در این مطلب، ویدئو پایتون: تحلیل شطرنجی با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:59:29
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,060 –> 00:00:02,460
اسم من کوین جانستون است و این
2
00:00:02,460 –> 00:00:04,560
احمقانه است و ما سال هاست در حال توسعه نرم افزار
3
00:00:04,560 –> 00:00:07,170
و تحلیلگر فضایی
4
00:00:07,170 –> 00:00:09,120
هستیم و به
5
00:00:09,120 –> 00:00:11,580
وضوح در مورد ریستر و پایتون با شما صحبت خواهیم کرد که
6
00:00:11,580 –> 00:00:15,360
چند نفر در اینجا پایتون را انجام می دهند،
7
00:00:15,360 –> 00:00:17,010
چند نفر از آن افراد با آنها پایتون را انجام می دهند. دست ها بالا
8
00:00:17,010 –> 00:00:22,260
نینجاهای پایتون هستند اوه نه آه ما یک نینجا داریم فقط
9
00:00:22,260 –> 00:00:25,529
اوه ما دیگری داریم اما هیچ کس
10
00:00:25,529 –> 00:00:32,579
مطمئن نیست بله من یک نینجا هستم به هر حال
11
00:00:32,579 –> 00:00:36,630
چند نفر از جبر نقشه و
12
00:00:36,630 –> 00:00:40,800
تحلیلگر فضایی تقریباً همه استفاده می کنند بنابراین این
13
00:00:40,800 –> 00:00:46,680
خوب است که چه کاری انجام می دهیم.
14
00:00:46,680 –> 00:00:49,829
در واقع حل یک مدل یا ایجاد یک مدل
15
00:00:49,829 –> 00:00:51,960
نمی تواند مانع یک مادر شود. من از شما می گویم که یک
16
00:00:51,960 –> 00:00:55,230
مدل بسازید و کاری که ما می خواهیم انجام دهیم این است که
17
00:00:55,230 –> 00:00:58,109
ابتدا با شما در مورد مدیریت فهرست ها
18
00:00:58,109 –> 00:01:00,870
با جبر نقشه
19
00:01:00,870 –> 00:01:02,520
صحبت کنیم.
20
00:01:02,520 –> 00:01:05,430
در آن مرحله چیز جدیدی به دست نمیآید، فقط
21
00:01:05,430 –> 00:01:08,400
برای تکمیل این است که میتوانید از طریق
22
00:01:08,400 –> 00:01:10,740
جبر نقشه مدیریت کنید، ما بیشتر از
23
00:01:10,740 –> 00:01:13,229
قابلیتهای تحلیلی از طریق
24
00:01:13,229 –> 00:01:15,990
جبر نقشه ادغام شده در پایتون صحبت خواهیم کرد،
25
00:01:15,990 –> 00:01:18,330
سپس در مورد بهینهسازی در این
26
00:01:18,330 –> 00:01:20,430
مرحله بسیاری از y صحبت خواهیم کرد. شما باید
27
00:01:20,430 –> 00:01:22,290
نگران بهینه سازی باشید، به همین دلیل است که شما در
28
00:01:22,290 –> 00:01:24,420
پایتون به دنبال سرعت هستید و به همین ترتیب
29
00:01:24,420 –> 00:01:26,970
نکاتی را به شما ارائه می
30
00:01:26,970 –> 00:01:29,759
دهیم که ما در مورد کلاس هایی صحبت خواهیم کرد که چه تعداد از افراد
31
00:01:29,759 –> 00:01:33,540
از کلاس ها استفاده می کنند و به ویژه تحلیلگران
32
00:01:33,540 –> 00:01:36,750
ویژه تعداد کمتری دست دارند. پایین است
33
00:01:36,750 –> 00:01:38,159
و دلایلی برای آن وجود دارد
34
00:01:38,159 –> 00:01:40,710
شاید قرار گرفتن در
35
00:01:40,710 –> 00:01:43,200
36
00:01:43,200 –> 00:01:46,500
37
00:01:46,500 –> 00:01:50,070
38
00:01:50,070 –> 00:01:54,750
39
00:01:54,750 –> 00:01:59,149
معرض آن باشد. دوباره در مورد حشرات صحبت خواهم کرد
40
00:01:59,149 –> 00:02:02,840
توجه کنید من نگفتم حشرات وجود دارد، هیچ
41
00:02:02,840 –> 00:02:07,170
حشره شناس در اتاق وجود دارد، حالا
42
00:02:07,170 –> 00:02:08,459
43
00:02:08,459 –> 00:02:11,890
به هر حال برای مخاطبان فنی بیشتر خواهد بود، بنابراین نه، خوب هستم، فقط
44
00:02:11,890 –> 00:02:15,170
سایر زیست شناسان می دانند که
45
00:02:15,170 –> 00:02:16,850
درست است،
46
00:02:16,850 –> 00:02:19,670
یک Shamu موجود کوچک زیبایی را به دنیا آورد،
47
00:02:19,670 –> 00:02:24,010
یعنی این موجودی بسیار زیبا،
48
00:02:24,010 –> 00:02:27,530
اما هر کسی از میشیگان اوهایو در ساحل شرقی،
49
00:02:27,530 –> 00:02:32,030
هر کسی از چند
50
00:02:32,030 –> 00:02:37,340
درخت خاکستر شما، پس هیچ کدام چقدر درختان خاکستر ما بزرگ
51
00:02:37,340 –> 00:02:40,460
هستند، زیرا یکی از بزرگترین درختان
52
00:02:40,460 –> 00:02:43,280
این یک معامله بزرگ است و ساحل شرقی
53
00:02:43,280 –> 00:02:46,220
در میشیگان هجوم میآورد درختان خاکستر
54
00:02:46,220 –> 00:02:50,840
از این رو – اما بورر 100% میکشند
55
00:02:50,840 –> 00:02:52,340
56
00:02:52,340 –> 00:02:53,690
اگر دور اول شما را نگیرند، دور دوم شما
57
00:02:53,690 –> 00:02:55,730
58
00:02:55,730 –> 00:02:58,190
را خواهند گرفت. بقیه
59
00:02:58,190 –> 00:03:00,650
را بکشید به ورمونت می آید در واقع به ورمونت نمی
60
00:03:00,650 –> 00:03:02,810
آید من اهل ورمونت هستم
61
00:03:02,810 –> 00:03:04,490
متاسفم به همین دلیل است و
62
00:03:04,490 –> 00:03:07,490
اتصال ورمونت در واقع اکنون در ورمونت است
63
00:03:07,490 –> 00:03:12,550
و در آنجا خاکستر شده است این یک نگرانی واقعی است که
64
00:03:13,390 –> 00:03:16,100
در اینجا این است که ما چگونه می خواهیم تنظیم کنیم در
65
00:03:16,100 –> 00:03:18,290
اینجا به جای اینکه فقط
66
00:03:18,290 –> 00:03:19,910
تابع تابع تابع شما را پرتاب کنیم، ما سعی می کنیم
67
00:03:19,910 –> 00:03:23,150
به شما نشان دهیم که چگونه یک مسئله پیچیده
68
00:03:23,150 –> 00:03:25,820
را در پایتون و در پایتون
69
00:03:25,820 –> 00:03:29,510
و جبر نقشه حل کنید و چیزی که من در مورد
70
00:03:29,510 –> 00:03:31,700
این جلسه دوست دارم این است که در پایان شما
71
00:03:31,700 –> 00:03:34,700
هرگز نمی پرسید هی آیا تحلیلگران فضایی می توانند این کار را انجام دهند
72
00:03:34,700 –> 00:03:37,280
یا این که شما واقعاً در
73
00:03:37,280 –> 00:03:40,340
مورد حل مسئله پرسیدید، من
74
00:03:40,340 –> 00:03:43,190
همیشه می گویم اگر می توانید اگر نمی توانید
75
00:03:43,190 –> 00:03:45,230
مشکل را به زبان انگلیسی توصیف کنید،
76
00:03:45,230 –> 00:03:47,420
نمی توانید آن را مدل کنید، این سخت ترین بخش است
77
00:03:47,420 –> 00:03:49,640
، ابزارها نسبتاً
78
00:03:49,640 –> 00:03:51,620
ساده هستند. و مخصوصاً برای افرادی که
79
00:03:51,620 –> 00:03:54,890
در این مخاطب هستند، بنابراین خاکستر خاکستر
80
00:03:54,890 –> 00:03:58,970
با پرواز حرکت میکند و این است که من
81
00:03:58,970 –> 00:04:01,310
قوانین و غیره را با
82
00:04:01,310 –> 00:04:03,500
خدمات دریافت میکنم زیرا بدیهی است که این یک
83
00:04:03,500 –> 00:04:06,860
نگرانی بزرگ است اما آنها خیلی دور پرواز نمیکنند
84
00:04:06,860 –> 00:04:09,260
20 کیلومتر اما مسئله مهم این است
85
00:04:09,260 –> 00:04:10,970
که حرکت دوم از طریق
86
00:04:10,970 –> 00:04:14,270
اتوتوپینگ است. آنها در واقع به کسی
87
00:04:14,270 –> 00:04:16,790
در ورمونت پول می دهند تا لباس یک گراز شامو بپوشد
88
00:04:16,790 –> 00:04:19,149
و در کنار جاده بایستد.
