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 نويسي ویرایش: نویسندگان: Jeff Bezanson, Alan Edelman, Stefan Karpinski, Viral B. Shah سری: ناشر: arXiv.org سال نشر: 2014 تعداد صفحات: 37 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب جولیا: رویکردی تازه به محاسبات عددی: نرم افزار انتزاعی ریاضی برنامه نویسی زبان جولیا محاسبات عددی با کارایی بالا
در صورت تبدیل فایل کتاب Julia: A Fresh Approach to Numerical Computing 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 جولیا: رویکردی تازه به محاسبات عددی 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.
مجله: جولیا با پیوند دادن فرهنگهایی که اغلب دور از هم بودهاند، تخصص در زمینههای مختلف علوم کامپیوتر و علوم محاسباتی را برای ایجاد رویکرد جدیدی برای محاسبات عددی ترکیب میکند. جولیا به گونه ای طراحی شده است که آسان و سریع باشد. جولیا مفاهیمی را که عموماً توسط دست اندرکاران محاسبات عددی به عنوان "قوانین طبیعت" مطرح می شود، زیر سوال می برد: 1. برنامه های پویا سطح بالا باید کند باشند. 2. باید به یک زبان نمونه اولیه و سپس برای سرعت یا استقرار به زبان دیگری بازنویسی کرد. 3. بخشهایی از یک سیستم برای برنامهنویس وجود دارد، و سایر قسمتها بهتر است دست نخورده باقی بمانند، زیرا توسط متخصصان ساخته شدهاند. ما زبان برنامه نویسی جولیا و طراحی آن را معرفی می کنیم --- رقصی بین تخصص و انتزاع. تخصص امکان درمان سفارشی را فراهم می کند. ارسال چندگانه، تکنیکی از علوم کامپیوتر، الگوریتم مناسب را برای شرایط مناسب انتخاب می کند. انتزاع، آنچه محاسبات خوب واقعاً در مورد آن است، تشخیص می دهد که چه چیزی پس از حذف تفاوت ها ثابت می ماند. انتزاعات در ریاضیات از طریق تکنیک دیگری از علوم کامپیوتر، برنامه نویسی عمومی، به عنوان کد ثبت می شوند. جولیا نشان می دهد که می توان عملکرد ماشین را بدون قربانی کردن راحتی انسان داشت.
JOURNAL: Bridging cultures that have often been distant, Julia combines expertise from the diverse fields of computer science and computational science to create a new approach to numerical computing. Julia is designed to be easy and fast. Julia questions notions generally held as "laws of nature" by practitioners of numerical computing: 1. High-level dynamic programs have to be slow. 2. One must prototype in one language and then rewrite in another language for speed or deployment, and 3. There are parts of a system for the programmer, and other parts best left untouched as they are built by the experts. We introduce the Julia programming language and its design --- a dance between specialization and abstraction. Specialization allows for custom treatment. Multiple dispatch, a technique from computer science, picks the right algorithm for the right circumstance. Abstraction, what good computation is really about, recognizes what remains the same after differences are stripped away. Abstractions in mathematics are captured as code through another technique from computer science, generic programming. Julia shows that one can have machine performance without sacrificing human convenience.
1 Scientific computing languages: The Julia innovation 1.1 Computing transcends communities 1.2 Julia architecture and language design philosophy 2 A taste of Julia 2.1 A brief tour 2.2 An invaluable tool for numerical integrity 2.3 The Julia community 3 Writing programs with and without types 3.1 The balance between human and the computer 3.2 Julia's recognizable types 3.3 User's own types are first class too 3.4 Vectorization: Key Strengths and Serious Weaknesses 3.5 Type inference rescues ``for loops" and so much more 4 Code selection: Run the right code at the right time 4.1 Multiple Dispatch 4.2 Code selection from bits to matrices 4.2.1 Summing Numbers: Floats and Ints 4.2.2 Summing Matrices: Dense and Sparse 4.3 The many levels of code selection 4.4 Is ``code selection" just traditional object oriented programming? 4.5 Quantifying the use of multiple dispatch 4.6 Case Study for Numerical Computing 4.6.1 Determinant: Simple Single Dispatch 4.6.2 A Symmetric Arrow Matrix Type 5 Leveraging language design for high performance libraries 5.1 Integer arithmetic 5.2 A powerful approach to linear algebra 5.2.1 Matrix factorizations 5.2.2 User-extensible wrappers for BLAS and LAPACK 5.3 High Performance Polynomials and Special Functions with Macros 5.4 Easy and flexible parallelism 5.5 Performance Recap 6 Conclusion and Acknowledgments