دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Mathematical Modeling the Life Sciences Numerical Recipes in Python and MATLAB®
دانلود کتاب مدلسازی ریاضی دستورهای عددی علوم زیستی در پایتون و متلب
مشخصات کتاب
Mathematical Modeling the Life Sciences Numerical Recipes in Python and MATLAB®
ویرایش:
نویسندگان: N. G. Cogan
سری: Textbooks in Mathematics
ISBN (شابک) : 9780367554934, 9781003316930
ناشر: CRC Press/Chapman & Hall
سال نشر: 2022
تعداد صفحات: 245
[246]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 16 Mb
قیمت کتاب (تومان) : 54,000
در صورت تبدیل فایل کتاب Mathematical Modeling the Life Sciences Numerical Recipes in Python and MATLAB® 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 مدلسازی ریاضی دستورهای عددی علوم زیستی در پایتون و متلب 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 مدلسازی ریاضی دستورهای عددی علوم زیستی در پایتون و متلب
هدف این کتاب درسی منحصربهفرد پر کردن شکاف بین نیاز به راهحلهای عددی برای تکنیکهای مدلسازی از طریق شبیهسازیهای کامپیوتری برای توسعه مهارت در استفاده از تحلیل حساسیت به کاربردهای علوم زیستی و زیستی است. ریاضیات زیربنایی حداقل شده است. تمرکز بر پیامدها، اجرا و کاربرد است. بافت تاریخی به مدل ها انگیزه می دهد. درک اولیهترین مدلها، بینشی در مورد مدلهای پیچیدهتر فراهم میکند. در حالی که متن از غرق شدن در جزئیات تجزیه و تحلیل عددی جلوگیری می کند، نحوه استفاده از روش های عددی را نشان می دهد و کدهای اصلی را ارائه می دهد که می توانند به آسانی برای تناسب با موقعیت های مختلف تغییر داده شوند. اسکریپت های عددی در پایتون و متلب ® گنجانده شده است. پایتون در Jupyter Notebook برای کمک به استفاده در کلاس درس کامپایل شده است. علاوه بر این، کدها سازماندهی شده و به صورت آنلاین در دسترس هستند. یکی از مهم ترین مهارت هایی که نیاز به استفاده از شبیه سازی های کامپیوتری دارد، تحلیل حساسیت است. تجزیه و تحلیل حساسیت به طور فزاینده ای در بیوماتیک استفاده می شود. مشکلات متعددی برای استفاده از تجزیه و تحلیل حساسیت وجود دارد و بنابراین نیاز به قرار گرفتن در معرض نمونه های کار شده برای انتقال موفقیت آمیز استفاده از آنها از ریاضیدانان به زیست شناسان است. پیوندهای متقابل بین ریاضیات و علوم زیستی تاریخچه گسترده ای دارد. این کتاب رویکرد جدیدی را برای استفاده از ریاضیات برای مدلسازی برنامههای کاربردی با استفاده از رایانه، به کارگیری روشهای عددی ارائه میدهد و دانشآموزان را گامی فراتر به حوزه تحلیل حساسیت میبرد. با کمی راهنمایی و تمرین، خواننده ابزار جدید و فوق العاده قدرتمندی برای استفاده خواهد داشت.
توضیحاتی درمورد کتاب به خارجی
The purpose of this unique textbook is to bridge the gap between the need for numerical solutions to modeling techniques through computer simulations to develop skill in employing sensitivity analysis to biological and life sciences applications. The underpinning mathematics is minimalized. The focus is on the consequences, implementation, and application. Historical context motivates the models. An understanding of the earliest models provides insight into more complicated ones. While the text avoids getting mired in the details of numerical analysis, it demonstrates how to use numerical methods and provides core codes that can be readily altered to fit a variety of situations. Numerical scripts in both Python and MATLAB® are included. Python is compiled in Jupyter Notebook to aid classroom use. Additionally, codes are organized and available online. One of the most important skills requiring the use of computer simulations is sensitivity analysis. Sensitivity analysis is increasingly used in biomathematics. There are numerous pitfalls to using sensitivity analysis and therefore a need for exposure to worked examples in order to successfully transfer their use from mathematicians to biologists. The interconnections between mathematics and the life sciences have an extensive history. This book offers a new approach to using mathematics to model applications using computers, to employ numerical methods, and takes students a step further into the realm of sensitivity analysis. With some guidance and practice, the reader will have a new and incredibly powerful tool to use.
