نامپای (به انگلیسی: NumPy) یک بستهٔ نرمافزاری قابل افزودن به پایتون است که کاربرد اصلیاش در مقاصد علمی و برای کار با اعداد است. پایتون به صورت پیشفرض تنها از آرایهها و متغیرها برای عملیات ریاضی ساده پشتیبانی میکند. بستهٔ نامپای ویژهٔ کار با اعداد از راه ماتریسها و آرایههای چندبعدی طراحی شده است. از ویژگیهای آرایهها در نامپای این است که میتوان اندازهٔ آنها به صورت پویا تغییر داد که این امر به افزایش سرعت برنامهنویسی کمک میکند.
❣ چگونه نسبت به خود #احساس بهتری داشته باشیم؟
بیاییم با خودمان قرار بگذاریم که:
راستگو و درستکار باشیم، به هر قیمتی! ممکن است در کوتاهمدت ضرر کنیم و فرصتهایی را از دست بدهیم
ولی باور کنید خیلی سودمند خواهد بود.
اولین و مهمترین سود آن:
احترام به خود و رضایت از خویشتن خواهد بود. این را نمی شود، خرید.
بلکه باید آن را در خودمان، فرزندانمان، شرکتمان، شهرمان ایجاد کنیم. این یک ارزش است. ارزشی که من و شما آن را درست و انتخاب میکنیم. تصمیم بگیریم که درستکار باشیم.
با هم تصمیم بگیریم:
کمک کنیم تا با رفتارمان، زندگی مان را بسازیم.
شهر و شرکت مان را بسازیم.
مشتری ها و اداره و سازمان مان را خوشحال نگه داریم.
کشور و ملت مان را سربلند کنیم.
ایمان و دین مان را سربلند کنیم.
فقط با رفتاری که امروز، من و شما انتخاب می کنیم.
بیاییم با خودمان قرار بگذاریم که:
راستگو و درستکار باشیم، به هر قیمتی! ممکن است در کوتاهمدت ضرر کنیم و فرصتهایی را از دست بدهیم
ولی باور کنید خیلی سودمند خواهد بود.
اولین و مهمترین سود آن:
احترام به خود و رضایت از خویشتن خواهد بود. این را نمی شود، خرید.
بلکه باید آن را در خودمان، فرزندانمان، شرکتمان، شهرمان ایجاد کنیم. این یک ارزش است. ارزشی که من و شما آن را درست و انتخاب میکنیم. تصمیم بگیریم که درستکار باشیم.
با هم تصمیم بگیریم:
کمک کنیم تا با رفتارمان، زندگی مان را بسازیم.
شهر و شرکت مان را بسازیم.
مشتری ها و اداره و سازمان مان را خوشحال نگه داریم.
کشور و ملت مان را سربلند کنیم.
ایمان و دین مان را سربلند کنیم.
فقط با رفتاری که امروز، من و شما انتخاب می کنیم.
یک کتابخانه متن باز برای زبان پایتون است که توسط گوگل در سال ۲۰۱۵ انتشار پیدا کرد. این کتابخانه در به برنامه نویسان کمک میکند تا بتواند طراحی و پیاده سازی شبکه های عصبی عمیق (Deep Learning Network) را به سادگی انجام دهند.
البته این که بخواهیم Tensorflow را فقط یک کتابخانه مربوط به شبکه های عصبی عمیق بدانیم، شاید کاره درستی نباشد. این کتابخانه در واقع یک چهارچوب نرم افزاری برای زبان پایتون است که به برنامه نویسان اجازه می دهد تا محاسبات خود را به صورت گراف (Graph) و جریان داده (Data Flow) انجام دهند. در Tensorflow همه چیز از گره (Node) و یال (Edge) تشکیل شده است. گره ها، در Tensorflow عملیات ریاضی هستند، این در حالی است که یال ها، همان داده ها را نمایش می دهند، که بین گره ها (عملیات ریاضی) جا به جا می شوند.
