
数学から人類を自由にせよ(基礎代数学編)
asdfghjkl13551941
¥8,670
入門 / algebra
4.9
(51)
中高校のコースで学ぶ数学の内容を圧縮した講義です。 必要な数学的知識、テクニックを各アイテムごとに多くの練習とともに学びます。
入門
algebra


講座 추천하고 성장과 수익을 만들어 보세요!

マーケティングパートナーズ
講座 추천하고 성장과 수익을 만들어 보세요!
NumPy (ナムパイ)
データ処理
データ演算
本講義は、人工知能特化カリキュラムAll about AIのpre-semester(本学期前の事前準備学期)に属する講義であり、
データ処理ライブラリ NumPy, Matplotlib, Pandas
最も重要なNumPyを扱う講義です。
Miro Link: https://miro.com/app/board/uXjVNJ8PZSs=/?share_link_id=801072444784
All About AIの紹介については、オリエンテーション講義を参照してください。
NumPyは、Numerical Pythonの略で、ベクトル、行列、およびそれ以上の高次テンソルを計算するために特化されているライブラリです。
このNumPyは、Pythonを利用してデータを扱うすべての人にとって必須となる技術であり、最も汎用的に使われるため、一度学んでおくと、孝子の噂をふさぐライブラリです。
今後はNumPyを利用して機械学習、ディープラーニングアルゴリズムを直接実装するので、これらを本格的に学ぶ前に必ず正しく学習しなければならないライブラリです。
NumPyは、データを扱う他のライブラリとの互換性がかなり良いです。
したがって、一度NumPyを正しく学ぶと、他のライブラリを使用するときの侵入障壁を減らすことができます。
ほとんどNumPyを扱う講義や教材では
np.sum, np.hstack, np.histogram
このようなAPIの使い方だけを重点的に扱います。
しかし!断然NumPyを使用するときにもっと重要なのは
Broadcasting, Fancy Indexing, Vectorization
同様に、NumPyが提供するndarrayオブジェクトを利用してクイックコードを作成します。
したがって、このレッスンでは、NumPyが提供する必須のAPIだけでなく、NumPyをより効率的に使用できる基本的なテクニックも大幅に扱います。
これにより、データを処理するコードを作成したときに、最も基本的なものが頑丈な人の一人になります。
このレッスンでは、次のようにNumPyが提供する必須APIの使い方を確実に学びます。
np.array
np.zeros
np.ones
np.empty
np.full
np.zeros_like
np.ones_like
np.empty_like
np.full_like
np.arange
np.linspace Chapter.3 np.positive
np.negative
np.add
np.subtract
np.multiply
np.power
np.divide
np.floor_divide
np.remainder Chapter.4 np.equal
np.not_equal
np.greater
np.greater_equal
np.less
np.less_equal
np.logical_not
np.logical_and
np.logical_or
np.logical_xor
np。 all
np。 any
np.isclose
np.allclose Chapter.6 np.square
np.reciprocal
np.sqrt
np.cbrt
np.exp
np.exp2
np.expm1
np.log
np.log2
np.log10 np.log1p
np.deg2rad
np.radians
np.rad2deg
np.degrees
np。 sin
np。 cos
np。タン
np。 sinh
np。 cosh np。 tanh
np.sign
np.absolute
np.trunc
np。 floor
np。 ceil
np.round
ndarray.round
np.clip
ndarray.clip Chapter.10 ndarray.copy
ndarray.view
ndarray.flatten
ndarray.flat
numpy.ravel
ndarray.ravel
np.reshape
ndarray.reshape
np.resize
ndarray.resize Chapter.11 np.squeeze
ndarray.squeeze
np.expand_dims
np.newaxis
np.moveaxis
np.swapaxes
np.transpose
ndarray.transpose
np.arcsin
np.arccos
np.arctan np.sinh
np.cosh
np.tanh
np.sign
np。 abs
np.floor
np.ceil
np.clip
np。 round
np.trunc
np.fix Chapter.12 np.random.rand
np.random.random
np.random.uniform
np.random.randint
np.random.randn
np.random.normal
np.random.choice
np.random.permutation
np.random.shuffle
np.random.seed np.random.default_rng
rng.random
rng.uniform
rng.integers
rng.standard_normal
rng.normal
rng.permutation
rng.choice
rng.shuffle Chapter.13 np。 sum
ndarray。 sum
np.prod
ndarray.prod
np.mean
ndarray.mean
np.var
ndarray.var
np.std
ndarray.std np.max
ndarray.max
np.min
ndarray.min
np.median
np.percentile
np.maximum
np.minimum
np.memdian
np.histogram np.cumsum
ndarray.cumsum
np.cumprod
ndarray.cumprod
np.ptp
ndarray.ptp
np.diff Chapter.14 np.sort
ndarray.sort
np.argsort
ndarray.argsort
np.argmax
ndarray.argmax
np.argmin
ndarray.argmin
np.nonzero
ndarray.nonzero
np.where
np.unique Chapter.15 np.hstack
np.vstack
np.concatenate
np.append
np.hsplit
np.vsplit
np.split
np.partition
ndarray.partition
np.argpartition
ndarray.argpartition Chapter.16 np.repeat
ndarray.repeat
np.tile
np.meshgrid Chapter.17 np.linalg.norm
np.dot
ndarray.dot
np.cross
np.outer
np.identity
np.eye
np.diag
np.trace ndarray.trace
ndarray.transpose
ndarray.T
np.matmul
np.linalg.det
np.linalg.inv
np.linalg.eig Chapter.18 ndarray.dtype
np.intX
np.uintX
np.floatX
ndarray.itemsize
ndarray.nbytes
ndarray.astype Chapter.19 np.save
np.load
np.savez
np.savez_compressed そして次の章では、ndarrayの基本的な使い方をそれぞれ学びます。
Chapter.5 - ブロードキャスト
Chapter.7 - Integer Indexing
Chapter.8 - Boolean Indexing
Chapter.9 - Slicing on ndarrays
Chapter.20 - ベクトル化技術
Practical Practices!このレッスンでは、NumPyのAPI、ndarrayの技術と一緒にこれを復習するために、機械学習、ディープラーニングで実際に使用されるコードを書いてみます。



