ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Think Complexity

دانلود کتاب به پیچیدگی فکر کنید

Think Complexity

مشخصات کتاب

Think Complexity

ویرایش:  
نویسندگان:   
سری: Green Tea Press: open access computer science e-books; Open Textbook Library 
ISBN (شابک) : 9781449314620, 1449314627 
ناشر: Green Tea Press;O'Reilly Media 
سال نشر: 2012 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت 

قیمت کتاب (تومان) : 39,000



کلمات کلیدی مربوط به کتاب به پیچیدگی فکر کنید: پایتون (زبان برنامه کامپیوتری)، پیچیدگی محاسباتی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 4


در صورت تبدیل فایل کتاب Think Complexity 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 به پیچیدگی فکر کنید 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 به پیچیدگی فکر کنید

این کتاب درباره علم پیچیدگی، ساختارهای داده و الگوریتم‌ها، برنامه‌نویسی متوسط ​​در پایتون و فلسفه علم است: ساختار داده‌ها و الگوریتم‌ها: ساختار داده مجموعه‌ای است که شامل عناصر داده‌ای است که به گونه‌ای سازماندهی شده‌اند که از عملیات خاص پشتیبانی می‌کند. به عنوان مثال، یک فرهنگ لغت جفت‌های کلید-مقدار را به‌گونه‌ای سازمان‌دهی می‌کند که نگاشت سریع از کلیدها به مقادیر ارائه می‌کند، اما نگاشت از مقادیر به کلیدها معمولاً کندتر است. یک الگوریتم یک فرآیند مکانیکی برای انجام محاسبات. طراحی برنامه‌های کارآمد اغلب شامل تکامل مشترک ساختارهای داده و الگوریتم‌هایی است که از آنها استفاده می‌کنند. برای مثال، چند فصل اول در مورد نمودارها هستند، ساختار داده‌ای که اجرای خوبی از یک نمودار است. -- دیکشنری های تو در تو --- و چندین الگوریتم گراف که از این ساختار داده استفاده می کنند برنامه نویسی پایتون: این کتاب از جایی که Think Python متوقف می شود شروع می کند. من فرض می کنم که شما آن کتاب را خوانده اید یا دانشی معادل از Python دارید. مثل همیشه، من سعی خواهم کرد بر ایده های بنیادی که در برنامه نویسی در بسیاری از زبان ها کاربرد دارند تأکید کنم، اما در طول مسیر شما برخی از ویژگی های مفید را یاد خواهید گرفت که مخصوص پایتون هستند. مدل سازی محاسباتی: مدل توصیف ساده شده یک سیستم است که برای شبیه سازی یا تجزیه و تحلیل مفید است. مدل‌های محاسباتی برای استفاده از محاسبات ارزان و سریع طراحی شده‌اند. فلسفه علم: مدل ها و نتایج این کتاب تعدادی سؤال مرتبط با فلسفه علم را مطرح می کند، از جمله ماهیت قوانین علمی، انتخاب نظریه، واقع گرایی و ابزارگرایی، کل گرایی و تقلیل گرایی، و معرفت شناسی بیزی. این کتاب بر روی مدل‌های گسسته تمرکز دارد که شامل نمودارها، اتوماتای ​​سلولی و مدل‌های مبتنی بر عامل می‌شود. آنها اغلب با ساختار، قوانین و انتقال به جای معادلات مشخص می شوند. آنها تمایل دارند انتزاعی تر از مدل های پیوسته باشند. در برخی موارد هیچ تناسب مستقیمی بین مدل و یک سیستم فیزیکی وجود ندارد. علم پیچیدگی یک رشته بین رشته ای است --- در تقاطع ریاضیات، علوم کامپیوتر و فیزیک --- که بر این نوع مدل ها تمرکز دارد.\"--کتابخانه کتاب درسی را باز کنید.  ادامه مطلب...
چکیده: \"این کتاب درباره علم پیچیدگی، ساختارهای داده و الگوریتم‌ها، برنامه‌نویسی متوسط ​​در پایتون و فلسفه علم است. : ساختارها و الگوریتم های داده: ساختار داده مجموعه ای است که حاوی عناصر داده ای است که به گونه ای سازماندهی شده اند که از عملیات خاصی پشتیبانی می کند. به عنوان مثال، یک فرهنگ لغت جفت های کلید-مقدار را به گونه ای سازماندهی می کند که نگاشت سریع از کلیدها به مقادیر را فراهم می کند، اما نگاشت از مقادیر به کلیدها معمولاً کندتر است. الگوریتم یک فرآیند مکانیکی برای انجام محاسبات است. طراحی برنامه های کارآمد اغلب شامل تکامل مشترک ساختارهای داده و الگوریتم هایی است که از آنها استفاده می کنند. به عنوان مثال، چند فصل اول در مورد نمودارها هستند، یک ساختار داده که اجرای خوبی از یک نمودار --- فرهنگ لغت تو در تو --- و چندین الگوریتم گراف است که از این ساختار داده استفاده می کنند. برنامه نویسی پایتون: این کتاب جایی را که Think Python رها می کند، شروع می کند. من فرض می کنم که شما آن کتاب را خوانده اید یا دانشی معادل از پایتون دارید. مثل همیشه، من سعی خواهم کرد بر ایده های بنیادی که در برنامه نویسی در بسیاری از زبان ها کاربرد دارند تأکید کنم، اما در طول مسیر شما برخی از ویژگی های مفید را یاد خواهید گرفت که مخصوص پایتون هستند. مدل سازی محاسباتی: مدل توصیف ساده شده یک سیستم است که برای شبیه سازی یا تجزیه و تحلیل مفید است. مدل‌های محاسباتی برای استفاده از محاسبات ارزان و سریع طراحی شده‌اند. فلسفه علم: مدل ها و نتایج این کتاب تعدادی سؤال مرتبط با فلسفه علم را مطرح می کند، از جمله ماهیت قوانین علمی، انتخاب نظریه، واقع گرایی و ابزارگرایی، کل گرایی و تقلیل گرایی، و معرفت شناسی بیزی. این کتاب بر روی مدل‌های گسسته تمرکز دارد که شامل نمودارها، اتوماتای ​​سلولی و مدل‌های مبتنی بر عامل می‌شود. آنها اغلب با ساختار، قوانین و انتقال به جای معادلات مشخص می شوند. آنها تمایل دارند انتزاعی تر از مدل های پیوسته باشند. در برخی موارد هیچ تناسب مستقیمی بین مدل و یک سیستم فیزیکی وجود ندارد. علم پیچیدگی یک رشته بین رشته ای است --- در تقاطع ریاضیات، علوم کامپیوتر و فیزیک --- که بر این نوع مدل ها تمرکز دارد.\"--کتابخانه کتاب درسی باز


