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: 2 نویسندگان: Robert Johansson سری: ISBN (شابک) : 1484242459, 9781484242452 ناشر: Apress سال نشر: 2018 تعداد صفحات: 709 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 22 مگابایت
در صورت تبدیل فایل کتاب Numerical Python: Scientific Computing and Data Science Applications with Numpy, Scipy and Matplotlib 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 پایتون عددی: محاسبات علمی و کاربردهای علم داده با Numpy، Scipy و Matplotlib 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.
از ماژول های عددی و ریاضی در پایتون و کتابخانه استاندارد آن و همچنین بسته های عددی منبع باز محبوب پایتون مانند NumPy، SciPy، FiPy، matplotlib و غیره استفاده کنید. این نسخه کاملاً اصلاحشده، با آخرین جزئیات هر بسته و تغییرات در پروژههای Jupyter بهروزرسانی شده است، نحوه محاسبه عددی راهحلها و مدلسازی ریاضی برنامهها در دادههای بزرگ، رایانش ابری، مهندسی مالی، مدیریت کسبوکار و موارد دیگر را نشان میدهد. Numerical Python، نسخه دوم، نمونههای مطالعه موردی کاملاً جدیدی از برنامههای کاربردی در علم داده و آمار با استفاده از Python را همراه با پسوندهای بسیاری از نمونههای قبلی ارائه میدهد. هر یک از این ها قدرت پایتون را برای توسعه سریع و محاسبات اکتشافی به دلیل نحو ساده و سطح بالا و گزینه های متعدد برای تجزیه و تحلیل داده ها نشان می دهد. پس از مطالعه این کتاب، خوانندگان با بسیاری از تکنیکهای محاسباتی از جمله محاسبات مبتنی بر آرایه و محاسبات نمادین، تصویرسازی و ورودی/خروجی فایلهای عددی، حل معادلات، بهینهسازی، درونیابی و ادغام، و مسائل محاسباتی خاص حوزه مانند حل معادلات دیفرانسیل آشنا خواهند شد. ، تجزیه و تحلیل داده ها، مدل سازی آماری و یادگیری ماشینی. Wچیزی که یاد خواهید گرفت با استفاده از NumPy با بردارها و ماتریس ها کار کنید داده ها را با Matplotlib ترسیم و تجسم کنید کارهای تجزیه و تحلیل داده ها را با پانداها و SciPy انجام دهید مدل سازی آماری و یادگیری ماشین را با statsmodels و scikit-learn مرور کنید کد پایتون را با استفاده از Numba و Cython بهینه کنید این کتاب برای چه کسی است توسعه دهندگانی که می خواهند بدانند چگونه از پایتون و اکوسیستم مربوط به آن برای محاسبات عددی استفاده کنند.
Leverage the numerical and mathematical modules in Python and its standard library as well as popular open source numerical Python packages like NumPy, SciPy, FiPy, matplotlib and more. This fully revised edition, updated with the latest details of each package and changes to Jupyter projects, demonstrates how to numerically compute solutions and mathematically model applications in big data, cloud computing, financial engineering, business management and more. Numerical Python, Second Edition, presents many brand-new case study examples of applications in data science and statistics using Python, along with extensions to many previous examples. Each of these demonstrates the power of Python for rapid development and exploratory computing due to its simple and high-level syntax and multiple options for data analysis. After reading this book, readers will be familiar with many computing techniques including array-based and symbolic computing, visualization and numerical file I/O, equation solving, optimization, interpolation and integration, and domain-specific computational problems, such as differential equation solving, data analysis, statistical modeling and machine learning. What You'll Learn Work with vectors and matrices using NumPy Plot and visualize data with Matplotlib Perform data analysis tasks with Pandas and SciPy Review statistical modeling and machine learning with statsmodels and scikit-learn Optimize Python code using Numba and Cython Who This Book Is For Developers who want to understand how to use Python and its related ecosystem for numerical computing.
Front Matter ....Pages i-xxiii
Introduction to Computing with Python (Robert Johansson)....Pages 1-41
Vectors, Matrices, and Multidimensional Arrays (Robert Johansson)....Pages 43-96
Symbolic Computing (Robert Johansson)....Pages 97-134
Plotting and Visualization (Robert Johansson)....Pages 135-181
Equation Solving (Robert Johansson)....Pages 183-212
Optimization (Robert Johansson)....Pages 213-242
Interpolation (Robert Johansson)....Pages 243-265
Integration (Robert Johansson)....Pages 267-293
Ordinary Differential Equations (Robert Johansson)....Pages 295-333
Sparse Matrices and Graphs (Robert Johansson)....Pages 335-361
Partial Differential Equations (Robert Johansson)....Pages 363-404
Data Processing and Analysis (Robert Johansson)....Pages 405-441
Statistics (Robert Johansson)....Pages 443-470
Statistical Modeling (Robert Johansson)....Pages 471-511
Machine Learning (Robert Johansson)....Pages 513-541
Bayesian Statistics (Robert Johansson)....Pages 543-572
Signal Processing (Robert Johansson)....Pages 573-599
Data Input and Output (Robert Johansson)....Pages 601-640
Code Optimization (Robert Johansson)....Pages 641-665
Back Matter ....Pages 667-700