89
00:04:19,149 –> 00:04:21,440
90
00:04:21,440 –> 00:04:23,370
91
00:04:23,370 –> 00:04:28,630
– من بیدارم یا می گویم
92
00:04:28,630 –> 00:04:30,100
یک پیام این است که خیلی سنگین
93
00:04:30,100 –> 00:04:32,260
است، ما می پریم داخل جلوپنجره ماشین و
94
00:04:32,260 –> 00:04:35,020
سپس مردم ماساچوست بالا می آیند
95
00:04:35,020 –> 00:04:37,150
و می گویند ورمونت زیبا و آنها
96
00:04:37,150 –> 00:04:39,340
در استو ورمونت می ایستند و من خیلی
97
00:04:39,340 –> 00:04:41,470
فقیر هستم. ماشین را ترک نمیکند، این یک
98
00:04:41,470 –> 00:04:45,190
نگرانی اصلی است کمپینگها بدیهی است که یک
99
00:04:45,190 –> 00:04:48,700
منطقه محبوب
100
00:04:48,700 –> 00:04:51,610
101
00:04:51,610 –> 00:04:54,790
102
00:04:54,790 –> 00:04:56,710
103
00:04:56,710 –> 00:05:00,100
است. صنوبر را می گیرم
104
00:05:00,100 –> 00:05:03,130
چوب چوبی از ورمونت دیگر، بنابراین شما باید
105
00:05:03,130 –> 00:05:04,210
آن را در ورمونت بخرید،
106
00:05:04,210 –> 00:05:07,240
بنابراین ما قصد داریم به اتوتوپینگ نگاه کنیم
107
00:05:07,240 –> 00:05:09,280
و راه سوم حرکت،
108
00:05:09,280 –> 00:05:11,230
حرکت تصادفی است، حرکتی است که نمیتوانیم
109
00:05:11,230 –> 00:05:13,750
آن را به طور قطعی توصیف کنیم، بنابراین بیایید این کار را انجام
110
00:05:13,750 –> 00:05:13,930
دهیم
111
00:05:13,930 –> 00:05:17,830
، به همین دلیل است که شما اینجا هستید. چرا این
112
00:05:17,830 –> 00:05:21,520
مشکل پیچیده است،
113
00:05:21,520 –> 00:05:23,560
انواع ورودیهای زیادی دارد، شما میتوانید سناریوهای زیادی را اجرا
114
00:05:23,560 –> 00:05:26,230
کنید، پویا است، زیرا ما
115
00:05:26,230 –> 00:05:28,480
حرکت را در یک سال
116
00:05:28,480 –> 00:05:32,190
به سال بعد تغذیه میکنیم – سال
117
00:05:32,190 –> 00:05:36,010
بعد به قابلیتهای پیشرفتهتری نیاز دارد
118
00:05:36,010 –> 00:05:38,470
که فقط در ArcGIS و ما باید
119
00:05:38,470 –> 00:05:43,080
آن را بهینه کنیم، این یک مثال عالی برای
120
00:05:43,080 –> 00:05:50,200
جبر نقشه و پایتون است، بسیار خوب، ما می خواهیم
121
00:05:50,200 –> 00:05:52,330
مدل را به ابتدا تقسیم کنیم، داده هایی را
122
00:05:52,330 –> 00:05:54,700
آماده می کنیم که
123
00:05:54,700 –> 00:05:57,100
یک سال در سال آینده تکرار شونده است
124
00:05:57,100 –> 00:05:58,960
و در واقع ما در واقع تغذیه می کنیم.
125
00:05:58,960 –> 00:06:01,090
فصل به فصل در بخشی از مدلها
126
00:06:01,090 –> 00:06:03,970
و ما سه مدل مختلف خواهیم داشت،
127
00:06:03,970 –> 00:06:05,740
یکی برای پرواز،
128
00:06:05,740 –> 00:06:09,540
یکی برای اتوتوپینگ و دیگری برای تصادفی،
129
00:06:10,470 –> 00:06:13,300
بیایید دادهها را آماده
130
00:06:13,300 –> 00:06:14,860
131
00:06:14,860 –> 00:06:17,410
کنیم.
132
00:06:17,410 –> 00:06:19,570
چیزهایی که معمولاً روزانه از آنها استفاده
133
00:06:19,570 –> 00:06:23,760
می کنید، می توانید با استفاده از جبر نقشه، کلیپ موزاییک کنید،
134
00:06:23,760 –> 00:06:26,410
اما یک چیز برجسته
135
00:06:26,410 –> 00:06:28,930
به نام شی شطرنجی رمزگذار وجود
136
00:06:28,930 –> 00:06:32,020
دارد که واقعاً چند نفر با استفاده از
137
00:06:32,020 –> 00:06:34,360
جبر نقشه در مدل ها و غیره با استفاده از
138
00:06:34,360 –> 00:06:35,710
تحلیلگر فضایی کدنویسی
139
00:06:35,710 –> 00:06:38,840
می کنند. اگر چند نفر
140
00:06:38,840 –> 00:06:42,560
با اشیاء شطرنجی آشنا هستند، می توان دروغ
141
00:06:42,560 –> 00:06:43,639
142
00:06:43,639 –> 00:06:46,190
نگوید، اگر من همیشه بگویم اگر هیچ چیز دیگری
143
00:06:46,190 –> 00:06:48,080
از این ارائه به دست نیاوردید، امیدوارم
144
00:06:48,080 –> 00:06:50,629
تمام اهمیت یک
145
00:06:50,629 –> 00:06:52,550
شی شطرنجی و اینکه چقدر
146
00:06:52,550 –> 00:06:57,470
برای کدنویسی شما حیاتی خواهد بود، مشخص شود. و ایجاد مدل
147
00:06:57,470 –> 00:06:59,780
را عمدتاً تجزیه و تحلیل انجام
148
00:06:59,780 –> 00:07:01,789
میدهیم، بنابراین بله، میتوانیم مدیریت دادهها را انجام دهیم، اما
149
00:07:01,789 –> 00:07:03,800
فرض میکنیم که شما با آن بیشتر آشنا
150
00:07:03,800 –> 00:07:05,240
هستید، اما ما واقعاً میخواهیم
151
00:07:05,240 –> 00:07:08,300
تجزیه و تحلیل را با جبر نقشه انجام دهیم چرا
152
00:07:08,300 –> 00:07:09,349
جبر نقشه
153
00:07:09,349 –> 00:07:12,710
یک جبری قدرتمند است. نحو و
154
00:07:12,710 –> 00:07:14,690
به شما این امکان را می دهد که بیان پیچیده ای انجام دهید و
155
00:07:14,690 –> 00:07:17,419
بنابراین بهینه سازی و سرعت زیادی را به دست آورید، به
156
00:07:17,419 –> 00:07:19,340
طور کلی، ما این
157
00:07:19,340 –> 00:07:22,009
مدل ها را در مجموعه داده های بزرگ چندین بار اجرا می کنیم،
158
00:07:22,009 –> 00:07:23,690
بنابراین سرعت به i تبدیل می شود. مسائل
159
00:07:23,690 –> 00:07:28,340
در سراسر جبر نقشه در داخل
160
00:07:28,340 –> 00:07:31,520
تحلیلگر فضایی است که یک ماژول در
161
00:07:31,520 –> 00:07:35,960
پایتون است و به طور کامل در پایتون ادغام شده است.
