Applied Mathematics with Open-Source Software: Operational Research Problems with Python and R

ریاضیات کاربردی با نرم افزار منبع باز: مسائل تحقیق عملیاتی با پایتون و R برای بخش وسیعی از خوانندگانی که مایل به یادگیری نحوه استفاده از نرم افزار منبع باز برای حل مسائل هستند هدف قرار گرفته است در ریاضیات کاربردی این کتاب دارای ساختاری نوآورانه با 4 بخش از دو فصل است که طیف وسیعی از تکنیک‌های کاربردی ریاضی را پوشش می‌دهد: مدل‌سازی احتمالی، سیستم‌های دینامیکی، رفتار اضطراری و بهینه‌سازی. جفت‌های فصل در هر بخش خانواده‌های متفاوتی از رویکردهای راه‌حل را نشان می‌دهند. هر فصل با یک مسئله شروع می شود، یک نمای کلی از نظریه مربوطه ارائه می دهد، یک رویکرد راه حل را در R و Python نشان می دهد، و در نهایت با گنجاندن تعدادی از منابع منتشر شده، زمینه وسیع تری را ارائه می دهد. این ساختار با حداقل پیش نیاز در ریاضیات یا برنامه نویسی امکان دسترسی به حداکثر را فراهم می کند و همچنین فرصت های مناسبی را برای خواننده ای فراهم می کند که می خواهد عمیق تر در یک موضوع خاص کاوش کند.

ویژگی ها< /span>

• </ li>
• یک منبع عالی برای محققان ریاضیات کاربردی و تحقیقات عملیاتی و در واقع هر دانشگاهی که می خواهد نحوه استفاده از نرم افزار منبع باز را بیاموزد.

• در مقایسه با سایر متون، هم از نظر زبان برنامه نویسی و هم از نظر موضوعات، به موضوعی کلی تر و در دسترس تری ارائه می دهد. در نظر گرفته شده است.

• بخش‌های R و Python به طور هدفمند یکدیگر را منعکس می‌کنند تا خواننده می تواند تنها بخشی را بخواند که به آنها علاقه دارد.

• یک مخزن منبع باز همراه همراه با فایل های منبع و نمونه های بیشتر به صورت آنلاین در https://bit.ly/3kpoKSd ارسال شده است.

Applied Mathematics with Open-source Software: Operational Research Problems with Python and R is aimed at a broad segment of readers who wish to learn how to use open-source software to solve problems in applied mathematics. The book has an innovative structure with 4 sections of two chapters covering a large range of applied mathematical techniques: probabilistic modelling, dynamical systems, emergent behaviour and optimisation. The pairs of chapters in each section demonstrate different families of solution approaches. Each chapter starts with a problem, gives an overview of the relevant theory, shows a solution approach in R and in Python, and finally gives wider context by including a number of published references. This structure will allow for maximum accessibility, with minimal prerequisites in mathematics or programming as well as giving the right opportunities for a reader wanting to delve deeper into a particular topic.

Features

• An excellent resource for scholars of applied mathematics and operational research, and indeed any academics who want to learn how to use open-source software.

• Offers more general and accessible treatment of the subject than other texts, both in terms of programming language but also in terms of the subjects considered.

• The R and Python sections purposefully mirror each other so that a reader can read only the section that interests them.

• An accompanying open-source repository with source files and further examples is posted online at https://bit.ly/3kpoKSd.