SIMD

#آموزش
چرا باید در نامپای از آرایه های رنک 1 استفاده نکنیم...

#python #numpy #andrew_ng

دوستان، چون دیروز استثنائا زودتر تعطیل شد، این ویدیو را حتما خودتان ببینید.

سلام
برای جلسه ی پنجم نوت بوک نداشتیم. کدهایی که سر کلاس در نوت بوک زده شد خدمتتان ارسال میگردد.
همچنین اسلاید مربوط به مبحث دیکشنری ارسال شد.

سلام
جلسه #پنجم کلاس به مبحث دیکشنری و آرایه های نامپای و مبحث broadcasting اختصاص یافت.
متاسفانه ویدیو ضبط شده اشتباها پاک شد.
برای مرور مباحثی که پیرامون numpy و broadcasting و vectorization خواندیم پیشنهاد میکنم ویدیوهای پایین که از هفته دوم کورس کورسرای شبکه‌های عصبی و یادگیری عمیق دکتر Andrew Ng برداشته شده است استفاده کنید.


Vectorization (⏱8min)
https://bit.ly/2qo1t6D
More Vectorization Examples(⏱6min)
https://bit.ly/2qnYw63

Broadcasting in Python(⏱11min)
https://bit.ly/2HqlFwx

A note on python/numpy vectors(⏱7min)
https://bit.ly/2EESiUa

Why is #vectorization, faster in general, than loops?

https://stackoverflow.com/questions/35091979/why-is-vectorization-faster-in-general-than-loops

سلام.
سایت برای تمارین سری 1 مجددا تا ساعت 24 امشب باز شد.
لطفا به هر دلیلی در سایت آپلود نکرده اید اقدام فرمایید

#deep_learning منابع
سینتکس پایتون شامل توابع و متدهای مختلف را از لینک:
https://docs.python.org/3/tutorial/index.html

و توضیح کتابخانه ی numpy را از
https://cs231n.github.io/python-numpy-tutorial/

میتوانید بخوانید.

#تمرین سری 2

تمرین سری 2 برای آشنایی با دیکشنری ها است.
برای آشنایی عملی بیشتر با دیکشنری ها نوت‌بوک مربوط به آن در github قرار داده شد:

5-1_Dictionaries_v5.ipynb

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