دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: برنامه نویسی: زبان های برنامه نویسی ویرایش: revised and expanded edition نویسندگان: John V. Guttag سری: ISBN (شابک) : 0262525003, 9780262525008 ناشر: The MIT Press سال نشر: 2013 تعداد صفحات: 315 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 13 مگابایت
کلمات کلیدی مربوط به کتاب مقدمه ای در محاسبه و برنامه نویسی با استفاده از Python، Revied & Expanded: کتابخانه، ادبیات کامپیوتر، پایتون
در صورت تبدیل فایل کتاب Introduction to Computation and Programming Using Python, Revided & Expanded 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 مقدمه ای در محاسبه و برنامه نویسی با استفاده از Python، Revied & Expanded 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.
این کتاب دانشآموزانی را که تجربه برنامهنویسی کم یا بدون
تجربه قبلی دارند، با هنر حل مسائل محاسباتی با استفاده از پایتون
و کتابخانههای مختلف پایتون از جمله PyLab آشنا میکند. این به
دانشآموزان مهارتهایی میدهد که آنها را قادر میسازد تا از
تکنیکهای محاسباتی، از جمله برخی از ابزارها و تکنیکهای «علم
داده» برای استفاده از محاسبات برای مدلسازی و تفسیر دادهها
استفاده کنند. این کتاب بر اساس یک دوره آموزشی MIT (که محبوب
ترین دوره ارائه شده از طریق MITs OpenCourseWare شد) است و برای
استفاده نه تنها در یک کلاس درس معمولی، بلکه در یک دوره آموزشی
گسترده آنلاین (یا MOOC) ارائه شده توسط همکاری پیشگام MIT و
هاروارد توسعه یافته است. edX.
دانش آموزان با پایتون و اصول برنامه نویسی در زمینه مفاهیم و
تکنیک های محاسباتی مانند شمارش کامل، جستجوی دوبخشی و الگوریتم
های تقریب کارآمد آشنا می شوند. این کتاب به دانش ریاضی فراتر از
جبر دبیرستانی نیاز ندارد، اما فرض میکند که خوانندگان با تفکر
دقیق راحت هستند و از مفاهیم ریاضی مرعوب نمیشوند. اگرچه این
کتاب موضوعات سنتی مانند پیچیدگی محاسباتی و الگوریتمهای ساده را
پوشش میدهد، اما این کتاب بر طیف گستردهای از موضوعاتی که در
اکثر متون مقدماتی یافت نمیشوند، از جمله تجسم اطلاعات،
شبیهسازیها برای مدلسازی تصادفی، تکنیکهای محاسباتی برای درک
دادهها، و تکنیکهای آماری تمرکز میکند. و اطلاعات غلط) و
همچنین دو موضوع مرتبط اما نسبتا پیشرفته: مسائل بهینه سازی و
برنامه نویسی پویا. مقدمهای بر محاسبات و برنامهنویسی با
استفاده از پایتون میتواند بهعنوان پلهای برای دروس پیشرفتهتر
علوم کامپیوتر، یا بهعنوان پایهای اساسی در حل مسائل محاسباتی
برای دانشآموزان در رشتههای دیگر باشد.
This book introduces students with little or no prior
programming experience to the art of computational problem
solving using Python and various Python libraries, including
PyLab. It provides students with skills that will enable them
to make productive use of computational techniques, including
some of the tools and techniques of «data science» for using
computation to model and interpret data. The book is based on
an MIT course (which became the most popular course offered
through MITs OpenCourseWare) and was developed for use not only
in a conventional classroom but in a massive open online course
(or MOOC) offered by the pioneering MIT-Harvard collaboration
edX.
Students are introduced to Python and the basics of programming
in the context of such computational concepts and techniques as
exhaustive enumeration, bisection search, and efficient
approximation algorithms. The book does not require knowledge
of mathematics beyond high school algebra, but does assume that
readers are comfortable with rigorous thinking and not
intimidated by mathematical concepts. Although it covers such
traditional topics as computational complexity and simple
algorithms, the book focuses on a wide range of topics not
found in most introductory texts, including information
visualization, simulations to model randomness, computational
techniques to understand data, and statistical techniques that
inform (and misinform) as well as two related but relatively
advanced topics: optimization problems and dynamic programming.
Introduction to Computation and Programming Using Python can
serve as a stepping-stone to more advanced computer science
courses, or as a basic grounding in computational problem
solving for students in other disciplines.