تمرین این سری ساده است، و وقت زیادی از شما نخواهد گرفت.
اما بنا به درخواست شما، مهلت تحویل 7 اردیبهشت خواهد بود.

Vectorization

More Vectorization Examples

Broadcasting in Python

#آموزش
سلام
در این پست: https://xn--r1a.website/PyLab/76 فیلم‌های مربوط به مبحث بحث عملیات وکتوری Andrew NG معرفی شدند. برخی پیام دادند که دسترسی ندارند.
فیلمها و زیرنویس انگلیسی هر فیلم و در کانال آپلود شد.

Vectorization
🎥https://xn--r1a.website/PyLab/84
📃https://xn--r1a.website/PyLab/85

More Vectorization Examples
🎥https://xn--r1a.website/PyLab/86
📃https://xn--r1a.website/PyLab/87

Broadcasting in Python
🎥https://xn--r1a.website/PyLab/88
📃https://xn--r1a.website/PyLab/89

A note on python/numpy vectors
🎥https://xn--r1a.website/PyLab/71
📃https://xn--r1a.website/PyLab/90

قدرت عملیات vectorize در کتابخانه numpy
دو کد یکسان یکبار بدون عملیات وکتوری و بیش از 21 ثانیه. یکبار با عملیات وکتوری و کمتر از 0.1 ثانیه

آقای ستاریان زحمت کشیدند، صفحه رویدادهای کلاس را شامل
اسلایدها، لینک ها و ...
راه اندازی کردند.
http://pylab.akhavanpour.ir/

#خبر
هفته آینده کوییز 2 نمره ای از مباحث دیکشنری و نامپای خواهد داشت
این کوییز از مباحث کلاس و نوت بوک هایی که خدمتتان ارسال میشود خواهد بود.
کوییز 2 نمره پایانی شما را تشکیل خواهد داد.

توئیت تامل برانگیزه Andrej Karpathy !

وقتی مدیر هوش مصنوعی خودروسازی تسلا،
بهترین روز عمرشو در توئیت دیروزش Vectorize کردن کدش تو پایتون با نامپای میدونه...
کدش 100 خط بود و 13 ثانیه طول میکشیده، با عملیات وکتوری 20 خط و 0.02 ثانیه شده...
#numpy

گیت‌هاب درس با نوت‌بوکهای مربوط به Numpy به روز شد.
کویز دو نمره ای سه شنبه و چهارشنبه از نوت‌بوک های زیر خواهد بود.

5-1_Dictionaries_v5.ipynb
6-1_Numpy_1D.ipynb
6-2_Numpy_2D.ipynb
6-3_Numpy_review.ipynb

اسلایدهای نامپای