162
00:07:35,960 –> 00:07:38,659
163
00:07:38,659 –> 00:07:45,889
164
00:07:45,889 –> 00:07:48,919
165
00:07:48,919 –> 00:07:51,190
قبلاً یک
166
00:07:51,190 –> 00:07:55,069
زبان اسکریپت نویسی اختصاصی با ArcGIS بود، اما
167
00:07:55,069 –> 00:07:56,960
در پایان ما به شی
168
00:07:56,960 –> 00:08:00,699
یا جهان رفتیم و اینطور شد که پایتون
169
00:08:00,699 –> 00:08:03,949
هر محصولی برای کسانی نیست که همه
170
00:08:03,949 –> 00:08:05,409
نمی دانند که یک
171
00:08:05,409 –> 00:08:07,759
محیط برنامه نویسی شی گرا عمومی است
172
00:08:07,759 –> 00:08:10,159
. دوباره شی گرا است، بنابراین ما
173
00:08:10,159 –> 00:08:17,659
می توانیم پایتون را به کار بگیریم که اکنون چگونه است
174
00:08:17,659 –> 00:08:19,310
.
175
00:08:19,310 –> 00:08:20,449
176
00:08:20,449 –> 00:08:23,599
177
00:08:23,599 –> 00:08:27,199
178
00:08:27,199 –> 00:08:31,069
179
00:08:31,069 –> 00:08:33,229
اگر همه
180
00:08:33,229 –> 00:08:35,599
ماژولهای ریاضی یا سایر ماژولها را
181
00:08:35,599 –> 00:08:38,269
در پایتون وارد نکردهاید، شما فقط به
182
00:08:38,269 –> 00:08:41,469
آن پایتون را در مورد قابلیتهای بیشتر آموزش
183
00:08:41,469 –> 00:08:44,000
میدهید، فکر میکنید خط بعدی
184
00:08:44,000 –> 00:08:48,020
چه میکند، حتی اگر بگویید اشتباه نمیکنید
185
00:08:48,020 –> 00:08:48,980
این اشتباه است
186
00:08:48,980 –> 00:08:53,180
که شما خیلی خوب به نظر می رسید، بنابراین
187
00:08:53,180 –> 00:08:56,410
اگر با شما صحبت می
188
00:08:56,410 –> 00:08:59,269
189
00:08:59,269 –> 00:09:02,750
کنم دلیل این کار
190
00:09:02,750 –> 00:09:07,820
را می کنم.
191
00:09:07,820 –> 00:09:12,470
شاید اشتباه می کنید
192
00:09:12,470 –> 00:09:18,500
شوخی می کنم شوخی می کنم شما آیا
193
00:09:18,500 –> 00:09:20,570
همه محیط تجزیه و تحلیل
194
00:09:20,570 –> 00:09:22,880
در داخل تحلیلگر فضایی یا در تمام
195
00:09:22,880 –> 00:09:26,990
GIS ما را می شناسند یا در جایی که اندازه سلول می توانم اندازه سلول را
196
00:09:26,990 –> 00:09:29,089
تنظیم کنم می توانم فهرست کارکنان را تنظیم
197
00:09:29,089 –> 00:09:33,320
کنم آه بله اما این چیزی است
198
00:09:33,320 –> 00:09:36,589
که اتفاق میافتد، بنابراین a و V
199
00:09:36,589 –> 00:09:38,600
یک شی خواهد بود که دارای روشها و
200
00:09:38,600 –> 00:09:40,970
ویژگیهایی برای آوردن ویژگیها خواهد بود و
201
00:09:40,970 –> 00:09:42,680
من نمیدانم که آنها متد را تمام کنند،
202
00:09:42,680 –> 00:09:44,600
اما مشخصهها به
203
00:09:44,600 –> 00:09:47,089
اندازه سلولها و تجزیه و تحلیلهای مختلف خواهند بود.
204
00:09:47,089 –> 00:09:48,800
پارامترها و ما میخواهیم آنها را
205
00:09:48,800 –> 00:09:52,550
در سرتاسر کلید خود تنظیم کنیم، خط سه شماره سه است
206
00:09:52,550 –> 00:09:55,790
و من حتی در این مورد به شما کمک میکنم،
207
00:09:55,790 –> 00:09:57,980
بدیهی است که ما در حال وارد کردن
208
00:09:57,980 –> 00:10:02,329
تحلیلگر فضایی هستیم، بنابراین سنجش نقطهای
209
00:10:02,329 –> 00:10:05,329
را وارد میکنیم، اما به روشی خاص وارد میکنیم که
210
00:10:05,329 –> 00:10:08,420
این کار را انجام میدهیم. ستاره اجازه می دهد ما میتوانیم
211
00:10:08,420 –> 00:10:11,839
فرمت جبری را با نحو خود انجام دهیم، بنابراین
212
00:10:11,839 –> 00:10:13,880
اگر این کار را انجام نمیدادیم، باید
213
00:10:13,880 –> 00:10:16,490
از پردازش جغرافیایی استفاده کنیم که در آن
214
00:10:16,490 –> 00:10:19,040
خروجی باید در خود تابع مشخص شود، در
215
00:10:19,040 –> 00:10:22,269
اینجا ما داریم جبری را انجام
216
00:10:22,269 –> 00:10:27,649
217
00:10:27,649 –> 00:10:31,040
میدهیم. حالا میخواهیم قالب جبری را انجام دهیم
218
00:10:31,040 –> 00:10:34,910
و همانطور که میبینید منظورم این است که
219
00:10:34,910 –> 00:10:39,889
arc PI و si import را وارد
220
00:10:39,889 –> 00:10:42,050
میکنیم به نظر شما خط بعدی
221
00:10:42,050 –> 00:10:47,360
222
00:10:47,360 –> 00:10:52,389
چه کاری انجام میدهد.
223
00:10:53,820 –> 00:10:56,440
بیایید آن را تجزیه کنیم، بنابراین
224
00:10:56,440 –> 00:10:59,500
شیب میگیریم و شیب را به چه چیزی وارد میکنیم اعمال میکنیم.
