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



نویسنده (ها) : جان وی. گوتگ
john v. guttag
مترجم (ها) : دکتر آرزو جهانی
Dr. Arezoo Jahani
ناشر : انتشارات دانشگاه صنعتی سهند تبریز
دسته کتاب : ترجمه
تاریخ انتشار : آذر ۱۴۰۲
شابک : 978-964-6219-78-6
تاریخ اولین نوبت انتشار : ۱۴۰۲
زبان های در دسترس : فارسی، انگلیسی
تعداد صفحات : ۵۸۰
مرحله تولید : چاپ شده
قیمت : ۳٬۰۰۰٬۰۰۰ ریال

لینک خرید آنلاین 1 (سیمای دانش)

لینک خرید آنلاین 2 (ایده بوک)

لینک خرید آنلاین نسخه انگلیسی

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                 

ارسال با ایمیل: