برنامه نویسی هیلتن
12.7K subscribers
1.29K photos
1.86K videos
488 files
1.27K links
آموزش و انجام پروژه برنامه نویسی، طراحی سایت و سئو
تازه های #فناوری، #تکنولوژی و #انگیزشی

تعرفه تبلیغات وانجام پروژه:
فعلا تبلیغات نداریم

اینستاگرام:
-
Download Telegram
This media is not supported in your browser
VIEW IN TELEGRAM
نمایی از ماشین هیچ کاره Do Nothing Machine
⭕️ این ماشین پیچیده با حدود 700 قطعه مکانیکی که عملا هیچ کاری انجام نمی‌دهد در موزه Craftmanship کالیفرنیا ایالات متحده آمریکا نگهداری می‌شود. ماشین هیچ کاره هدف و کارکرد خاصی ندارد و برای انجام کار به خصوصی ساخته نشده‌است، ماشینی که کار می‌کند اما کار خاصی انجام نمی‌دهد.
👤 سازنده این ماشین لورنس والستروم Lawrence Wahlstrom ساعت سازی بازنشسته بود که در اواخر دهه چهل میلادی برای ساخت آن هفت سال زمان زحمت کشید. تصویر لورنس والستروم در انتهای فیلم هست.
#news #technology #machine
#خبر #فناوری و #تکنولوژی ،#توسعه #ماشین

گروه هیلتن😊👇
JOiN@HeiltonProgramming
This media is not supported in your browser
VIEW IN TELEGRAM
خودروی بدون نیاز به برف پاک کن!

⭕️ شیشه جلوی ماشین با بهره گیری از تکنولوژی پوشش ضدآب، فقط کافیه سرعت رو بالا ببرید
#machine #speed #technology #it
#تکنولوژی و #فناوری #سرعت #ماشین
#برف_پاک_کن

گروه هیلتن😊👇
JOiN@HeiltonProgramming
📊 پیاده‌سازی PCA با NumPy در پایتون — از صفر تا اجرا

در این پروژه، الگوریتم Principal Component Analysis (PCA) بدون استفاده از کتابخانه‌های آماده و فقط با NumPy پیاده‌سازی شده است؛ از آماده‌سازی داده‌ها و محاسبه ماتریس کوواریانس تا محاسبه Eigenvalue/Eigenvector و کاهش بُعد داده‌ها.

🔹 مراحل انجام‌شده در پروژه:
• ست کردن داده‌ها
‏• Centering و کم‌کردن میانگین هر ویژگی
• محاسبه Covariance Matrix
• محاسبه Eigenvalues و Eigenvectors
• مرتب‌سازی مؤلفه‌ها و انتخاب بهترین‌ها
• تبدیل داده‌ها به فضای جدید (Dimension Reduction)
• مشاهده خروجی و رسم نقاط با matplotlib

نیازمندی‌ها: numpy، matplotlib، itemgetter

کد + توضیحات:
🔗 https://github.com/omidsotooni/PrincipalComponentAnalysis

#پایتون #مولفه_اساسی #کدنویسی #فناوری #هوش_مصنوعی #گیت_هاب
#python #machine_learning #PCA #numpy #code #ai #technology #github

JOiN → @HeiltonProgramming
👍5