عنوان کتاب به انگلیسی: |
Practical Discrete Mathematics: Discover math principles that fuel algorithms for computer science and machine learning with Python |
| سال انتشار: 2021 | 330 صفحه | حجم فایل: 6 مگابایت | زبان: انگلیسی |
| نویسنده | Ryan T. White, Archana Tikayat Ray |
| ناشر | Packt Publishing |
| ISBN10: | 1838983147 |
| ISBN13: | 9781838983147 |
توضیحات کتاب
Key FeaturesApply the math of countable objects to practical problems in computer science
Explore modern Python libraries such as scikit-learn, NumPy, and SciPy for performing mathematics
Learn complex statistical and mathematical concepts with the help of hands-on examples and expert guidanceBook Description
Discrete mathematics deals with studying countable, distinct elements, and its principles are widely used in building algorithms for computer science and data science. The knowledge of discrete math concepts will help you understand the algorithms, binary, and general mathematics that sit at the core of data-driven tasks.
Practical Discrete Mathematics is a comprehensive introduction for those who are new to the mathematics of countable objects. This book will help you get up to speed with using discrete math principles to take your computer science skills to a more advanced level.
As you learn the language of discrete mathematics, you’ll also cover methods crucial to studying and describing computer science and machine learning objects and algorithms. The chapters that follow will guide you through how memory and CPUs work. In addition to this, you’ll understand how to analyze data for useful patterns, before finally exploring how to apply math concepts in network routing, web searching, and data science.
By the end of this book, you’ll have a deeper understanding of discrete math and its applications in computer science, and be ready to work on real-world algorithm development and machine learning.
What you will learn
Understand the terminology and methods in discrete math and their usage in algorithms and data problems
Use Boolean algebra in formal logic and elementary control structures
Implement combinatorics to measure computational complexity and manage memory allocation
Use random variables, calculate descriptive statistics, and find average-case computational complexity
Solve graph problems involved in routing, pathfinding, and graph searches, such as depth-first search
Perform ML tasks such as data visualization, regression, and dimensionality reduction
Who this book is for
This book is for computer scientists looking to expand their knowledge of discrete math, the core topic of their field. University students looking to get hands-on with computer science, mathematics, statistics, engineering, or related disciplines will also find this book useful. Basic Python programming skills and knowledge of elementary real-number algebra are required to get started with this book.
Table of Contents
Key Concepts, Notation, Set Theory, Relations, and Functions
Formal Logic and Constructing Mathematical Proofs
Computing with Base-n Numbers
Combinatorics Using SciPy
Elements of Discrete Probability
Computational Algorithms in Linear Algebra
Computational Requirements for Algorithms
Storage and Feature Extraction of Graphs, Trees, and Networks
Searching Data Structures and Finding Shortest Paths
Regression Analysis with NumPy and Scikit-Learn
Web Searches with PageRank
Principal Component Analysis with Scikit-Learn
توضیحات کتاب به فارسی (ترجمه ماشینی)
یک راهنمای عملی ساده سازی ریاضیات گسسته برای ذهن کنجکاو و نشان دادن کاربرد آن در حل مشکلات مربوط به توسعه نرم افزار ، الگوریتم های رایانه ای و علوم داده
ویژگی های کلیدی
ریاضی اشیاء قابل شمارش را برای مشکلات عملی در علوم کامپیوتر اعمال کنید
برای اجرای ریاضیات ، کتابخانه های مدرن پایتون مانند Scikit-Learn ، Numpy و SciPy را کاوش کنید
مفاهیم آماری و ریاضی پیچیده ای را با کمک نمونه های دستی و راهنمایی های تخصصی بیاموزید
توضیحات کتاب
ریاضیات گسسته با مطالعه عناصر قابل شمارش ، متمایز و اصول آن به طور گسترده در ساخت الگوریتم های علوم کامپیوتر و علوم داده استفاده می شود.دانش مفاهیم ریاضی گسسته به شما کمک می کند تا الگوریتم ها ، باینری و ریاضیات عمومی را که در هسته کارهای داده محور قرار دارند ، درک کنید.
ریاضیات گسسته عملی مقدمه ای جامع برای کسانی است که در ریاضیات اشیاء قابل شمارش جدید هستند.این کتاب به شما کمک می کند تا با استفاده از اصول ریاضی گسسته ، مهارت های علوم رایانه خود را به سطح پیشرفته تری برسانید.
همانطور که زبان ریاضیات گسسته را یاد می گیرید ، همچنین روشهای بسیار مهم برای مطالعه و توصیف علوم کامپیوتر و اشیاء یادگیری ماشین و الگوریتم ها را پوشش می دهید.فصل های زیر شما را از طریق نحوه کار حافظه و CPU راهنمایی می کند.علاوه بر این ، شما می دانید که چگونه می توانید داده ها را برای الگوهای مفید تجزیه و تحلیل کنید ، قبل از اینکه در نهایت نحوه استفاده از مفاهیم ریاضی در مسیریابی شبکه ، جستجوی وب و علم داده را بررسی کنید.
در پایان این کتاب ، درک عمیق تری از ریاضیات گسسته و کاربردهای آن در علوم کامپیوتر خواهید داشت و آماده کار بر روی توسعه الگوریتم دنیای واقعی و یادگیری ماشین هستید.
آنچه یاد خواهید گرفت
اصطلاحات و روشها را در ریاضیات گسسته و استفاده از آنها در الگوریتم ها و مشکلات داده درک کنید
در منطق رسمی و ساختارهای کنترل ابتدایی از جبر بولی استفاده کنید
ترکیبی را برای اندازه گیری پیچیدگی محاسباتی و مدیریت تخصیص حافظه پیاده سازی کنید
از متغیرهای تصادفی استفاده کنید ، آمار توصیفی را محاسبه کنید و پیچیدگی محاسباتی متوسط را پیدا کنید
مشکلات نمودار مربوط به مسیریابی ، مسیریابی و جستجوهای نمودار مانند جستجوی عمق اول را حل کنید
وظایف ML مانند تجسم داده ها ، رگرسیون و کاهش ابعاد را انجام دهید
این کتاب برای چه کسی است
این کتاب برای دانشمندان رایانه ای است که به دنبال گسترش دانش خود در مورد ریاضی گسسته ، موضوع اصلی حوزه خود هستند.دانشجویان دانشگاه که به دنبال دستیابی به علوم کامپیوتر ، ریاضیات ، آمار ، مهندسی یا رشته های مرتبط هستند ، این کتاب را نیز مفید می دانند.مهارت های اصلی برنامه نویسی پایتون و دانش در مورد جبر با شماره واقعی ابتدایی برای شروع این کتاب لازم است.
فهرست مطالب
مفاهیم کلیدی ، نماد ، تئوری مجموعه ، روابط و کارکردها
منطق رسمی و ساخت اثبات ریاضی
محاسبات با شماره های BASE-N
ترکیبی با استفاده از SCIPY
عناصر احتمال گسسته
الگوریتم های محاسباتی در جبر خطی
الزامات محاسباتی برای الگوریتم ها
ذخیره سازی و استخراج نمودارها ، درختان و شبکه ها
جستجو در ساختار داده ها و یافتن کوتاه ترین مسیرها
تجزیه و تحلیل رگرسیون با Numpy و Scikit-Learn
جستجوی وب با PageRank
تجزیه و تحلیل مؤلفه اصلی با Scikit-Learn
| این محصول به صورت دانلودی می باشد و بلافاصله پس از پرداخت موفق قادر به دانلود خواهید بود |
| درج شماره موبایل برای سفارش ضروری نیست ولی ترجیح آن است درج گردد تا در صورت بروز مشکل اولین راه ارتباطی ما با شما باشد. |
|
چنانچه در دریافت محصول به هر دلیلی با مشکل روبرو شدید و مطمئن از پرداخت موفق وجه هستید به شماره تماس زیر نام، نام خانوادگی و نام محصول را پیامک بزنید تا لینک محصول سریعا برای شما ارسال گردد.
شماره تماس: 09395106248 |
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.