Dr. Arezoo Jahani
Education
Current
Associate Professor of Tabriz University of Technology (Sahand) (SUT) (from 2021)
Postdoctoral Research at the University of Tabriz (common field computer and electrical engineering) (2021)
Visiting researcher at University of Politecnico Di Milano (2019)
Ph.D. Degree at the University of Tabriz (Information Technology) (2015-2019)
Ms.C Degree at the University of Tabriz (Computer Science) (2012-2014)
BSc Degree at the Azarbaijan Shahid Madani University (Information Technology) (2009-2012)
Technical Skills
Virtual network embedding
Cloud Computing,
Datacenter network
Optimization & Resource Management
Microgrid
Data mining algorithms
Email
a.jahani [at] sut {dot} ac {dot} ir
a.jahaniit [at] gmail {dot} com
info [at] ajahani {dot} ir
مقدمهای بر محاسبات و برنامهنویسی با پایتون : با کاربرد مدلسازی محاسباتی و درک دادهها
Introduction to computation and programming using Python : with application to computational modeling and understanding data
لینک خرید آنلاین 1 (سیمای دانش)
منبع اصلی دو course معتبر از دانشگاه MIT با شماره 6.0001 و 6.0002 و کورس اصلی
یادگیری زبان برنامه نویسی، پیش از هر چیز نیاز به افزایش توان حل مساله دارد و ریاضیات موجب بالا رفتن توانایی حل مساله میگردد. کتاب حاضر دارای سه مضمون فراگیر است: حل سیستماتیک مسائل، قدرت انتزاع، و محاسبات به عنوان راهی برای تفکر در مورد دنیای هستی. زمانی که کتاب را به پایان رساندید:
- یک زبان برنامه نویسی (پایتون) را برای بیان محاسبات یاد گرفته اید.
- یک رویکرد سیستماتیک برای سازماندهی، نوشتن و اشکالزدایی از برنامه ها فرا گرفته اید.
- درکی از پیچیدگی محاسباتی دارید.
- دانشی برای انتقال صورت مسأله به فرمول محاسباتی و روش حل مسأله را دارید.
- یک مجموعه مفید از الگوریتمها و تکنیکهای کاهش مسأله را یاد گرفته اید.
- آموخته اید که چگونه از تصادفی سازی و شبیه سازی برای حل مسائلی که به راحتی با راه حل های فرم بسته (closed-form) حل نمیشوند، استفاده کنید.
- نحوه استفاده از ابزارهای محاسباتی (شامل ابزارهای آماری، تجسم و یادگیری ماشین) برای مدلسازی و درک داده ها را آموخته اید.
فصل 1: شروع به کار
فصل 2: مقدمه ای بر پایتون
فصل 3: تعدادی برنامه عددی ساده
فصل 4: توابع، محدوده و انتزاع
فصل 5: انواع داده ساخت یافته و تغییرپذیر
فصل 6: روابط بازگشتی و متغیرهای سراسری
فصل 7: ماژولها و فایلها
فصل 8: آزمون و اشکال زدایی
فصل 9: استثناء و اعلانات
فصل 10: کلاس ها و برنامه نویسی شی گرا
فصل 11: مقدمه ای بر پیچیدگی الگوریتم
فصل 12: تعدادی الگوریتم ساده و ساختار داده
فصل 13: نمودار و مفاهیم تکمیلی کلاس
فصل 14: مسائل بهینه سازی کوله پشتی و گراف
فصل 15: برنامه نویسی پویا
فصل 16: گام برداری تصادفی و مصورسازی داده
فصل 17: برنامه های تصادفی، احتمال و توزیع ها
فصل 18: شبیه سازی مونت کارلو
فصل 19: نمونه گیری و اطمینان
فصل 20: درک داده های تجربی
فصل 21: آزمون های تصادفی و بررسی فرضیه ها
فصل 22: دروغ، دروغ های لعنتی و آمار
فصل 23: کاوش داده ها با PANDAS
فصل 24: نگاهی گذرا به یادگیری ماشین
فصل 25: خوشه بندی
فصل 26: روش های طبقه بندی