توضیحاتی درمورد کتاب به خارجی

"This book is about complexity science, data structures and algorithms, intermediate programming in Python, and the philosophy of science: Data structures and algorithms: A data structure is a collection that contains data elements organized in a way that supports particular operations. For example, a dictionary organizes key-value pairs in a way that provides fast mapping from keys to values, but mapping from values to keys is generally slower. An algorithm is a mechanical process for performing a computation. Designing efficient programs often involves the co-evolution of data structures and the algorithms that use them. For example, the first few chapters are about graphs, a data structure that is a good implementation of a graph---nested dictionaries---and several graph algorithms that use this data structure. Python programming: This book picks up where Think Python leaves off. I assume that you have read that book or have equivalent knowledge of Python. As always, I will try to emphasize fundmental ideas that apply to programming in many languages, but along the way you will learn some useful features that are specific to Python. Computational modeling: A model is a simplified description of a system that is useful for simulation or analysis. Computational models are designed to take advantage of cheap, fast computation. Philosophy of science: The models and results in this book raise a number of questions relevant to the philosophy of science, including the nature of scientific laws, theory choice, realism and instrumentalism, holism and reductionism, and Bayesian epistemology. This book focuses on discrete models, which include graphs, cellular automata, and agent-based models. They are often characterized by structure, rules and transitions rather than by equations. They tend to be more abstract than continuous models; in some cases there is no direct correspondence between the model and a physical system. Complexity science is an interdisciplinary field---at the intersection of mathematics, computer science and physics---that focuses on these kinds of models."--Open Textbook Library.  Read more...
Abstract: "This book is about complexity science, data structures and algorithms, intermediate programming in Python, and the philosophy of science: Data structures and algorithms: A data structure is a collection that contains data elements organized in a way that supports particular operations. For example, a dictionary organizes key-value pairs in a way that provides fast mapping from keys to values, but mapping from values to keys is generally slower. An algorithm is a mechanical process for performing a computation. Designing efficient programs often involves the co-evolution of data structures and the algorithms that use them. For example, the first few chapters are about graphs, a data structure that is a good implementation of a graph---nested dictionaries---and several graph algorithms that use this data structure. Python programming: This book picks up where Think Python leaves off. I assume that you have read that book or have equivalent knowledge of Python. As always, I will try to emphasize fundmental ideas that apply to programming in many languages, but along the way you will learn some useful features that are specific to Python. Computational modeling: A model is a simplified description of a system that is useful for simulation or analysis. Computational models are designed to take advantage of cheap, fast computation. Philosophy of science: The models and results in this book raise a number of questions relevant to the philosophy of science, including the nature of scientific laws, theory choice, realism and instrumentalism, holism and reductionism, and Bayesian epistemology. This book focuses on discrete models, which include graphs, cellular automata, and agent-based models. They are often characterized by structure, rules and transitions rather than by equations. They tend to be more abstract than continuous models; in some cases there is no direct correspondence between the model and a physical system. Complexity science is an interdisciplinary field---at the intersection of mathematics, computer science and physics---that focuses on these kinds of models."--Open Textbook Library



فهرست مطالب

Content: 1. Complexity Science --
2. Graphs --
3. Analysis of algorithms --
4. Small world graphs --
5. Scale-free networks --
6. Cellular Automata --
7. Game of Life --
8. Fractals --
9. Self-organized criticality --
10. Agent-based models --
11. Case study: Sugarscape --
12. Case study: Ant trails --
13. Case study: Directed graphs and knots --
Case study: The Volunteer\'s Dilemma.




نظرات کاربران