کار با داده ها به راحتی یک صفحه گسترده - 2
قبلا در این پست در خصوص ماژول D-Tale و امکاناتی که برای کار با داده ها در قالب یک صفحه گسترده فراهم می کرد صحبت کردیم.
این بار با ماژول دیگری به نام Mito آشنا می شویم. شعار این ماژول عبارت است از:
Do Python analyses 10x faster
که گویای هدف سازندگان آن است. توجه داشته باشید که این ماژول صرفا روی Jupyter Lab اجرا می شود.
بعد از نصب این ماژول می توانید با دو خط زیر Mito را فراخوانی کنید و کار با داده ها را در یک محیط بسیار کاربر پسند دنبال کنید.
import mitosheet
mitosheet.sheet()
برای اطلاعات بیشتر می توانید به صفحه این ماژول در این آدرس مراجعه نمایید.
#Data_table
#Data_farme
#pandas
#Mito
#DTale
#python
پایتون برای مالی در تلگرام
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug
قبلا در این پست در خصوص ماژول D-Tale و امکاناتی که برای کار با داده ها در قالب یک صفحه گسترده فراهم می کرد صحبت کردیم.
این بار با ماژول دیگری به نام Mito آشنا می شویم. شعار این ماژول عبارت است از:
Do Python analyses 10x faster
که گویای هدف سازندگان آن است. توجه داشته باشید که این ماژول صرفا روی Jupyter Lab اجرا می شود.
بعد از نصب این ماژول می توانید با دو خط زیر Mito را فراخوانی کنید و کار با داده ها را در یک محیط بسیار کاربر پسند دنبال کنید.
import mitosheet
mitosheet.sheet()
برای اطلاعات بیشتر می توانید به صفحه این ماژول در این آدرس مراجعه نمایید.
#Data_table
#Data_farme
#pandas
#Mito
#DTale
#python
پایتون برای مالی در تلگرام
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug
@Python4finance_Machine Learning with graphs.rar
312.4 MB
دانلود اسلایدهای درس یادگیری ماشین با گراف ها (Machine Learning with Graphs) دانشگاه استفورد
یادگیری ماشین یکی از بحث های بسیار زیبا و کاربردی است که جای خود را تقریبا در تمام عرصه های دانش باز کرده است خصوصا زمانی که داده های زیاد و مدلهای اندکی داریم، این ابزار بسیار کاربردی است.
زمانی که داده های زیادی داریم که ارتباط های خاصی بین داده ها برقرار می شود می توان از مدلهای شبکه عصبی و یادگیری عمیق استفاده کرد. گراف یکی از مهمترین ابزارها در این مدل یادگیری است و روابط بین متغیرها را دقیق تر دنبال می کند. برای مثال یک شبکه اجتماعی مثل تلگرام را در نظر بگیرید. کاربران را می توان گره ها و یال ها را می توان پیام های ارسالی و دریافتی درنظر گرفت.
دوره یادگیری ماشین با گراف های دانشگاه استنفورد یکی از پر سابقه ترین دوره های این حوزه است. در صورتی که به این دوره علاقه داشتید می توانید از طریق این لینک اطلاعات دوره را دریافت کنید.
#اسلاید
#یادگیری_ماشین
#دانشگاه_استنفورد
#پایتون_مالی
#slide
#Machine_learning
#Stanford
#python_for_finance
پایتون برای مالی در تلگرام
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug
یادگیری ماشین یکی از بحث های بسیار زیبا و کاربردی است که جای خود را تقریبا در تمام عرصه های دانش باز کرده است خصوصا زمانی که داده های زیاد و مدلهای اندکی داریم، این ابزار بسیار کاربردی است.
زمانی که داده های زیادی داریم که ارتباط های خاصی بین داده ها برقرار می شود می توان از مدلهای شبکه عصبی و یادگیری عمیق استفاده کرد. گراف یکی از مهمترین ابزارها در این مدل یادگیری است و روابط بین متغیرها را دقیق تر دنبال می کند. برای مثال یک شبکه اجتماعی مثل تلگرام را در نظر بگیرید. کاربران را می توان گره ها و یال ها را می توان پیام های ارسالی و دریافتی درنظر گرفت.
دوره یادگیری ماشین با گراف های دانشگاه استنفورد یکی از پر سابقه ترین دوره های این حوزه است. در صورتی که به این دوره علاقه داشتید می توانید از طریق این لینک اطلاعات دوره را دریافت کنید.
#اسلاید
#یادگیری_ماشین
#دانشگاه_استنفورد
#پایتون_مالی
#slide
#Machine_learning
#Stanford
#python_for_finance
پایتون برای مالی در تلگرام
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug