ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Discovering Computer Science: Interdisciplinary Problems, Principles, and Python Programming

دانلود کتاب کشف علوم رایانه ای: مشکلات میان رشته ای ، اصول و برنامه نویسی پایتون

Discovering Computer Science: Interdisciplinary Problems, Principles, and Python Programming

مشخصات کتاب

Discovering Computer Science: Interdisciplinary Problems, Principles, and Python Programming

دسته بندی: برنامه نويسي
ویرایش: 2 
نویسندگان:   
سری: Chapman & Hall/CRC Textbooks in Computing 
ISBN (شابک) : 036747249X, 9780367472498 
ناشر: Chapman and Hall/CRC 
سال نشر: 2020 
تعداد صفحات: 543 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 30 مگابایت 

قیمت کتاب (تومان) : 34,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 18


در صورت تبدیل فایل کتاب Discovering Computer Science: Interdisciplinary Problems, Principles, and Python Programming 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 کشف علوم رایانه ای: مشکلات میان رشته ای ، اصول و برنامه نویسی پایتون 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 کشف علوم رایانه ای: مشکلات میان رشته ای ، اصول و برنامه نویسی پایتون



\"رویکرد مسئله محور هاویل مفاهیم الگوریتمی را در زمینه معرفی می کند و دانش آموزان با طیف گسترده ای از علایق و پیشینه ها را برانگیخته می کند."

-- Janet Davis

، دانشیار و رئیس مایکروسافت علوم کامپیوتر، کالج ویتمن

\"این کتاب واقعا عالی به نظر می رسد و دقیقاً همان رویکردی است که من فکر می کنم باید برای یک CS استفاده شود. 1 دوره. فکر می‌کنم واقعاً یک نیاز در چشم‌انداز کتاب درسی را برطرف می‌کند.\"

--

Marie desJardins< /i>، رئیس کالج علوم سازمانی، محاسباتی و اطلاعات، دانشگاه سیمونز

\"کشف علوم کامپیوتر یک انحراف تازه از متون برنامه نویسی مقدماتی است که به دانشجویان مقدمه ای بسیار صمیمانه تر ارائه می دهد. به وسعت و پیچیدگی این حوزه همیشه در حال رشد.\"

--

جیمز دوریک ، مدرس ارشد، کالج ویلیام و مری

\"این مقدمه منحصر به فرد برای sc مفهوم محاسبات دانش آموزان را از طریق رویکردهای گسترده و جهانی برای حل مسئله در زمینه های مختلف و اجرای نهایی آنها به عنوان برنامه های رایانه ای راهنمایی می کند.\"

--

دانیل کاپلان، پروفسور دیویت والاس، کالج مکالستر

کشف علوم کامپیوتر: مسائل بین رشته ای، اصول و برنامه نویسی پایتون

مقدمه ای مسئله محور برای حل مسئله محاسباتی و برنامه نویسی در پایتون است، مناسب برای اولین دوره برای رشته های علوم کامپیوتر، یک دوره محاسبات رشته ای هدفمندتر یا، با سرعت کمتر، هر دوره مقدماتی علوم کامپیوتر برای یک دوره عمومی. حضار.

این کتاب درسی با درک اینکه سازمانی حول ویژگی‌های زبانی فقط با مخاطبان محدودی طنین‌انداز می‌شود، در عوض برنامه‌نویسی را با استفاده از طیف وسیعی از مسائل معتبر از علوم طبیعی و اجتماعی و علوم انسانی دیجیتال به علایق قبلی دانش‌آموزان مرتبط می‌کند. ارائه با مقدمه ای بر فرآیند حل مسئله آغاز می شود و برنامه نویسی را به عنوان یک مؤلفه ضروری می سازد. سپس، با پیشرفت کتاب، هر فصل با استفاده از یک رویکرد مارپیچی برای معرفی ویژگی‌های زبان پایتون، دانش‌آموزان را از طریق راه‌حل‌هایی برای مسائل پیچیده‌تر راهنمایی می‌کند.

متن همچنین برنامه‌نویسی را در چارچوب اصول اساسی علوم کامپیوتر قرار می‌دهد، مانند انتزاع، کارایی، تست و تکنیک های الگوریتمی، ارائه اجمالی از موضوعاتی که به طور سنتی به دوره های بعدی موکول می شوند.

این کتاب شامل 30 پروژه مستقل خوب توسعه یافته است که دانش آموزان را تشویق می کند تا سوالات را در سراسر مرزهای رشته ای، بیش از 750 مورد بررسی قرار دهند. تمرین‌های تکلیف و 300 سؤال تأملی یکپارچه، دانش‌آموزان را در حل مسئله و خواندن فعال مشغول می‌کند.