Outer今後は、本講義で学んだ内容に基づいて様々なアルゴリズムを直接実装する予定です。
今回の機会に今後面白いアルゴリズムを作るためにNumPyをしっかり固める機会になればと思います。
学習対象は
誰でしょう?
NumPyを 제대로 배우고 싶은 분
データ分析をされる方
機械学習、ディープラーニングを学んでいる方
前提知識、
必要でしょうか?
Pythonの基礎文法
3,507
受講生
162
受講レビュー
85
回答
4.9
講座評価
16
講座
[LIKE LION] 人工知能中上級課程
[国立気象科学院] 2022年、2023年、2025年 気象AIブートキャンプ
[サムスン電機] 新入SW課程 専門クラス
[国家科学技術人力開発院] R&D遂行能力強化長期メンタリング
[国家科学技術人力開発院] R&D専門課程 eラーニングコンテンツ制作
[国家科学技術人力開発院] ポスドク研究員 研究データ視覚化課程
[円光大学校] 円光大学校 AI集合教育およびAI長短期課程
[韓国知能情報社会振興院] SW女性人材教育
[SK m&service] データに基づいた意思決定
[韓国ITビジネス振興協会] ICT COG Academy
[ソウル市教育庁] 新技術分野研修
[KT] KT AI 活用能力向上コース [K-ICT] データ安心区域分析キャンプ [京畿道経済科学振興院] 初めて学ぶビジョンAI [京畿道経済科学振興院] Pythonデータ分析
[KT] KT AI 活用能力向上コース
[K-ICT] データ安心区域分析キャンプ
[京畿道経済科学振興院] 初めて学ぶビジョンAI
[京畿道経済科学振興院] Pythonデータ分析入門
[ソウル科学技術院] AI活用深化教育
[ソウル大学校] AI活用能力強化教育
[HD韓国造船海洋] AIC AI研究職の職務能力評価開発
[マルチキャンパス] 原理から実装まで、機械学習の核心アルゴリズムマスター
[패스트캠퍼스] 数学的にアプローチするディープラーニング [패스트캠퍼스] 一気に終わらせる機械学習とデータ分析
[ファストキャンパス] 数学的にアプローチするディープラーニング
[패스트캠퍼스] 一気呵成に終わらせる機械学習とデータ分析 A-Z
[ファストキャンパス] バイトディグリー Lv.2 Deep Learning Essentials
[ファストキャンパス] ディープラーニング・人工知能 超格差
[ファストキャンパス] コンピュータ工学 超格差 VER.2
全体
192件 ∙ (35時間 9分)
講座資料(こうぎしりょう):
1. オリエンテーション
27:00
2. Lecture.1-1 NumPy入門
09:26
4. 講義.1-3 テンソル
11:54
14. レクチャー3-3 スカラー演算
12:43
15. 講義.3-4 べき乗演算とランダムデータ
14:48
16. 講義.3-5 単項算術演算
13:16
17. 講義.3-6 2進数演算
13:30
18. 講義.3-7 2進数演算API
12:11
全体
5件
5.0
5件の受講レビュー
受講レビュー 4
∙
平均評価 4.8
受講レビュー 14
∙
平均評価 3.9
5
PyTorchを学ぶための基礎講義...最高です。 シン・ギョンシク講師の講義はいつも正しい!!!
ありがとうございます!!より良いコンテンツの講義を提供できるよう最善を尽くします😃
受講レビュー 1
∙
平均評価 5.0
受講レビュー 13
∙
平均評価 5.0
知識共有者の他の講座を見てみましょう!
同じ分野の他の講座を見てみましょう!
¥5,549

