estadísticas, Cálculos, incluyendo el obtener un PDF de Valor, el CDF Valor, el Muestreo de una Distribución, y Pruebas estadísticas.
Es una señal de herramientas de procesamiento, por lo que Usted puede hacer Cosas, como el Plegamiento y la transformada De Fourier.
En Suma:
, Si Usted tiene una Profundidad de aprender o de la Máquina Curso de aprendizaje y comprensión de la Teoría, y Puede ver el código, pero no Se puede establecer la Conexión entre cómo estos algoritmos en una real ejecución de código, este Curso es para Usted.
Todo el código para este Curso puede ed en mi github: /lazyprogrammer/machine_learning_examples
$ En el Directorio: numpy_class
asegúrese de que siempre "git pull" tú no tienes la última versión!
DURO, las CONDICIONES y los CONOCIMIENTOS que las HAYAN ACEPTADO:
álgebra lineal
Probabilidad de
De la Programación en Python: if/else, Molienda, listas, dicts, establece
ya debería saber "por qué" de las Cosas como un producto escalar matriz de inversión, y las distribuciones de probabilidad de Gauss son útiles, y por lo que se utilizan

DOWNLOAD
takefile