225
00:10:59,500 –> 00:11:04,960
226
00:11:04,960 –> 00:11:09,310
227
00:11:09,310 –> 00:11:11,710
228
00:11:11,710 –> 00:11:16,930
به هر حال،
229
00:11:16,930 –> 00:11:18,940
یا شی یا متغیر است،
230
00:11:18,940 –> 00:11:21,610
اگر مجموعه داده ای از نقل قول ها باشد، مجموعه داده نیست
231
00:11:21,610 –> 00:11:25,990
و این یکی از آن مشکلات است، بنابراین
232
00:11:25,990 –> 00:11:28,540
ما می رویم و سپس
233
00:11:28,540 –> 00:11:30,550
با شیب چه کنیم که آن را ارسال می کنیم. به خارج از
234
00:11:30,550 –> 00:11:36,820
Raths که یک یای شطرنجی است اشیاء
235
00:11:36,820 –> 00:11:38,890
موقتی هستند، به همین دلیل است که شما خواهید دید
236
00:11:38,890 –> 00:11:41,080
اهمیت آن زبان
237
00:11:41,080 –> 00:11:44,080
از ورودی ها تشکیل شده است،
238
00:11:44,080 –> 00:11:46,330
پارامترها و خروجی های ابزار اپراتورهای داده، اجازه دهید به
239
00:11:46,330 –> 00:11:50,530
سرعت برخی از آنها را ببینیم ورودی آن
240
00:11:50,530 –> 00:11:52,660
همه کاری است که می توانید در تحلیلگر فضایی انجام دهید،
241
00:11:52,660 –> 00:11:55,360
تحلیلگر فضایی است و فقط
242
00:11:55,360 –> 00:11:58,330
از طریق قالب جبری است، بنابراین همه
243
00:11:58,330 –> 00:12:01,000
ابزارها در دسترس شما هستند. و
244
00:12:01,000 –> 00:12:03,430
هر ابزاری که در
245
00:12:03,430 –> 00:12:05,740
دسترس شماست، میتوانم در شطرنجی
246
00:12:05,740 –> 00:12:07,840
دادههای ویژگی مانند منابع من برای
247
00:12:07,840 –> 00:12:08,950
فاصله
248
00:12:08,950 –> 00:12:13,240
اقلیدسی قرار دهم، این همه چیز خوب است.
249
00:12:13,240 –> 00:12:16,300
250
00:12:16,300 –> 00:12:24,370
251
00:12:24,370 –> 00:12:27,280
من چقدر در این مورد بسیار مراقب هستم،
252
00:12:27,280 –> 00:12:29,590
یک رشته ذخیره می کند، اما چیزی که در
253
00:12:29,590 –> 00:12:33,100
حالت استراحت یا خودش است، فقط یک متغیر است
254
00:12:33,100 –> 00:12:35,860
و یک رشته را ذخیره می کند و من
255
00:12:35,860 –> 00:12:38,050
همیشه متوجه می شوم که این یک مجموعه داده را ذخیره می
256
00:12:38,050 –> 00:12:42,160
کند نه، یک دوره رشته است نه
257
00:12:42,160 –> 00:12:45,760
بیشتر به آن فکر نکنید، هر چه بیشتر
258
00:12:45,760 –> 00:12:48,370
فکر کنید در کدنویسی بدتر می شوید
259
00:12:48,370 –> 00:12:51,580
این است که درست نیست، به همین دلیل است که ما
260
00:12:51,580 –> 00:12:53,520
در هر کاری
261
00:12:53,520 –> 00:12:57,790
خوب هستیم، بنابراین در عوض در اینجا
262
00:12:57,790 –> 00:13:02,200
داریم متغیری را اختصاص می دهیم که شیب آن را در نظر می گیریم. e
263
00:13:02,200 –> 00:13:03,790
در شطرنجی که یک
264
00:13:03,790 –> 00:13:06,339
متغیر رشتهای است و سپس
265
00:13:06,339 –> 00:13:08,470
شیب میداند که مجموعه دادهای است که
266
00:13:08,470 –> 00:13:12,069
وقتی آن را دریافت میکنیم، اما در آن نقطه اگر
267
00:13:12,069 –> 00:13:14,050
قبل از خط دوم
268
00:13:14,050 –> 00:13:15,309
مستقیم باشد پایتون
269
00:13:15,309 –> 00:13:22,449
اوه اینجا کمی مشکل میشود، خب،
270
00:13:22,449 –> 00:13:25,660
پایتونها به من میگویند نتیجه چیست
271
00:13:25,660 –> 00:13:30,939
خارج برابر است با یک به علاوه دو این یک سوال بالغ است
272
00:13:30,939 –> 00:13:33,339
و جلسه
273
00:13:33,339 –> 00:13:37,629
دیگر بقیه چه هستند اوه خوب باشه این
274
00:13:37,629 –> 00:13:42,279
سه هستند فقط سه چه در مورد l
275
00:13:42,279 –> 00:13:52,449
برابر است با ارتفاع به اضافه دو، پایتون
276
00:13:52,449 –> 00:13:55,300
نمی داند ارتفاع چیست بنابراین ما
277
00:13:55,300 –> 00:13:57,160
باید آن را آموزش دهیم بنابراین باید آن را بفرستیم
278
00:13:57,160 –> 00:14:00,579
زیرا ممکن است
279
00:14:00,579 –> 00:14:02,769
متغیری باشد که دو تا چهار تنظیم شده است یا
280
00:14:02,769 –> 00:14:04,809
رشته ای باشد که نمی داند اهمیتی
281
00:14:04,809 –> 00:14:07,709
ندارد می گوید من نمی توانم رشته ای را به عدد
282
00:14:07,709 –> 00:14:11,829
R اضافه کنم بنابراین باید آن را ریخته و در این مورد
283
00:14:11,829 –> 00:14:14,499
ما آن را با استفاده از یک تابع شطرنجی می گیریم، بنابراین
284
00:14:14,499 –> 00:14:17,499
آنچه شما دارید با آن است، حالا وقتی
285
00:14:17,499 –> 00:14:20,350
پایتون ما را می بیند می گوید من
286
00:14:20,350 –> 00:14:22,929
این چیزهای ارتفاع را نمی شناسم اما من یک شطرنجی می بینم که
287
00:14:22,929 –> 00:14:25,059
شما آن را کشف کنید و آن را از طریق آن انجام می دهد.
288
00:14:25,059 –> 00:14:27,370
ماژول تحلیلگر فضایی بنابراین
289
00:14:27,370 –> 00:14:30,999
من elevati را ضرب می کنم در نقطه
290
00:14:30,999 –> 00:14:33,699
سه صفر چهار هشت خوب است و سپس من
291
00:14:33,699 –> 00:14:36,639
می توانم خروجی را از آن M به عنوان ورودی
292
00:14:36,639 –> 00:14:38,279
به عبارت بعدی
293
00:14:38,279 –> 00:14:42,759
که ارتفاع متر چیست اوه خدای من
294
00:14:42,759 –> 00:14:47,230
اینجا ارتفاع متر 10 متر
295
00:14:47,230 –> 00:14:51,279
چیست شما فقط هر زمان که از شما می پرسم همان چیزی را که همیشه می گویید بگویید.
296
00:14:51,279 –> 00:14:55,749
برای ذخیره شی فهرستی،
297
00:14:55,749 –> 00:14:59,040
متاسفم که شما را در آنجا به کار انداختم، من عذرخواهی می کنم،
298
00:14:59,610 –> 00:15:05,529
بله، برای افرادی که آنجا هستند، خوب است.