البته این که بخواهیم Tensorflow را فقط یک کتابخانه مربوط به شبکه های عصبی عمیق بدانیم، شاید کاره درستی نباشد. این کتابخانه در واقع یک چهارچوب نرم افزاری برای زبان پایتون است که به برنامه نویسان اجازه می دهد تا محاسبات خود را به صورت گراف (Graph) و جریان داده (Data Flow) انجام دهند. در Tensorflow همه چیز از گره (Node) و یال (Edge) تشکیل شده است. گره ها، در Tensorflow عملیات ریاضی هستند، این در حالی است که یال ها، همان داده ها را نمایش می دهند، که بین گره ها (عملیات ریاضی) جا به جا می شوند.
به خاطر پیاده سازی قدرتمند، کاربردهای بسیار زیادی در حوزه داده کاوی و یادگیری عمیق دارد. برای مثال از کاربردهای این چهارچوب نرم افزاری میتوان موارد زیر را بیان کرد:
» شناسایی کاراکتراهای عددی و حروفی
» شناسایی عناصر موجود در عکس
» تشخیص و طبقه بندی تصاویر (برای مثال اگر تصویر چند گربه را به شبکه بدهیم، میتواند این تصویر گربه را یادگرفته، و اگر از این به بعد تصاویر گربه به این شبکه داده شد، میتواند تشخیص دهد)
» شناسایی کاراکتراهای عددی و حروفی
» شناسایی عناصر موجود در عکس
» تشخیص و طبقه بندی تصاویر (برای مثال اگر تصویر چند گربه را به شبکه بدهیم، میتواند این تصویر گربه را یادگرفته، و اگر از این به بعد تصاویر گربه به این شبکه داده شد، میتواند تشخیص دهد)
خودت رو دوست داشته باش...
عشق من نسبت به خودم
من را از قربانی بودن به برنده بودن تبدیل می کند!
عشق من نسبت به خودم
تجربیات شگفت انگیزی را جذب می کند!
افرادی که نسبت به خودشان احساس خوبی دارند، به طور طبیعی جذاب هستند...!
👤 لوئیز هی
عشق من نسبت به خودم
من را از قربانی بودن به برنده بودن تبدیل می کند!
عشق من نسبت به خودم
تجربیات شگفت انگیزی را جذب می کند!
افرادی که نسبت به خودشان احساس خوبی دارند، به طور طبیعی جذاب هستند...!
👤 لوئیز هی
تلاش برای پیش بینی بورس چشماندازی دلفریب برای دانشمندان دادهای فراهم کرده است که بیش از سود مالی به مسائل چالشی علاقمند هستند. همه روزه میتوان شاهد فراز و نشیبهای بازار بورس بود و به این فکر کرد که آیا الگوهایی وجود دارند که افراد یا مدلها (یادگیری ماشین) بتوانند آنها را بیاموزند و بر اساس آنچه آموختهاند بر معاملهگرانی که مدارک تخصصی کسبوکار دارند غلبه کنند و به پیش بینی بورس بپردازند؟
«ویلیام کوهرسن» (William Koehrsen) در مطلبی با عنوان «پیش بینی بورس با پایتون» چنین میگوید: «هنگامی که من شروع به استفاده از مدلهای گوناگون برای پیشبینی سریهای زمانی کردم، مجبور بودم روشم را روی دادههای بازار بورس با سرمایههای شبیهسازی شده تست کنم. بنابراین، به ناچار به جمع کثیر افرادی پیوستم که در تلاش برای غلبه بر بازار با بهرهگیری از روشهای تحلیلی روز به روز (تحلیل دادههای روزانه) بودند و البته همه به نوعی شکست خوردند
«ویلیام کوهرسن» (William Koehrsen) در مطلبی با عنوان «پیش بینی بورس با پایتون» چنین میگوید: «هنگامی که من شروع به استفاده از مدلهای گوناگون برای پیشبینی سریهای زمانی کردم، مجبور بودم روشم را روی دادههای بازار بورس با سرمایههای شبیهسازی شده تست کنم. بنابراین، به ناچار به جمع کثیر افرادی پیوستم که در تلاش برای غلبه بر بازار با بهرهگیری از روشهای تحلیلی روز به روز (تحلیل دادههای روزانه) بودند و البته همه به نوعی شکست خوردند