دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Mastering Python Scientific Computing
دانلود کتاب تسلط بر محاسبات علمی پایتون
مشخصات کتاب
Mastering Python Scientific Computing
ویرایش:
نویسندگان: Mehta. Hemant Kumar
سری:
ISBN (شابک) : 9781783288823, 1783288825
ناشر: Packt Publishing
سال نشر: 2015
تعداد صفحات: 0
زبان: English
فرمت فایل : AZW3 (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 مگابایت
قیمت کتاب (تومان) : 39,000
کلمات کلیدی مربوط به کتاب تسلط بر محاسبات علمی پایتون: منابع اینترنتی
در صورت تبدیل فایل کتاب Mastering Python Scientific 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 تسلط بر محاسبات علمی 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 تسلط بر محاسبات علمی پایتون
راهنمای کاملی برای برنامه نویسان پایتون برای تسلط بر محاسبات علمی با استفاده از API ها و ابزارهای Pythonدرباره این کتاب• اصول محاسبات علمی تا مفاهیم پیشرفته شامل محاسبات موازی و مقیاس بزرگ همه پوشش داده شده است. • بیشتر API ها و ابزارهای Python مورد استفاده در محاسبات علمی مورد بحث قرار گرفته اند. در جزئیات• مفاهیم با برنامه‌های نمونه مناسب مورد بحث قرار گرفته‌اند. این کتاب برای چه کسی است. این کتاب انتظار دارد که شما با مفاهیم مختلف برنامه نویسی پایتون آشنا شده باشید. آنچه خواهید آموخت• مبانی و اجزای محاسبات علمی• مدیریت داده های محاسباتی علمی• انجام محاسبات عددی با استفاده از NumPy و SciPy• مفاهیم و برنامه نویسی برای محاسبات نمادین با استفاده از SymPy• استفاده از کتابخانه رسم matplotlib برای تجسم داده ها• تجزیه و تحلیل و تجسم داده ها با استفاده از پانداها، matplotlib و IPython• انجام محاسبات موازی و با کارایی بالا• مطالعات موردی واقعی و بهترین شیوه های محاسبات علمی در جزئیات در دنیای امروز، همراه با کارهای نظری و تجربی، علمی محاسبات به بخش مهمی از رشته های علمی تبدیل شده است. محاسبات عددی، شبیه‌سازی‌ها و مدل‌سازی رایانه‌ای در عصر حاضر اکثریت قریب به اتفاق مقالات تجربی و نظری را تشکیل می‌دهند. در روش علمی، همانندسازی و تکرارپذیری دو عامل مهم کمک کننده هستند. یک نتیجه علمی کامل و ملموس باید قابل تکرار و تکرار باشد. پایتون برای محاسبات علمی مناسب است. جامعه بزرگی از کاربران، کمک‌ها و اسناد فراوان، مجموعه بزرگی از کتابخانه‌ها و محیط‌های علمی، عملکرد عالی و پشتیبانی خوب، پایتون را به گزینه‌ای عالی برای محاسبات علمی تبدیل کرده است. در حال حاضر پایتون در میان انتخاب‌های برتر برای توسعه گردش کار علمی و کتاب توسعه دهندگان پایتون موجود را هدف قرار می دهد تا با استفاده از پایتون بر این دامنه مسلط شوند. مهمترین چیزهایی که در این کتاب باید یاد بگیرید مفهوم گردش کار علمی، مدیریت داده های گردش کار علمی و انجام محاسبات بر روی این داده ها با استفاده از پایتون است. این کتاب NumPy، SciPy، SymPy، matplotlib، Pandas و IPython را با چندین برنامه نمونه مورد بحث قرار می دهد. سبک و رویکرد این این کتاب از یک رویکرد عملی برای توضیح مفاهیم پیچیده مرتبط با محاسبات علمی پیروی می کند. API های مختلف را با استفاده از مثال های مناسب جزئیات می دهد.
توضیحاتی درمورد کتاب به خارجی
A complete guide for Python programmers to master scientific computing using Python APIs and toolsAbout This Book• The basics of scientific computing to advanced concepts involving parallel and large scale computation are all covered.• Most of the Python APIs and tools used in scientific computing are discussed in detail• The concepts are discussed with suitable example programsWho This Book Is ForIf you are a Python programmer and want to get your hands on scientific computing, this book is for you. The book expects you to have had exposure to various concepts of Python programming.What You Will Learn• Fundamentals and components of scientific computing• Scientific computing data management• Performing numerical computing using NumPy and SciPy• Concepts and programming for symbolic computing using SymPy• Using the plotting library matplotlib for data visualization• Data analysis and visualization using Pandas, matplotlib, and IPython• Performing parallel and high performance computing• Real-life case studies and best practices of scientific computingIn DetailIn today's world, along with theoretical and experimental work, scientific computing has become an important part of scientific disciplines. Numerical calculations, simulations and computer modeling in this day and age form the vast majority of both experimental and theoretical papers. In the scientific method, replication and reproducibility are two important contributing factors. A complete and concrete scientific result should be reproducible and replicable. Python is suitable for scientific computing. A large community of users, plenty of help and documentation, a large collection of scientific libraries and environments, great performance, and good support makes Python a great choice for scientific computing.At present Python is among the top choices for developing scientific workflow and the book targets existing Python developers to master this domain using Python. The main things to learn in the book are the concept of scientific workflow, managing scientific workflow data and performing computation on this data using Python.The book discusses NumPy, SciPy, SymPy, matplotlib, Pandas and IPython with several example programs.Style and approachThis book follows a hands-on approach to explain the complex concepts related to scientific computing. It details various APIs using appropriate examples.