299
00:15:05,529 –> 00:15:07,089
300
00:15:07,089 –> 00:15:09,999
301
00:15:09,999 –> 00:15:11,889
302
00:15:11,889 –> 00:15:14,379
اواخر
303
00:15:14,379 –> 00:15:17,279
شب قبل که برای اولین بار
304
00:15:17,279 –> 00:15:20,879
بیرون آمدیم کار نمی کند هیچ ابزار ژئوپردازش در
305
00:15:20,879 –> 00:15:22,499
دسترس شما نیست، بنابراین در
306
00:15:22,499 –> 00:15:24,480
مورد ورودی هایی که در مورد ابزارها و عملگرها صحبت کردیم صحبت کرده ایم
307
00:15:24,480 –> 00:15:27,990
و هر ابزار یک سری
308
00:15:27,990 –> 00:15:32,399
پارامتر دارد که ما مانند 5 یا 10 میلیون
309
00:15:32,399 –> 00:15:35,009
کلمه داریم. از مستندات مطمئن هستم که
310
00:15:35,009 –> 00:15:37,829
همه هر صفحه را می خوانند، اما اگر شما
311
00:15:37,829 –> 00:15:41,550
این کار را نکنید، خط اول این است که
312
00:15:41,550 –> 00:15:44,699
شیب نحو در شطرنجی یک
313
00:15:44,699 –> 00:15:48,439
آرگومان لازم است.
314
00:15:48,439 –> 00:15:52,350
315
00:15:52,350 –> 00:15:55,170
316
00:15:55,170 –> 00:15:57,180
یک را مشخص نکرده اند y از گزینه های دیگر
317
00:15:57,180 –> 00:15:59,220
زیرا همیشه یک نگاه پیش فرض
318
00:15:59,220 –> 00:16:01,439
به مستندات راهنما وجود دارد تا ببینید
319
00:16:01,439 –> 00:16:03,629
اگر به این مورد علاقه دارید، پیش فرض ها کدامند.
320
00:16:03,629 –> 00:16:06,059
321
00:16:06,059 –> 00:16:07,980
322
00:16:07,980 –> 00:16:10,649
323
00:16:10,649 –> 00:16:11,189
خودش
324
00:16:11,189 –> 00:16:17,970
خوبه همه خوبه خروجی یک
325
00:16:17,970 –> 00:16:21,689
شی شطرنجی است همه
326
00:16:21,689 –> 00:16:24,149
اشیا متدها و خصوصیات دارند در این مورد
327
00:16:24,149 –> 00:16:27,899
ما این حالت موقتی داریم چون در
328
00:16:27,899 –> 00:16:30,689
دنیای ما مدل سازی های زیادی انجام می
329
00:16:30,689 –> 00:16:32,490
دهیم و خروجی های میانی زیادی ایجاد می
330
00:16:32,490 –> 00:16:34,769
کنیم و نمی خواهیم ذخیره کردن هر
331
00:16:34,769 –> 00:16:37,259
خروجی روی دیسک یکی از دلایلی که ما نمی خواهیم
332
00:16:37,259 –> 00:16:39,120
این کار را انجام دهیم این است که بدیهی است که
333
00:16:39,120 –> 00:16:41,670
نمی خواهیم دیسک خود را پر کنیم.
334
00:16:41,670 –> 00:16:44,309
335
00:16:44,309 –> 00:16:46,949
من می توانم آن را به عنوان یک مزاحم کنترل کنم،
336
00:16:46,949 –> 00:16:49,769
اما شما باید آن را به صراحت ذخیره کنید،
337
00:16:49,769 –> 00:16:54,779
در غیر این صورت راه های
338
00:16:54,779 –> 00:16:57,889
رسیدن به نقشه جبر شطرنجی ماشین
339
00:16:57,889 –> 00:17:01,500
حساب کاملاً محبوب است در این مورد
340
00:17:01,500 –> 00:17:03,089
، کمی تفاوت ظریف در این
341
00:17:03,089 –> 00:17:06,419
عبارت زمان ارتفاع وجود دارد که می گوید به اضافه
342
00:17:06,419 –> 00:17:08,909
10 که در واقع کار می کند. اگرچه
343
00:17:08,909 –> 00:17:11,429
من بقیه را به عنوان رشته انتخاب نمیکنم،
344
00:17:11,429 –> 00:17:14,280
زیرا به اندازه کافی هوشمند است، ما کنترل
345
00:17:14,280 –> 00:17:16,740
میکنیم که این یک ابزار پردازش جغرافیایی است، بنابراین میتوانیم
346
00:17:16,740 –> 00:17:20,309
آن را کنترل کنیم و میدانیم که این یک شطرنجی است،
347
00:17:20,309 –> 00:17:22,919
شما میتوانید آن را نیز به خوبی اجرا کنید و
348
00:17:22,919 –> 00:17:25,859
فقط کمی متفاوت است پنجره Python جبری
349
00:17:25,859 –> 00:17:28,620
درست است. in sight Pro به شما نشان می
350
00:17:28,620 –> 00:17:30,720
دهد و بیشتر کارهای
351
00:17:30,720 –> 00:17:32,760
ما در یک اسکریپت پایتون خواهد بود
352
00:17:32,760 –> 00:17:35,010
و من می دانم که بسیاری از افراد حاضر در
353
00:17:35,010 –> 00:17:38,090
اتاق این سه تمایز را درک می کنند
354
00:17:38,090 –> 00:17:43,590
بنابراین ما باید داده های خود را آماده کنیم.
355
00:17:43,590 –> 00:17:51,720
356
00:17:51,720 –> 00:17:55,799
توضیح داد که شما
357
00:17:55,799 –> 00:17:58,500
تمام اصول اولیه و مدلی را که
358
00:17:58,500 –> 00:18:01,950
ما برای کشف قابلیت پایتون به
359
00:18:01,950 –> 00:18:04,890
طور تخصصی در اختیار داریم می دانید،
360
00:18:04,890 –> 00:18:07,409
اما قبل از اینکه وارد قسمت پایتون بشوم،
361
00:18:07,409 –> 00:18:09,900
بیایید نگاهی به مجموعه داده ای
362
00:18:09,900 –> 00:18:16,980
بیندازیم که باید این مشکل را مدل سازی کنیم.
363
00:18:16,980 –> 00:18:19,860
میخواهم به برخی از کمپها تکیه کنم، برخی از
364
00:18:19,860 –> 00:18:24,929
جادههای اصلی مردانه و مناطق شهری، زیرا
365
00:18:24,929 –> 00:18:27,900
این مکانهایی هستند که این خاکستر
366
00:18:27,900 –> 00:18:30,539
خاکستر در واقع از آنجا حرکت میکند و
367
00:18:30,539 –> 00:18:33,450
مکانهای جدید را هجوم میآورد، به طوری که نقطه شروع ما خواهد بود.
368
00:18:33,450 –> 00:18:36,140
این مدل سازی
369
00:18:36,140 –> 00:18:40,350
حالا بیایید به عقب برگردیم و چند
370
00:18:40,350 –> 00:18:43,350
عملیات اساسی پایتون را درست انجام دهیم. کوین
371
00:18:43,350 –> 00:18:49,280
قبلاً گفته بود که برای شروع باید PI خود را وارد کنیم.
372
00:18:49,280 –> 00:18:53,100
373
00:18:53,100 –> 00:18:55,710
374
00:18:55,710 –> 00:18:59,130
375
00:18:59,130 –> 00:19:02,070
شما می توانید به GS ما در پایتون فکر
376
00:19:02,070 –> 00:19:04,950
377
00:19:04,950 –> 00:19:07,559
کنید.
