آموزش تحلیل سری زمانی ارتفاع امواج اقیانوس با شبکه عصبی در محیط پایتون

دراین آموزش، از محیط پایتون به عنوان یک محیط برنامه نویسی ساده و قدرتمند برای پیاده سازی سری زمانی ارتفاع امواج اقیانوس استفاده می شود و درنهایت با استفاده از شبکه ی عصبی ارتباط میان داده ها تحلیل می شود. داده های ارتفاع امواج که ازسایت NOAA دانلود شده با استفاده از پکیج پانداز در محیط پایتون پاکسازی می شود. سپس سری زمانی و تاخیرها پیاده سازی می شود و درنهایت یک شبکه عصبی پرسپترون چندلایه به داده ها برازش داده می شود و دقت آن مورد ارزیابی قرار می گیرد .

مشخصات محصول:

• مدرس: پندار هادی نژاد
• تخصص: کارشناس عمران و محیط زیست
• موضوع: آموزش تحلیل سری زمانی ارتفاع امواج با استفاده از شبکه ی عصبی در محیط پایتون
• نرم افزار: Python 3
• مخاطب: علاقه مندان مهندسی دریا
• نوع آموزش: ویدیویی
• مدت زمان آموزش: ۵۴ دقیقه
• پاورپوینت: ندارد
• داده های تمرینی:‌ ندارد ولی به راحتی قابل دسترسی است
• پیش نیاز: آشنایی مقدماتی با پایتون

توضیحات محصول:

کاربرد این محصول در زمینه تهیه ی مقالات معتبر در زمینه ی پیش بینی سری زمانی ارتفاع امواج  است و هم چنین قابلیت استفاده در پیاده سازی سری های زمانی سایر پارامترهای با خصوصیات مشابه را دارا می باشد. هم چنین می تواند به عنوان یک ابزار برای پیش بینی دقیق ارتفاع امواج به منظور طراحی سازه های ساحلی و دریایی در پروژه های حوضه ی مهندسی دریا مورد استفاده قرار گیرد.

عناوین آموزشی:

عناوین آموزشی به شرح زیر می باشند:

• بخش اول : آشنایی با مفهوم سری زمانی و داده های دریافتی سری زمانی بویه ها از سایت NOAA
• بخش دوم : وارد شدن به محیط پایتون در ژوپیتر ، وارد کردن پکیج های مورد نیاز ، تمیزسازی داده های امواج با استفاده از پکیج پانداز
• بخش سوم و چهارم: پیاده سازی تاخیرها برای ایجاد سری زمانی ارتفاع امواج و تنظیمات وابستگی گام های زمانی
• بخش پنجم : برازش یک شبکه عصبی پرسپترون چندلایه به سری زمانی ارتفاع امواج و تخمین دقت مدل ایجاد شده بر اساس خطای خروجی مدل

تهیه محصول:

به منظور تهیه این محصول آموزشی بر روی گزینه زیر کلیک کرده و بلافاصله دانلود نمایید.

آموزش های زیر را در صورت تمایل ببینید:

• آموزش جامع کار با سری های زمانی با استفاده از پایتون
• آموزش پردازش تصاویر ماهواره ای در پایتون