وب‌سایت همراه - https://www.discoveringcs.net - شامل محتوای پیشرفته‌تر، راه‌حل‌های تمرین‌های انتخاب‌شده، کد نمونه و فایل‌های داده، و اشاره‌گرهایی برای کاوش بیشتر است.


توضیحاتی درمورد کتاب به خارجی

"Havill's problem-driven approach introduces algorithmic concepts in context and motivates students with a wide range of interests and backgrounds."

-- Janet Davis

, Associate Professor and Microsoft Chair of Computer Science, Whitman College

"This book looks really great and takes exactly the approach I think should be used for a CS 1 course. I think it really fills a need in the textbook landscape."

--

Marie desJardins, Dean of the College of Organizational, Computational, and Information Sciences, Simmons University

"Discovering Computer Science is a refreshing departure from introductory programming texts, offering students a much more sincere introduction to the breadth and complexity of this ever-growing field."

--

James Deverick, Senior Lecturer, The College of William and Mary

"This unique introduction to the science of computing guides students through broad and universal approaches to problem solving in a variety of contexts and their ultimate implementation as computer programs."

--

Daniel Kaplan, DeWitt Wallace Professor, Macalester College

Discovering Computer Science: Interdisciplinary Problems, Principles, and Python Programming

is a problem-oriented introduction to computational problem solving and programming in Python, appropriate for a first course for computer science majors, a more targeted disciplinary computing course or, at a slower pace, any introductory computer science course for a general audience.

Realizing that an organization around language features only resonates with a narrow audience, this textbook instead connects programming to students’ prior interests using a range of authentic problems from the natural and social sciences and the digital humanities. The presentation begins with an introduction to the problem-solving process, contextualizing programming as an essential component. Then, as the book progresses, each chapter guides students through solutions to increasingly complex problems, using a spiral approach to introduce Python language features.

The text also places programming in the context of fundamental computer science principles, such as abstraction, efficiency, testing, and algorithmic techniques, offering glimpses of topics that are traditionally put off until later courses.

This book contains 30 well-developed independent projects that encourage students to explore questions across disciplinary boundaries, over 750 homework exercises, and 300 integrated reflection questions engage students in problem solving and active reading.

The accompanying website ― https://www.discoveringcs.net ― includes more advanced content, solutions to selected exercises, sample code and data files, and pointers for further exploration.