378
00:19:07,559 –> 00:19:12,929
379
00:19:12,929 –> 00:19:15,570
380
00:19:15,570 –> 00:19:18,960
381
00:19:18,960 –> 00:19:22,200
382
00:19:22,200 –> 00:19:27,230
برای انجام تحلیلگر ویژه باید هنر را با
383
00:19:27,230 –> 00:19:35,909
dot si import star انجام دهید حالا
384
00:19:35,909 –> 00:19:40,559
اگر شما فرد متخصص هستید، دستیار تحلیلگر ویژه چیست،
385
00:19:40,559 –> 00:19:42,490
فقط باید به یاد داشته باشید
386
00:19:42,490 –> 00:19:44,890
بگویید ما همیشه به افراد اینجا می گوییم
387
00:19:44,890 –> 00:19:47,559
، به همین دلیل است که همان
388
00:19:47,559 –> 00:19:51,670
ماژول را وارد می کنید برای انجام کار در حال حاضر ممکن است این
389
00:19:51,670 –> 00:19:54,010
سوال داشته باشید که چرا ما این کار را به این صورت انجام می دهیم.
390
00:19:54,010 –> 00:19:54,429
391
00:19:54,429 –> 00:19:56,260
کوین گفت: وقتی
392
00:19:56,260 –> 00:19:58,390
جبر نقشه را انجام می دهید اگر یک نینجا
393
00:19:58,390 –> 00:20:00,940
پایتون نینجا هستید، می توانیم بحث جداگانه ای داشته
394
00:20:00,940 –> 00:20:03,280
باشیم و می توانیم در آن
395
00:20:03,280 –> 00:20:05,230
بحث داشته باشیم. در حال حاضر ممکن است دوست نداشته
396
00:20:05,230 –> 00:20:07,090
باشید که این کار را انجام دهید، اما وقتی شروع به
397
00:20:07,090 –> 00:20:09,220
نوشتن عبارت خوش طعم مایا می کنید،
398
00:20:09,220 –> 00:20:11,710
خواهید دید که چرا این کار مفید است زیرا
399
00:20:11,710 –> 00:20:14,800
نمی توانید به استفاده از فضای نام و نوشتن یک
400
00:20:14,800 –> 00:20:16,600
عبارت ادامه دهید، این واقعاً دست و پا گیر می شود
401
00:20:16,600 –> 00:20:18,550
و باید در واقع با
402
00:20:18,550 –> 00:20:20,770
اپراتور کار کنید و و به همین ترتیب و به همین ترتیب
403
00:20:20,770 –> 00:20:23,920
، اکنون ما این کار را انجام می دهیم.
404
00:20:23,920 –> 00:20:28,559
405
00:20:28,559 –> 00:20:31,120
406
00:20:31,120 –> 00:20:34,420
407
00:20:34,420 –> 00:20:38,380
408
00:20:38,380 –> 00:20:40,630
همه گزینهها و
409
00:20:40,630 –> 00:20:43,630
من از elevation استفاده میکنم و یک شی شطرنجی ایجاد
410
00:20:43,630 –> 00:20:47,290
میکنم که اکنون در آنجا زندگی میکنم، حالا که
411
00:20:47,290 –> 00:20:48,910
این شیء شطرنجی را دارم با آن چه کاری انجام میدهم،
412
00:20:48,910 –> 00:20:51,460
میتوانم برای شروع هر کاری انجام دهم.
413
00:20:51,460 –> 00:20:53,860
یک
414
00:20:53,860 –> 00:20:55,929
سوال و
415
00:20:55,929 –> 00:20:58,720
اگر به عقب برگردید و برخی
416
00:20:58,720 –> 00:21:01,300
از این کارها را انجام دهید و اگر می خواهید بدانید که
417
00:21:01,300 –> 00:21:04,390
چگونه این
418
00:21:04,390 –> 00:21:06,700
کار را انجام داده اید، همه ویژگی ها نشان داده می شوند و اگر می خواهید بدانید که چگونه این کار را انجام داده اید، همه ویژگی ها نشان داده می شوند که
419
00:21:06,700 –> 00:21:09,130
راه های زیادی برای انجام این کار در سیستم ما وجود دارد. با
420
00:21:09,130 –> 00:21:11,290
این حال این PR است احتمالاً راحتترین راه
421
00:21:11,290 –> 00:21:16,179
برای انجام آن است که میتوانم بروم و حداکثر را بگویم و
422
00:21:16,179 –> 00:21:19,450
این به من حداکثر مقدار را میدهد حالا
423
00:21:19,450 –> 00:21:21,880
که میدانم چگونه از شی فهرست استفاده کنم،
424
00:21:21,880 –> 00:21:24,220
میخواهم مدیریت دادهها را
425
00:21:24,220 –> 00:21:26,230
انجام دهم، آیا پروژهای را انجام دادهاید که در آن
426
00:21:26,230 –> 00:21:28,750
انجام ندادهاید. باید دادههای خود را آماده کنید
427
00:21:28,750 –> 00:21:30,760
فکر نمیکنم هیچ پروژهای را درست پیدا کنید
428
00:21:30,760 –> 00:21:33,429
حتی سادهترین پروژه کلاسی که
429
00:21:33,429 –> 00:21:35,920
باید مقداری داده را درست تهیه کنید و برای
430
00:21:35,920 –> 00:21:38,350
این مشکل میدانید که باید دادههایی را آماده
431
00:21:38,350 –> 00:21:41,980
کنم یک چیزی که در صفحه داشتم
432
00:21:41,980 –> 00:21:45,540
این است خط بنفش که منطقه مطالعه من است
433
00:21:45,540 –> 00:21:48,490
و کاری که میخواهم انجام دهم این است که میخواهم
434
00:21:48,490 –> 00:21:51,370
دادههایم را در این منطقه مطالعه استخراج کنم
435
00:21:51,370 –> 00:21:55,380
تا این کار را انجام دهم و
436
00:21:55,380 –> 00:21:58,169
از محیط خود شروع کنم، جایی که میروم
437
00:21:58,169 –> 00:22:06,440
و میگویم گسترش برابر با
438
00:22:06,440 –> 00:22:10,559
کشیدن و رها کردن منطقه مطالعه است. انجام شد و سپس می
439
00:22:10,559 –> 00:22:13,080
خواهم یک ارتفاع ایجاد کنم و وقتی این
440
00:22:13,080 –> 00:22:18,120
کار را انجام دادم آن را از فوت به متر تبدیل می کنم،
441
00:22:18,120 –> 00:22:21,690
حالا هرکسی می داند چگونه
442
00:22:21,690 –> 00:22:25,190
از فوت به متر تبدیل شود
443
00:22:25,760 –> 00:22:30,860
خوب شما فقط در 0.3 ضرب کنید 0 4 8
444
00:22:30,860 –> 00:22:34,470
voila به یک عدد می رسید. ارتفاع جدید بر حسب متر
445
00:22:34,470 –> 00:22:37,169
که در واقع برای آن خیابان است ناحیه udy
446
00:22:37,169 –> 00:22:40,740
درست است و اگر بخواهم کار بیشتری
447
00:22:40,740 –> 00:22:43,260
انجام دهم می توانم انجام دهم اگر بخواهم شیب را روی
448
00:22:43,260 –> 00:22:46,350
آن انجام دهم چگونه انجامش دهم، می روم و در واقع
449
00:22:46,350 –> 00:22:49,320
شیب را می نویسم و می توانم همه این اط
450
00:22:49,320 –> 00:22:53,700
اعات را اینجا دریافت کنم و همچنین این شی شطرنجی جدید را دریافت می کن
451
00:22:53,700 –> 00:22:56,700
یک M زنده من می خواهم از
452
00:22:56,700 –> 00:23:01,799
آن استفاده کنم و از آن شیب ایجاد کنم، اکنون
453
00:23:01,799 –> 00:23:04,169
می توانید دقیقا همان کار را در
454
00:23:04,169 –> 00:23:06,990
جای دیگری انجام دهید، می توانید آن را در ماشین حساب روسترا انجام دهید،
455
00:23:06,990 –> 00:23:11,970
می توانید این لیست
456
00:23:11,970 –> 00:23:14,340
ورودی و عملگر و کارهایی که می توانید
457
00:23:14,340 –> 00:23:19,440
انجام دهید را داشته باشید. در واقع می توانید اینجا را کلیک کنید ارتفاع خود را دریافت کنید
458
00:23:19,440 –> 00:23:23,120
عبارت خود را بنویسید و
459
00:23:23,120 –> 00:23:28,230
دقیقاً اینجا مشخص کنید و
460
00:23:28,230 –> 00:23:37,340
461
00:23:37,340 –> 00:23:41,490
462
00:23:41,490 –> 00:23:43,679
463
00:23:43,679 –> 00:23:47,130
خروجی بگیرید.
