دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Analysis for Computer Scientists: Foundations, Methods, and Algorithms
دانلود کتاب تجزیه و تحلیل برای دانشمندان کامپیوتر: مبانی، روش ها و الگوریتم ها
مشخصات کتاب
Analysis for Computer Scientists: Foundations, Methods, and Algorithms
ویرایش: [2 ed.] نویسندگان: Michael Oberguggenberger, Alexander Ostermann سری: ISBN (شابک) : 9783319911557, 3319911554 ناشر: Springer سال نشر: 2018 تعداد صفحات: 378 [372] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 Mb
قیمت کتاب (تومان) : 34,000
در صورت تبدیل فایل کتاب Analysis for Computer Scientists: Foundations, Methods, and Algorithms به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل برای دانشمندان کامپیوتر: مبانی، روش ها و الگوریتم ها نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب تجزیه و تحلیل برای دانشمندان کامپیوتر: مبانی، روش ها و الگوریتم ها
این کتاب درسی/مرجع آسان، مقدمه‌ای مختصر بر تحلیل ریاضی از دیدگاه الگوریتمی، با تمرکز ویژه بر کاربردهای تحلیل و جنبه‌های مدل‌سازی ریاضی ارائه می‌کند. این متن، نظریه ریاضی را در کنار مفاهیم و روش‌های اساسی تحلیل عددی، که با آزمایش‌های کامپیوتری با استفاده از اپلت‌های MATLAB، Python، Maple و Java غنی شده است، توصیف می‌کند. این نسخه جدید کاملاً به روز شده و گسترش یافته همچنین دارای تعداد بیشتری تمرین برنامه نویسی است. موضوعات و ویژگی ها: مفاهیم اساسی در تجزیه و تحلیل را توصیف می کند، اعداد حقیقی و مختلط، مثلثات، دنباله ها و سری ها، توابع، مشتقات، انتگرال ها و منحنی ها را پوشش می دهد. در مورد کاربردهای مهم و موضوعات پیشرفته مانند فراکتال ها و سیستم های L، ادغام عددی، رگرسیون خطی و معادلات دیفرانسیل بحث می کند. ابزارهایی را از جبر برداری و ماتریس در پیوست ها به همراه اطلاعات بیشتر در مورد تداوم ارائه می دهد. شامل مواد اضافه شده در توابع هذلولی، منحنی ها و سطوح در فضا، معادلات دیفرانسیل مرتبه دوم، و معادله آونگ (NEW) است. شامل آزمایش ها، تمرین ها، تعاریف و گزاره ها در سراسر متن است. علاوه بر MATLAB (جدید) نمونه های برنامه نویسی را در پایتون ارائه می دهد. منابع تکمیلی را در یک وب سایت مرتبط فراهم می کند، از جمله اپلت های جاوا، فایل های منبع کد، و پیوندهایی به مطالب آموزشی تعاملی آنلاین. با توجه به نیازهای اصلی دانشجویان و محققین علوم کامپیوتر، این کتاب درسی به وضوح نوشته شده، منبعی ضروری برای دوره های مقطع کارشناسی در زمینه تحلیل عددی، و ابزاری ایده آل برای خودآموزی برای متخصصانی است که به دنبال افزایش مهارت های تجزیه و تحلیل خود هستند.
توضیحاتی درمورد کتاب به خارجی
This easy-to-follow textbook/reference presents a concise introduction to mathematical analysis from an algorithmic point of view, with a particular focus on applications of analysis and aspects of mathematical modelling. The text describes the mathematical theory alongside the basic concepts and methods of numerical analysis, enriched by computer experiments using MATLAB, Python, Maple, and Java applets. This fully updated and expanded new edition also features an even greater number of programming exercises. Topics and features: describes the fundamental concepts in analysis, covering real and complex numbers, trigonometry, sequences and series, functions, derivatives, integrals, and curves; discusses important applications and advanced topics, such as fractals and L-systems, numerical integration, linear regression, and differential equations; presents tools from vector and matrix algebra in the appendices, together with further information on continuity; includes added material on hyperbolic functions, curves and surfaces in space, second-order differential equations, and the pendulum equation (NEW); contains experiments, exercises, definitions, and propositions throughout the text; supplies programming examples in Python, in addition to MATLAB (NEW); provides supplementary resources at an associated website, including Java applets, code source files, and links to interactive online learning material. Addressing the core needs of computer science students and researchers, this clearly written textbook is an essential resource for undergraduate-level courses on numerical analysis, and an ideal self-study tool for professionals seeking to enhance their analysis skills.
