четверг, 8 апреля 2021 г.

Setup numpy, matplotlib and scipy in Windows

Wiki:
3) 

Install instructions:

with pip:
python -m pip install -U numpy


with pip:
python -m pip install -U matplotlib


with pip:
python -m pip install -U scipy ipython jupyter pandas sympy nose

Github:

Lessons, guides:
2) NumPy в Python. Часть 1 https://habr.com/ru/post/352678/
5) Нескучный туториал по NumPy https://habr.com/ru/post/469355/
7) SciPy, оптимизация https://habr.com/ru/post/439288/
8) SciPy, алгоритмы на графах https://habr.com/ru/post/438464/
9) SciPy, оптимизация с условиями https://habr.com/ru/company/ods/blog/448054/
10) SciPy, ввод и вывод в MATLAB https://habr.com/ru/post/438600/
11) Способы создания гистограмм с помощью Python https://habr.com/ru/post/470535/
12) 50 оттенков matplotlib — The Master Plots (с полным кодом на Python) https://habr.com/ru/post/468295/
13) График счастья с python, pandas и matplotlib https://habr.com/ru/post/274927/

Машинное обучение:
1) Открытый курс машинного обучения. Тема 1. Первичный анализ данных с Pandas https://habr.com/ru/company/ods/blog/322626/
2) DeepPavlov стал частью Google Summer of Code в 2021 году https://habr.com/ru/company/ods/blog/549002/
3) Мои machine learning тулы для инвестирования https://habr.com/ru/company/ods/blog/548788/
4) Итоговые проекты курса Deep Learning in Natural Language Processing (by DeepPavlov Lab) https://habr.com/ru/company/ods/blog/514072/

Plotly, pandas, seaborn:
1) Шпаргалка по визуализации данных в Python с помощью Plotly https://habr.com/ru/post/502958/
2) Анализ данных с использованием Python https://habr.com/ru/post/353050/
3) Как строить красивые графики на Python с Seaborn https://habr.com/ru/company/otus/blog/540526/
4) Многомерные графики в Python — от трёхмерных и до шестимерных https://habr.com/ru/post/456282/
5) Продвинутый уровень визуализации данных для Data Science на Python https://habr.com/ru/company/skillfactory/blog/510320/

Курс лекций «Основы цифровой обработки сигналов» https://habr.com/ru/post/460445/.
1. Сигналы: аналоговые, дискретные, цифровые. Z-преобразование
https://nbviewer.org/github/hukenovs/dsp-theory/blob/master/src/dsp_theory_1_signals.ipynb
2. Преобразование Фурье: амплитудный и фазовый сигнала, ДПФ и БПФ
3. Свертка и корреляция. Линейная и циклическая свертка. Быстрая свёртка
4. Случайные процессы. Белый шум. Функция плотности вероятностей
5. Детерминированные сигналы. Модуляция: АМ, ЧМ, ФМ, ЛЧМ. Манипуляция
6. Фильтрация сигналов: БИХ, КИХ фильтры
7. Оконные функции в задачах фильтрации. Детектирование слабых сигналов
8. Ресемплинг: децимация и интерполяция. CIC-фильтры, фильтры скользящего среднего
9. Непараметрические методы спектрального анализа
10. Усреднение по частоте и по времени. Полифазный БПФ

Свертка:
1) Наглядно объясняем операцию свертки в моделях глубокого обучения https://proglib.io/p/convolution
2) Копируем человеческий мозг: операция «Свертка» https://habr.com/ru/articles/333772/
6) Свёртка в Deep Learning простыми словами https://www.reg.ru/blog/svyortka-v-deep-learning-prostymi-slovami/
7) Сверточный слой: методы оптимизации основанные на матричном умножении https://habr.com/ru/articles/448436/
8) Лекция 6а. Понятие свёртки https://bmstu-iu9.github.io/scheme-labs/lect06a.html
9) Линейная и циклическая свертка https://ru.dsplib.org/content/conv/conv.html
10) Лекция 21. Ядро Фейера. Операция свертки https://teach-in.ru/lecture/2022-04-20-Solodov-1

Комментариев нет:

Отправить комментарий