464
00:23:47,130 –> 00:23:50,039
انجام چند عملیات ساده
465
00:23:50,039 –> 00:23:52,950
پایتون در پنجره پایتون آسان است و شی فهرست
466
00:23:52,950 –> 00:23:54,960
بهترین عبارت بهترین دوست شما در این
467
00:23:54,960 –> 00:23:58,909
محیط است که به کوین
468
00:24:00,720 –> 00:24:05,160
469
00:24:05,160 –> 00:24:07,350
باز می گردد.
470
00:24:07,350 –> 00:24:08,720
باید هر کاری را که انجام می دهید تغییر دهید
471
00:24:08,720 –> 00:24:11,640
میتوانید آن را به این ترتیب اجرا کنید یا فقط آن را اجرا کنید.
472
00:24:11,640 –> 00:24:13,950
من از یک درب پره استفاده میکنم، شما همچنین ممکن است
473
00:24:13,950 –> 00:24:16,110
در اینجا صحبت کنید.
474
00:24:16,110 –> 00:24:18,330
475
00:24:18,330 –> 00:24:22,080
476
00:24:22,080 –> 00:24:24,230
477
00:24:24,230 –> 00:24:27,420
من به شما می گویم که آن را
478
00:24:27,420 –> 00:24:29,910
کپی و پیست کنید آن را در پنجره
479
00:24:29,910 –> 00:24:33,330
بیندازید و از آنجا تغییر دهید. اشکالی ندارد که
480
00:24:33,330 –> 00:24:35,430
با این کلمه تقلب کنید، اوه
481
00:24:35,430 –> 00:24:37,080
تقریباً این دنیا را
482
00:24:37,080 –> 00:24:41,100
در این محیط کمی درست گفتم اما و می
483
00:24:41,100 –> 00:24:42,690
گویم که اینطور است
484
00:24:42,690 –> 00:24:44,340
اگر در آنجا نشسته اید و هر
485
00:24:44,340 –> 00:24:46,650
سکانس کوچکی را به خاطر می سپارید، ما واقعاً سؤال می کنیم
486
00:24:46,650 –> 00:24:52,320
که زندگی شما به کجا می رسد، بنابراین
487
00:24:52,320 –> 00:24:54,120
بیایید شروع به صحبت در مورد بهینه
488
00:24:54,120 –> 00:24:56,430
489
00:24:56,430 –> 00:24:57,930
490
00:24:57,930 –> 00:25:03,750
سازی کنیم. عبارات من می توانم در یک
491
00:25:03,750 –> 00:25:07,320
عبارت واحد بسیاری از کارها را انجام دهم و
492
00:25:07,320 –> 00:25:11,070
می توانم آنها را با هم رشته کنم و بنابراین می توانم انجام دهم
493
00:25:11,070 –> 00:25:14,190
به جای نوشتن عبارات هر
494
00:25:14,190 –> 00:25:17,490
فرد،
495
00:25:17,490 –> 00:25:19,590
496
00:25:19,590 –> 00:25:21,900
به صورت
497
00:25:21,900 –> 00:25:25,470
ترتیبی است. nctions در ابزارهای محلی چه
498
00:25:25,470 –> 00:25:28,050
ابزار محلی است یک ابزار محلی یک عملیات در هر سلول است،
499
00:25:28,050 –> 00:25:30,870
ما تمرکز محلی روی آن دسته از
500
00:25:30,870 –> 00:25:33,600
Global ها به عنوان ساختار اصلی خود داریم، بنابراین
501
00:25:33,600 –> 00:25:36,210
معنی محلی چیست می توانم به شما بیایم می توانم
502
00:25:36,210 –> 00:25:38,850
شیب شما را بگیرم، سپس می توانم پنج و به آن اضافه کنم
503
00:25:38,850 –> 00:25:41,430
یک ضرب و سپس همه در یک
504
00:25:41,430 –> 00:25:43,650
عکس قبل از اینکه من به سمت دیگری در
505
00:25:43,650 –> 00:25:45,480
توابع ناحیه ای حرکت کنم او باید به اطراف نگاه کند
506
00:25:45,480 –> 00:25:47,970
و ما نمی توانیم در آن نقطه بهینه سازی کنیم
507
00:25:47,970 –> 00:25:52,400
در این مورد این یک مثال سخت است
508
00:25:52,400 –> 00:25:57,990
که شما برای رفتن به مهمانی دریافت می کنید.
509
00:25:57,990 –> 00:26:00,390
اگر بتوانید این را به صورت رایگان دریافت کنید، می دانم که
510
00:26:00,390 –> 00:26:02,750
اکنون می توانید به رایگان بروید،
511
00:26:02,750 –> 00:26:05,190
بنابراین آنچه در اینجا اتفاق می افتد که اولین
512
00:26:05,190 –> 00:26:14,100
خط فیلتر کلمه چیست، در
513
00:26:14,100 –> 00:26:16,050
واقع ایجاد یک شطرنجی جدید است که در آن من به
514
00:26:16,050 –> 00:26:17,280
دنبال مقادیر بیشتر از
515
00:26:17,280 –> 00:26:19,680
هزار هستم که تمام سلول های دیگر چه می کنند.
516
00:26:19,680 –> 00:26:24,480
اگر کمتر از هزار
517
00:26:24,480 –> 00:26:29,940
باشی، می شود او چه می شود.
518
00:26:29,940 –> 00:26:32,160
519
00:26:32,160 –> 00:26:34,320
520
00:26:34,320 –> 00:26:37,320
521
00:26:37,320 –> 00:26:40,220
522
00:26:40,220 –> 00:26:44,220
هیچ داده ای به خودتان اختصاص دهید صفر،
523
00:26:44,220 –> 00:26:48,810
در غیر این صورت مقدار خود را برگردانید، اکنون می گوید
524
00:26:48,810 –> 00:26:50,850
من دوربین را دیدم که یک چیز کوچک نرم و لطیف
525
00:26:50,850 –> 00:26:54,330
است که مقادیر داده را به
526
00:26:54,330 –> 00:26:56,250
یک مقدار تغییر نمی دهد، زیرا آنها چرا
527
00:26:56,250 –> 00:26:58,140
هر زمانی که مقدار داده ای
528
00:26:58,140 –> 00:27:00,480
نداشتید و آن را با مجموعه داده دیگری ترکیب می کنید،
529
00:27:00,480 –> 00:27:02,790
این کار را انجام می دهید. به طور کلی همیشه هیچ داده ای وجود
530
00:27:02,790 –> 00:27:07,770
ندارد که تحلیلگر فضایی مستقیم است
531
00:27:07,770 –> 00:27:10,020
بیشتر در شی شطرنجی آن یک
532
00:27:10,020 –> 00:27:13,250
متغیر به یک اشاره گر به یک مجموعه داده است من
533
00:27:13,250 –> 00:27:16,770
می توانم از آن استفاده کنم موقت است و باید
534
00:27:16,770 –> 00:27:20,940
متد ذخیره را فراخوانی کنم و دیدید که
535
00:27:20,940 –> 00:27:22,530
همچنین شی دارای یک سری از
536
00:27:22,530 –> 00:27:25,200
ویژگیها همانطور که اندازه حداکثر اندازه سلول را دیدید
537
00:27:25,200 –> 00:27:28,140
و غیره، بنابراین شما قدرت زیادی دریافت میکنید،
538
00:27:28,140 –> 00:27:30,330
ما سعی میکنیم
539
00:27:30,330 –> 00:27:35,970
از دنیای شی گرا پایتون استفاده کنیم همانطور که
540
00:27:35,970 –> 00:27:38,040
اشاره کردم این برای هر عملگر سلول است که
541
00:27:38,040 –> 00:27:40,650
میتوانیم آن را بهینه کنیم، اما لازم نیست.
