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: نویسندگان: Francisco J. Blanco-Silva سری: ISBN (شابک) : 1783984740, 9781783984749 ناشر: Packt Publishing سال نشر: 2015 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 9 مگابایت
کلمات کلیدی مربوط به کتاب تسلط بر SciPy: کتابخانه، ادبیات کامپیوتر، پایتون
در صورت تبدیل فایل کتاب Mastering SciPy 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 SciPy 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.
درباره این کتاب به تئوری و الگوریتم های پشت دستور العمل های عددی و نحوه استفاده از آنها برای مسائل دنیای واقعی تسلط پیدا کنید. ، یا معماری کامپیوتر پوششی جامع از تمام تکنیک های ریاضی مورد نیاز برای حل موضوعات ارائه شده، با بحث در مورد الگوریتم های مربوطه ساخته شده در پشته SciPy این کتاب برای چه کسی است اگر حرفه ای با مهارت در پایتون و آشنایی با IPython هستید. ، این کتاب برای شماست. برخی از دانش های اولیه از روش های عددی در محاسبات علمی مفید خواهد بود. آنچه خواهید آموخت استاد الگوریتم های مرتبط مورد استفاده در ریاضیات نمادین یا عددی برای پرداختن به تقریب، درون یابی و بهینه سازی توابع اسکالر یا چند متغیره توسعه الگوریتم ها و استراتژی های مختلف برای ذخیره و دستکاری موثر ماتریس های بزرگ داده ها، با هدف حل انواع مختلف. مسائل جبر خطی عددی درک نحوه مدلسازی مسائل فیزیکی با سیستمهای معادلات دیفرانسیل و تشخیص عواملی که استراتژیهای حل عددی آنها را دیکته میکنند انجام تجزیه و تحلیل آماری، استنتاج، دادهکاوی و یادگیری ماشین در سطوح بالاتر، و اعمال آنها برای واقعی مسائل جهان ایده های ارزشمندی را در هندسه محاسباتی تطبیق دهید مانند مثلث بندی های دلونی، نمودارهای ورونوی، مسائل پرس و جوی هندسی یا منحنی های بزیه، و آنها را در مسائل مختلف مهندسی به کار ببرید. شامل ویرایش، بازیابی، در نقاشی، تقسیمبندی، یا تشخیص ویژگی در جزئیات پشته SciPy مجموعهای از کتابخانههای منبع باز زبان برنامهنویسی قدرتمند پایتون، همراه با پوستههای تعاملی آن است. این محیط یک پلت فرم پیشرفته را برای
About This Book Master the theory and algorithms behind numerical recipes and how they can be applied to real-world problems Learn to combine the most appropriate built-in functions from the SciPy stack by understanding the connection between the sources of your problem, volume of data, or computer architecture A comprehensive coverage of all the mathematical techniques needed to solve the presented topics, with a discussion of the relevant algorithms built in the SciPy stack Who This Book Is For If you are a professional with a proficiency in Python and familiarity with IPython, this book is for you. Some basic knowledge of numerical methods in scientific computing would be helpful. What You Will Learn Master relevant algorithms used in symbolic or numerical mathematics to address the approximation, interpolation, and optimization of scalar or multi-variate functions Develop different algorithms and strategies to effectively store and manipulate large matrices of data, with a view to solving various problems in numerical linear algebra Understand how to model physical problems with systems of differential equations and distinguish the factors that dictate the strategies to solve them numerically Perform statistical analysis, inference, data mining, and machine learning at higher level, and apply these to real-world problems Adapt valuable ideas in computational geometry like Delaunay triangulations, Voronoi diagrams, geometric query problems, or Bezier curves, and apply them to various engineering problems Familiarize yourself with different methods to represent and compress images, as well as techniques used in image processing, including edition, restoration, in painting, segmentation, or feature recognition In Detail The SciPy stack is a collection of open source libraries of the powerful scripting language Python, together with its interactive shells. This environment offers a cutting-edge platform for
Cover......Page 1
Copyright......Page 3
Credits......Page 4
About the Author......Page 5
About the Reviewers......Page 6
www.PacktPub.com......Page 7
Table of Contents......Page 8
Preface......Page 14
Motivation......Page 20
Constructing matrices in the ndarray class......Page 33
Constructing matrices in the matrix class......Page 37
Constructing sparse matrices......Page 38
Linear operators......Page 45
Basic matrix manipulation......Page 47
Scalar multiplication, matrix addition, and matrix multiplication......Page 48
Traces and determinants......Page 49
Transposes and inverses......Page 50
Norms and condition numbers......Page 52
Matrix functions......Page 54
Pivoted LU decomposition......Page 57
Singular value decomposition......Page 58
Matrix equations......Page 59
Basic systems: banded matrices......Page 60
Basic systems: generic square matrices......Page 63
Least squares......Page 70
Other matrix equation solvers......Page 72
Spectral decomposition......Page 73
