دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Scientific Computing with Python
دانلود کتاب محاسبات علمی با پایتون
مشخصات کتاب
Scientific Computing with Python
ویرایش: 2
نویسندگان: Claus Führer
سری:
ISBN (شابک) : 1838822321
ناشر: Packt Publishing
سال نشر: 2021
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 31 مگابایت
قیمت کتاب (تومان) : 42,000
در صورت تبدیل فایل کتاب Scientific Computing with Python 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 محاسبات علمی با 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 محاسبات علمی با پایتون
از این راهنمای جامع و مملو از مثال برای همه نیازهای محاسباتی پایتون خود استفاده کنید ویژگی‌های کلیدی: اولین گام‌ها را در پایتون تا مفاهیم بسیار تخصصی بیاموزید. نمونه‌ها و قطعه‌های کد گرفته‌شده از موقعیت‌های برنامه‌نویسی معمولی را در محاسبات علمی کاوش کنید. در مفاهیم اساسی علوم کامپیوتر مانند تکرار، برنامه نویسی شی گرا، تست و MPI که در ارتباط قوی با برنامه های کاربردی در محاسبات علمی ارائه شده اند، بپردازید. توضیحات کتاب: پایتون دارای پتانسیل فوق العاده ای در حوزه محاسبات علمی است. این نسخه به روز شده محاسبات علمی با پایتون دارای فصل های جدیدی در رابطه با رابط های گرافیکی کاربر، پردازش کارآمد داده ها، و محاسبات موازی است تا به شما کمک کند محاسبات ریاضی و علمی را به طور موثر با استفاده از پایتون انجام دهید. این کتاب به شما کمک می کند تا ویژگی های نحوی جدید پایتون را کشف کنید و مدل های مختلف را با استفاده از اصول محاسبات علمی ایجاد کنید. این کتاب پایتون را در کنار برنامه‌های ریاضی ارائه می‌کند و نحوه استفاده از مفاهیم پایتون را در محاسبات با کمک مثال‌های مربوط به پایتون 3.8 نشان می‌دهد. شما از پانداها برای تجزیه و تحلیل داده های اولیه استفاده می کنید تا نیازهای مدرن محاسبات علمی را درک کنید و بهبودهای ماژول داده و ویژگی های داخلی را پوشش دهید. همچنین ماژول‌های محاسبات عددی مانند NumPy و SciPy را بررسی خواهید کرد که دسترسی سریع به الگوریتم‌های عددی بسیار کارآمد را امکان‌پذیر می‌سازد. با یادگیری استفاده از ماژول ترسیم Matplotlib، می توانید نتایج محاسباتی خود را در گفتگوها و انتشارات نشان دهید. یک فصل ویژه به SymPy، ابزاری برای پل زدن محاسبات نمادین و عددی اختصاص داده شده است. در پایان این کتاب پایتون، درک کاملی از اتوماسیون وظایف و نحوه پیاده‌سازی و آزمایش الگوریتم‌های ریاضی در حوزه محاسبات علمی به دست خواهید آورد. آنچه یاد خواهید گرفت: بلوک های سازنده ریاضیات محاسباتی، جبر خطی و اشیاء پایتون مرتبط را بشناسید. برای استفاده از پانداها برای ورود به دنیای پردازش داده ها کنترل استثناها برای نوشتن کد قابل اعتماد و قابل استفاده پوشش جنبه های دستی و خودکار آزمایش برای برنامه نویسی علمی با محاسبات موازی برای افزایش سرعت محاسبات آشنا شوید این کتاب برای چه کسانی است: این کتاب برای دانش آموزانی است که با پیشینه ریاضی، معلمان دانشگاه در حال طراحی دوره های مدرن برنامه نویسی، دانشمندان داده، محققان، توسعه دهندگان و هر کسی که می خواهد محاسبات علمی را در پایتون انجام دهد.
توضیحاتی درمورد کتاب به خارجی
Leverage this example-packed, comprehensive guide for all your Python computational needs Key Features: Learn the first steps within Python to highly specialized concepts Explore examples and code snippets taken from typical programming situations within scientific computing. Delve into essential computer science concepts like iterating, object-oriented programming, testing, and MPI presented in strong connection to applications within scientific computing. Book Description: Python has tremendous potential within the scientific computing domain. This updated edition of Scientific Computing with Python features new chapters on graphical user interfaces, efficient data processing, and parallel computing to help you perform mathematical and scientific computing efficiently using Python. This book will help you to explore new Python syntax features and create different models using scientific computing principles. The book presents Python alongside mathematical applications and demonstrates how to apply Python concepts in computing with the help of examples involving Python 3.8. You'll use pandas for basic data analysis to understand the modern needs of scientific computing, and cover data module improvements and built-in features. You'll also explore numerical computation modules such as NumPy and SciPy, which enable fast access to highly efficient numerical algorithms. By learning to use the plotting module Matplotlib, you will be able to represent your computational results in talks and publications. A special chapter is devoted to SymPy, a tool for bridging symbolic and numerical computations. By the end of this Python book, you'll have gained a solid understanding of task automation and how to implement and test mathematical algorithms within the realm of scientific computing. What You Will Learn: Understand the building blocks of computational mathematics, linear algebra, and related Python objects Use Matplotlib to create high-quality figures and graphics to draw and visualize results Apply object-oriented programming (OOP) to scientific computing in Python Discover how to use pandas to enter the world of data processing Handle exceptions for writing reliable and usable code Cover manual and automatic aspects of testing for scientific programming Get to grips with parallel computing to increase computation speed Who this book is for: This book is for students with a mathematical background, university teachers designing modern courses in programming, data scientists, researchers, developers, and anyone who wants to perform scientific computation in Python.