542
00:27:40,650 –> 00:27:42,630
543
00:27:42,630 –> 00:27:45,600
544
00:27:45,600 –> 00:27:48,960
اگر عموماً نمی خواهید
545
00:27:48,960 –> 00:27:50,550
یک تابع سراسری مانند
546
00:27:50,550 –> 00:27:52,980
فاصله اقلیدسی را با یک
547
00:27:52,980 –> 00:27:56,070
تابع محلی که به بهینه سازی آسیب می زند ترکیب کنید، همه توابع محلی را بهینه
548
00:27:56,070 –> 00:27:58,790
می
549
00:28:00,980 –> 00:28:03,980
کنیم تا زمانی که اکنون ایمن را انجام دهید. بیشتر در مورد مشکل
550
00:28:03,980 –> 00:28:08,010
اتوتوپی صحبت کنید حشرات کوچک ما
551
00:28:08,010 –> 00:28:10,080
روی کوره های ماشین و منقل کامیون می پرند
552
00:28:10,080 –> 00:28:14,820
و سپس وقتی به منطقه ای می رسد که
553
00:28:14,820 –> 00:28:16,360
554
00:28:16,360 –> 00:28:19,990
بازدید کننده قرار است از آن بازدید کند،
555
00:28:19,990 –> 00:28:22,750
از جایی که احتمال دارد
556
00:28:22,750 –> 00:28:24,940
حشره به میله می رود می پرد. قرار است
557
00:28:24,940 –> 00:28:26,860
از جادههای ما بپرد، جایی که
558
00:28:26,860 –> 00:28:29,710
وسیله نقلیه قرار است مناطق پرجمعیت شود،
559
00:28:29,710 –> 00:28:32,170
من میروم برای خرید چیزهای خوبم انبار میکنم
560
00:28:32,170 –> 00:28:35,320
و بنابراین به
561
00:28:35,320 –> 00:28:37,390
خاطر کامیونهای چوببردار از آنجا به مناطق تجاری میپرم و غیره
562
00:28:37,390 –> 00:28:37,900
563
00:28:37,900 –> 00:28:42,160
حالا شما همانی هستید که شما هستید حشره پس
564
00:28:42,160 –> 00:28:43,750
تصمیم شما چیست که تصمیم گیری شما
565
00:28:43,750 –> 00:28:45,760
شماره یک است
566
00:28:45,760 –> 00:28:49,919
آیا درختان خاکستر وجود دارد بنابراین ما
567
00:28:49,919 –> 00:28:53,440
سطح مناسبی از قوطی ایجاد می کنیم که در آنجا زندگی می کنید
568
00:28:53,440 –> 00:28:55,929
یا نه بنابراین برای هر مکان می گویم
569
00:28:55,929 –> 00:28:58,780
آیا شما یک ضد خیابان دارید شیب
570
00:28:58,780 –> 00:29:00,640
خوب جنبه های خوب من میخواهد خوب و گرم باشد
571
00:29:00,640 –> 00:29:04,870
و بنابراین خیلی ترجیح میدهد او
572
00:29:04,870 –> 00:29:07,270
هیچ درخت خاکستری نداشته باشد، توهین نمیکنی که تو
573
00:29:07,270 –> 00:29:09,190
با خاکستر ترجیح نمیدهی، من یک فقیر هستم،
574
00:29:09,190 –> 00:29:14,490
احتمالاً اتفاقاً چیز خوبی است، اما
575
00:29:14,490 –> 00:29:17,440
وقتی در محل کمپ از زمین میپرم.
576
00:29:17,440 –> 00:29:19,830
بیشتر شبیه است من مناطق نزدیکتر به محل کمپ را آلوده می کنم و با
577
00:29:19,830 –> 00:29:23,140
578
00:29:23,140 –> 00:29:25,980
بیرون رفتنم به صورت خطی رو به زوال می رود، بنابراین
579
00:29:25,980 –> 00:29:29,710
کاری که ما انجام می دهیم این است که به
580
00:29:29,710 –> 00:29:32,020
اردوگاه یا منطقه درختکاری می رویم یا
581
00:29:32,020 –> 00:29:34,750
آسیاب ها یا شهرها دسته ای را بیرون می ریزند.
582
00:29:34,750 –> 00:29:37,990
از حشرات حشرات نه مثل این است که شما
583
00:29:37,990 –> 00:29:40,330
ما را اصلاح کنید بعضی از آنها را ما یک دسته خاکستر پرتاب می کنیم
584
00:29:40,330 –> 00:29:41,980
حفره های بیشتری از آنها به محل کمپینگ فرود می آیند
585
00:29:41,980 –> 00:29:45,250
و بعد یک بار
586
00:29:45,250 –> 00:29:47,410
فرود می آیند و یک بار من شما را فرود می آوریم سپس بگویید هی
587
00:29:47,410 –> 00:29:49,299
آیا من در محل فرود آمدم من می توانم زندگی
588
00:29:49,299 –> 00:29:51,250
کنم این همان چیزی است که ما می خواهیم یک
589
00:29:51,250 –> 00:29:58,500
تابع غیرخطی را پاکسازی کنیم، خوب
590
00:29:58,500 –> 00:30:02,980
، فرض کنیم آیا شما آماده هستید تا
591
00:30:02,980 –> 00:30:07,530
تحلیل های پیشرفته تری انجام دهید، بله در vitam خوب،
592
00:30:07,530 –> 00:30:10,510
اجازه دهید ابتدا در جای دیگری
593
00:30:10,510 –> 00:30:14,980
درست انجام دهیم و کوین اساس
594
00:30:14,980 –> 00:30:17,410
مدل سازی خود را در اینجا از طریق اتوتوپینگ درست توضیح دهد.
595
00:30:17,410 –> 00:30:21,340
و او به چند ورودی اشاره کرد، بنابراین
596
00:30:21,340 –> 00:30:24,730
اگر بتوانم آن را به درستی بزرگنمایی کنم، میتوانم همه چیزهای متفاوت را
597
00:30:24,730 –> 00:30:26,970
به شما نشان دهم که در
598
00:30:26,970 –> 00:30:29,070
حال کار با کمپها،
599
00:30:29,070 –> 00:30:32,700
جادههای اندازهگیری شده شهری مردانه و غیره هستیم، اما
600
00:30:32,700 –> 00:30:35,790
اگر کمی به
601
00:30:35,790 –> 00:30:39,900
این موارد توجه کنید و اگر من کمی بیشتر زوم می کنم
602
00:30:39,900 –> 00:30:42,240
شما می خواهید من می بینم که برخی از ابزارها
603
00