Schur decomposition......Page 77
Summary......Page 78
Motivation......Page 80
Implementation details......Page 86
Nearest-neighbors interpolation......Page 88
Lagrange interpolation......Page 89
Hermite interpolation......Page 92
Piecewise polynomial interpolation......Page 94
Spline interpolation......Page 96
Multivariate interpolation......Page 100
Linear least squares approximation......Page 111
Nonlinear least squares approximation......Page 114
Summary......Page 122
Motivation......Page 124
Differentiation......Page 126
Numerical differentiation......Page 127
Symbolic differentiation......Page 128
Integration......Page 129
Symbolic integration......Page 130
Functions without singularities on finite intervals......Page 132
Functions with singularities on bounded domains......Page 138
Integration on unbounded domains......Page 140
Numerical multivariate integration......Page 141
Summary......Page 142
Motivation......Page 144
Non-linear equations and systems......Page 148
Iterative methods for univariate functions......Page 149
Bracketing methods......Page 150
Secant methods......Page 151
Brent method......Page 153
Systems of nonlinear equations......Page 154
Simple iterative solvers......Page 158
The Broyden method......Page 160
Powell\'s hybrid solver......Page 161
Large-scale solvers......Page 164
Unconstrained optimization for univariate functions......Page 165
Unconstrained optimization for multivariate functions......Page 169
The stochastic methods......Page 173
Deterministic algorithms that exclusively employ function evaluations......Page 174
The Broyden-Fletcher-Goldfarb-Shanno quasi-Newton method......Page 176
The conjugate gradient method......Page 177
Constrained optimization for multivariate functions......Page 180
Summary......Page 182
Chapter 5: Initial Value Problems for Ordinary Differential Equations......Page 184
Symbolic solution of differential equations......Page 185
Analytic approximation methods......Page 187
Discrete-variable methods......Page 189
One-step methods......Page 191
Two-step methods......Page 195
Summary......Page 197
Chapter 6: Computational Geometry......Page 198
Plane geometry......Page 199
Static problems......Page 206
Convex hulls......Page 207
Voronoi diagrams......Page 211
Triangulations......Page 214
Shortest paths......Page 218
Point location......Page 221
Nearest neighbors......Page 224
Range searching......Page 227
Dynamic problems......Page 228
Numerical computational geometry......Page 230
Bézier curves......Page 231
Summary......Page 235
Chapter 7: Descriptive Statistics......Page 236
Motivation......Page 238
Symbolic setting......Page 250
Numerical setting......Page 253
Data exploration......Page 256
Bar plots and pie charts......Page 257
Histograms......Page 263
Time plots......Page 265
Describing distributions with numbers and boxplots......Page 266
Relationship between quantitative variables......Page 270
Scatterplots and correlation......Page 271
Regression......Page 275
Analysis of the time series......Page 283
Summary......Page 293
Statistical inference......Page 294
Bayesian approach......Page 296
Likelihood approach......Page 299
Frequentist approach......Page 301
Data mining and machine learning......Page 302
Classification......Page 303
Support vector classification......Page 305
Trees......Page 307
Naive Bayes......Page 309
Nearest neighbors......Page 310
Dimensionality reduction......Page 311
Principal component analysis......Page 313
Isometric mappings......Page 314
Spectral embedding......Page 315
Locally linear embedding......Page 316
Clustering......Page 317
MeanShift......Page 318
Gaussian mixture models......Page 323
Kmeans......Page 325
Summary......Page 328
Chapter 9: Mathematical Imaging......Page 330
Binary......Page 332
Gray-scale......Page 333
Color......Page 335
Alpha channels......Page 338
Object measurements......Page 339
Mathematical morphology......Page 340
Smoothing filters......Page 342
Multivariate calculus......Page 343
Statistical filters......Page 345
Fourier analysis......Page 346
Wavelet decompositions......Page 348
Image compression......Page 350
Lossless compression......Page 351
Lossy compression......Page 353
Transformations of the domain......Page 355
Swirl......Page 356
Geometric transformations......Page 357
Histogram equalization......Page 361
Intensity clipping/resizing......Page 364
Contrast enhancement......Page 365
Image restoration......Page 367
Noise reduction......Page 368
Sharpening and blurring......Page 372
Inpainting......Page 374
Image analysis......Page 376
Image structure......Page 377
Line, circle, and ellipse detection......Page 384
Blob detection......Page 386
Corner detection......Page 387
Beyond geometric entities......Page 389
Summary......Page 393
Index......Page 394