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
ویرایش:
نویسندگان: Allen B. Downey
سری:
ISBN (شابک) : 9781718502178, 2022049830
ناشر: No Starch Press, Inc.
سال نشر: 2023
تعداد صفحات: 280
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 19 Mb
در صورت تبدیل فایل کتاب Modeling and Simulation in Python: An Introduction for Scientists and Engineers 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 مدل سازی و شبیه سازی در پایتون: مقدمه ای برای دانشمندان و مهندسان 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.
مدلسازی و شبیهسازی در پایتون مقدمهای کامل اما آسان برای مدلسازی فیزیکی است – یعنی هنر توصیف و شبیهسازی سیستمهای دنیای واقعی.\r\n\r\nخوانندگان از طریق مدلسازی چیزهایی مانند رشد جمعیت جهان، بیماریهای عفونی، بانجی جامپینگ، مسیرهای پرواز بیسبال، مکانیک آسمانی و موارد دیگر راهنمایی میشوند و همزمان درک قوی از مفاهیم برنامهنویسی اساسی مانند حلقهها، بردارها و توابع ایجاد میکنند.\r\n\r\nواضح و مختصر، با تمرکز بر یادگیری از طریق انجام، نویسنده از انتزاع و پیچیدگی های نظری خواننده چشم پوشی می کند و به نمونه های عملی می رسد که نشان می دهد چگونه مدل ها و شبیه سازی های مفید تولید شود.\r\n\r\nاین کتاب در مورد سیستم های دینامیکی است، یعنی چیزهایی که در طول زمان تغییر می کنند. اولین مثالی که به آن نگاه خواهیم کرد، سقوط یک پنی از ساختمان امپایر استیت است، جایی که چیزی که در حال تغییر است موقعیت پنی در فضا است. نمونه های دیگر عبارتند از یک فنجان قهوه، که در آن دما در طول زمان تغییر می کند، و گلوکز در جریان خون انسان، که در آن غلظت در طول زمان تغییر می کند.\r\n\r\nما مدلهایی را تعریف میکنیم که سادهسازیهایی هستند که مهمترین عناصر دنیای واقعی را در بر میگیرند و کماهمیتترین را حذف میکنند و برنامههای پایتون را مینویسیم که این مدلها را شبیهسازی میکنند. ما از مدلها و شبیهسازیها برای انجام سه نوع کار استفاده میکنیم: پیشبینی اینکه یک سیستم چگونه رفتار میکند، توضیح اینکه چرا آنطور که رفتار میکند، و طراحی سیستمهایی برای رفتار به نحوی که ما میخواهیم.
Modeling and Simulation in Python is a thorough but easy-to-follow introduction to physical modeling—that is, the art of describing and simulating real-world systems. Readers are guided through modeling things like world population growth, infectious disease, bungee jumping, baseball flight trajectories, celestial mechanics, and more while simultaneously developing a strong understanding of fundamental programming concepts like loops, vectors, and functions. Clear and concise, with a focus on learning by doing, the author spares the reader abstract, theoretical complexities and gets right to hands-on examples that show how to produce useful models and simulations. This book is about dynamical systems, that is, things that change over time. The first example we’ll look at is a penny falling from the Empire State Building, where the thing that’s changing is the position of the penny in space. Other examples include a cup of coffee, where temperature changes over time, and glucose in the human bloodstream, where concentration changes over time. We will define models, which are simplifications intended to include the most important elements of the real world and leave out the least important, and we will write Python programs that simulate these models. We will use models and simulations to do three kinds of work: predicting how a system will behave, explaining why it behaves as it does, and designing systems to behave the way we want.
Acknowledgments Introduction PART I: DISCRETE SYSTEMS Chapter 1: Introduction to Modeling Chapter 2: Modeling a Bike Share System Chapter 3: Iterative Modeling Chapter 4: Parameters and Metrics Chapter 5: Building a Population Model Chapter 6: Iterating the Population Model Chapter 7: Limits to Growth Chapter 8: Projecting into the Future Chapter 9: Analysis and Symbolic Computation Chapter 10: Case Studies Part I PART II: FIRST-ORDER SYSTEMS Chapter 11: Epidemiology and SIR Models Chapter 12: Quantifying Interventions Chapter 13: Sweeping Parameters Chapter 14: Nondimensionalization Chapter 15: Thermal Systems Chapter 16: Solving the Coffee Problem Chapter 17: Modeling Blood Sugar Chapter 18: Implementing the Minimal Model Chapter 19: Case Studies Part II PART III: SECOND-ORDER SYSTEMS Chapter 20: The Falling Penny Revisited Chapter 21: Drag Chapter 22: Two-Dimensional Motion Chapter 23: Optimization Chapter 24: Rotation Chapter 25: Torque Chapter 26: Case Studies Part III Appendix: Under the Hood Index