uz
Feedback
Python (Artificial intelligence and Data Science)

Python (Artificial intelligence and Data Science)

Kanalga Telegram’da o‘tish
1 109
Obunachilar
Ma'lumot yo'q24 soatlar
-17 kunlar
-730 kunlar
Postlar arxiv
https://www.aparat.com/v/ypoE3 ❕خب بریم توی این ویدیو یک مساله جذاب رو به روش بازگشتی حل کنیم. ❇️ با فهم این مساله تقریبا مفهوم بازگشتی به صورت کامل براتون جا میفته ؛)

🚩 این ویدیو رو حتما چند بار ببینید. ❇️ ویدیو بعدی که قرار هست بزارم براتون از مفاهیم بازگشتی است.

💠ویدیو جدید ❇️در این ویدیو خیلی ساده متن رو تبدیل به دستنوشته می‌کنیم ؛))))) ❕طول ویدیو : کوتاه است. 🌐 https://www.aparat.com/v/UyIrt

💠ویدیو جدید ❇️در این ویدیو خیلی ساده یک نمودار pie رسم می‌کنیم. ❕طول ویدیو : ۳ دقیقه 🌐 https://www.aparat.com/v/Qow7R
💠ویدیو جدید ❇️در این ویدیو خیلی ساده یک نمودار pie رسم می‌کنیم. ❕طول ویدیو : ۳ دقیقه 🌐 https://www.aparat.com/v/Qow7R

#موقت بچه ها مدارک فیزیکی که میرسه دستتون بهم خبر بدین ؛)) تا الان طبق پیام های به من ۹ نفر تحویل گرفتن گواهی الکترونیکی هم که ارسال شد در تلگرام برای دوستان. بجز یکی از دوستان که خودشم خبر داره باقی دوستان براشون مدارک ارسال شده است.

https://www.aparat.com/v/KhlOY ▫️ویدیو جدید با موضوع مرتب سازی شمارشی 🚩 این مرتب سازی جذابیت داره و یکم خاصه. 🏳️ داخل ویدیو هایی که از این به بعد میزارم مباحث رو یادآوری می‌کنم و یکم نکته های ریز جدید هم داخلشون گفته خواهد شد.

گواهی های الکترونیکی ارسال شد. گواهی های فیزیکی نیز بجز یک مورد فردا از طریق پست ارسال خواهد شد.

اطلاعیه همه گواهی ها به صورت دو‌زبانه فارسی-انگلیسی صادر شد. (حضور در دوره + گذراندن به صورت موفق)

🔰هسته پژوهشی طرح شهید احمدی روشن بنیاد ملی نخبگان با همراهی انجمن علمی مهندسی کامپیوتر برگزار می‌کند: 🔴 آشنایی با الگوریتم
🔰هسته پژوهشی طرح شهید احمدی روشن بنیاد ملی نخبگان با همراهی انجمن علمی مهندسی کامپیوتر برگزار می‌کند: 🔴 آشنایی با الگوریتم های یادگیری ماشین 🔵 هدف از این ارائه، آشنایی با الگوریتم های یادگیری ماشین است. در این راستا الگوریتم های یادگیری ماشین، یادگیری عمیق و یادگیری تقویتی مورد بررسی قرار گرفته و به برخی از کاربردهای عملی و پیاده سازی این روشها در بینایی ماشین و مباحث پزشکی از جمله پردازش تصاویر پزشکی و سیگنالهای حیاتی پرداخته خواهد شد. 🔶مباحث: ◀️آشنایی با الگوریتم های یادگیری ماشین کلاسیک ◀️آشنایی با الگوریتم های یادگیری عمیق ◀️آشنایی با الگوریتم های یادگیری تقویتی ◀️کاربردهای عملی و پیاده سازی یادگیری ماشین، یادگیری عمیق و یادگیری تقویتی 👩‍🏫 ارائه دهنده : 👩🏻‍🎓 مهسا بهرامی 🔷مختصری از سوابق : ▫️دانشجوی دکتری مهندسی پزشکی دانشگاه خواجه نصیرالدین طوسی ◾️دستیار آموزشی درس شناسایی الگو و … ▫️عضو هسته پژوهشی تشخیص اجسام خارجی در محصولات غذایی 🕗 زمان ارائه : 🚩 جمعه ۶ خرداد، ساعت 18:00 🔗 ثبت نام در ارائه : 💠 https://b2n.ir/MLBASU #هوش_مصنوعی #یادگیری_ماشین #یادگیری_تقویتی #یادگیری_عمیق

#Q3 import numpy as np from numpy.random import rand n = int(input("Enter Array Size : ")) random_array = np.random.randint(1000, size = n) print(type(random_array)) def sort_array(ndarray): for i in range(n-1): for j in range(0,n-1): if ndarray[j] > ndarray[j+1]: ndarray[j], ndarray[j+1] = ndarray[j+1], ndarray[j] return ndarray random_array = sort_array(random_array) for i in random_array: print(i, end=", ") np.savetxt('python1400.csv', random_array)

#Q2 sum = 0 counter = 0 x = int(input("Enter number : ")) while(x != 0): if x > 0: sum += x counter += 1 x = int(input("Enter number : ")) print("Sum : ", sum) if counter != 0: print("Avg : ", (sum/counter)) else: print("Avg : 0")

#Q1 def printdict(d): for item in d: print(item, " ===> ", d[item])

✴️یک نمونه از پاسخ های بخش تشریحی رو براتون ارسال می‌کنم. 🖋لزوما همین موارد پاسخ نیست و راه حل های مختلف تماما در صورت صحیح بودن مورد بررسی قرار گرفته اند.

دوره بعدی

توضیحات پایانی

خب میتونید با استفاده از لینک فوق مجدد آزمون رو‌ همینجوری برای خودتون شرکت کنید در پایان بهتون پاسخ صحیح رو هم نشون خواهد داد.

نمرات تستی به ترتیب از بالاترین به پایین ترین