فهرست مطالب

Cover
Half Title
Title Page
Copyright Page
Table of Contents
Preface
Acknowledgments
About the author
Chapter 1 ■ How to Solve It
	1.1 Understand the Problem
		A first problem: computing reading level
		Functional abstraction
	1.2 Design an Algorithm
		Take it from the top
		Pseudocode
		Implement from the bottom
	1.3 Write a Program
		Welcome to the circus
		What’s in a name?
		Interactive computing
		Looking ahead
	1.4 Look Back
		Testing
		Algorithm efficiency
	1.5 Summary and Further Discovery
Chapter 2 ■ Visualizing Abstraction
	2.1 Data Abstraction
		Turtle graphics
	2.2 Drawing Flowers and Plotting Earthquakes
		Iteration
	Tangent 2.1 Defining colors
		Data visualization
	2.3 Functional Abstraction
		Function parameters
	2.4 Programming in Style
		Program structure
		Documentation
	Tangent 2.2 Global variables
		Self-documenting code
	2.5 A Return to Functions
		The math module
		Writing functions with return values
		Return vs. print
	2.6 Scope and Namespaces
		Local namespaces
		The global namespace
	2.7 Summary and Further Discovery
Chapter 3 ■ Inside a Computer
	3.1 Computers are Dumb
	Tangent 3.1 High performance computing
		Machine language
	Tangent 3.2 Byte code
	3.2 Everything is Bits
		Bits are switches
		Bits can represent anything
	Tangent 3.3 Hexadecimal notation
		Computing with bits
	3.3 Computer Arithmetic
		Limited precision
	Tangent 3.4 Floating point notation
		Error propagation
		Division
		Complex numbers
	*3.4 Binaryarithmetic
	3.5 The Universal Machine
	3.6 Summary and Further Discovery
Chapter 4 ■ Growth and Decay
	4.1 Accumulators
		Managing a fishing pond
		Measuring network value
		Organizing a concert
	4.2 Data Visualization
	4.3 Conditional Iteration
		When will the fish disappear?
		When will your nest egg double?
	*4.4 Continuous Models
	*4.5 Numerical Analysis
	4.6 Summing Up
	Tangent 4.1 Triangular numbers
	4.7 Further Discovery
	*4.8 Projects
Chapter 5 ■ Forks in the Road
	5.1 Random Walks
	Tangent 5.1 Interval notation
		One small step
		Monte Carlo simulation
	*5.2 Pseudorandom Number Generators
	*5.3 Simulating Probability DistributionS
	5.4 Back to Booleans
		Predicate functions
		Short circuit evaluation
		DeMorgan’s laws
		Thinking inside the box
		Many happy returns
	5.5 Defensive Programming
		Checking parameters
		Assertions
		Unit testing
	Tangent 5.2 Unit testing frameworks
		Testing floats
		Catching exceptions
	5.6 Guess Mynumber
		Ending the game nicely
		Friendly hints
		A proper win/lose message
	5.7 Summary and Further Discovery
	*5.8 Projects
Chapter 6 ■ Text, Documents, and DNA
	6.1 First Steps
		Normalization
	Tangent 6.1 Natural language processing
		Tokenization
		Creating your own module
		Testing your module
	6.2 Text Documents
		Reading from text files
		Writing to text files
		Reading from the web
	6.3 Encoding Strings
		Computing checksums
		Unicode
	Tangent 6.2 Compressing text files
		Indexing and slicing
	6.4 A Concordance
		Finding a word
		A concordance entry
		A complete concordance
	6.5 Word Frequency Trends
		Finding the frequency of a word
		Getting the frequencies in slices
		Plotting the frequencies
	6.6 Comparing Texts
		Dot plots
	*6.7 Time Complexity
	*6.8 Computational Genomics
	6.9 Summary and Further Discovery
	*6.10 Projects
Chapter 7 ■ Data Analysis
	7.1 Summary Statistics
		Mean and variance
		Minimum and maximum
	7.2 Wrangling Data
		Smoothing data
		A more efficient algorithm
		Modifying lists in place
		List operators and methods
		*List comprehensions
	Tangent 7.1 NumPy arrays
	7.3 Tallying Frequencies
		Word frequencies
		Dictionaries
	Tangent 7.2 Hash tables
		Finding the most frequent word
		Bigram frequencies
	Tangent 7.3 Sentiment analysis
	7.4 Reading Tabular Data
		Earthquakes
	*7.5 Designing Efficient Algorithms
	*7.6 Linear Regression
	*7.7 Data Clustering
	7.8 Summary and Further Discovery
	Tangent 7.4 Privacy in the age of big data
	*7.9 Projects
Chapter 8 ■ Flatland
	8.1 Tabular Data
		Reading a table of temperatures
	Tangent 8.1 Pandas
	8.2 The Game of Life
		Creating a grid
		Initial configurations
		Surveying the neighborhood
		Performing one pass
	Tangent 8.2 NumPy arrays in two dimensions
		Updating the grid
	8.3 Digital Images
		Colors
	Tangent 8.3 Additive vs. subtractive color models
		Image filters
	Tangent 8.4 Image storage and compression
		Transforming images
	8.4 Summary and Further Discovery
	*8.5 Projects
Chapter 9 ■ Self-similarity and Recursion
	9.1 Fractals
		Trees
		Snowflakes
	9.2 Recursion and Iteration
		Solving a problem recursively
		Palindromes
		Guessing passwords
	9.3 The Mythical Tower of Hanoi
		*Is the end of the world nigh?
	9.4 Recursive Linear Search
		*Efficiency of recursive linear search
	9.5 Divide and Conquer
		Buy low, sell high
		Navigating a maze
	*9.6 Lindenmayer Systems
	9.7 Summary and Further Discovery
	*9.8 Projects
Chapter 10 ■ Organizing Data
	10.1 Binary Search
	Tangent 10.1 Databases
		Efficiency of iterative binary search
		A spelling checker
		Recursive binary search
		*Efficiency of recursive binary search
	10.2 Selection Sort
		Implementing selection sort
		Efficiency of selection sort
		Querying data
	10.3 Insertion Sort
		Implementing insertion sort
		Efficiency of insertion sort
	10.4 Efficient Sorting
		Merge sort
		Internal vs. external sorting
		Efficiency of merge sort
	*10.5 Tractable and Intractable Algorithms
	10.6 Summary and Further Discovery
	*10.7 Projects
Chapter 11 ■ Networks
	11.1 Modeling with Graphs
		Making friends
	11.2 Shortest Paths
		Breadth-first search
		Finding the actual paths
	11.3 It’s a Small World…
		Small world networks
		Clustering coefficients
		Scale-free networks
	11.4 Random Graphs
	11.5 Summaryand Further Discovery
	*11.6 Projects
Chapter 12 ■ Object-oriented Design
	12.1 Simulating an Epidemic
		Object design
		Person class
		Augmenting the Person class
		World class
		The simulation
	12.2 Operators and Polymorphism
		Designing a Pair ADT
		Pair class
		Arithmetic methods
		Special methods
		Comparison operators
		Indexing
	*12.3 A Flocking Simulation
	*12.4 Astackadt
	*12.5 Adictionaryadt
	12.6 Summaryand Further Discovery
	*12.7 Projects
Bibliography
Index




نظرات کاربران