کتاب CLISP برای محاسبات علمی: از برنامه‌نویسی تا حل مسائل ریاضی و عددی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره CLISP برای محاسبات علمی: از برنامه‌نویسی تا حل مسائل ریاضی و عددی

موضوع کلی: برنامه‌نویسی لیسپ برای محاسبات علمی

موضوع میانی: استفاده از CLISP در محاسبات علمی و مهندسی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر CLISP و جایگاه آن در میان پیاده‌سازی‌های Common Lisp
• 2. نصب و راه‌اندازی محیط CLISP
• 3. آشنایی با REPL و اجرای تعاملی برنامه‌ها در CLISP
• 4. انواع داده‌های عددی در CLISP: صحیح، اعشاری، کسری، مختلط
• 5. عملگرهای ریاضی پایه و توابع محاسباتی داخلی
• 6. دقت عددی و مدیریت خطای گرد کردن در محاسبات علمی
• 7. تعریف توابع با defun برای محاسبات ریاضی
• 8. ساختارهای کنترلی: شرط‌ها، حلقه‌ها و بازگشت
• 9. کار با لیست‌ها و ساختارهای داده برای مجموعه‌های عددی
• 10. آرایه‌ها و بردارها در CLISP برای محاسبات عددی
• 11. ماتریس‌ها و عملیات جبر خطی پایه
• 12. پیاده‌سازی الگوریتم‌های حل دستگاه معادلات خطی
• 13. محاسبهٔ دترمینان و معکوس ماتریس
• 14. درون‌یابی عددی (Numerical Interpolation)
• 15. انتگرال‌گیری عددی با روش‌های ذوزنقه‌ای و سیمپسون
• 16. مشتق‌گیری عددی و تقریب توابع
• 17. حل معادلات غیرخطی با روش نیوتن-رافسون
• 18. حل معادلات دیفرانسیل معمولی با روش‌های عددی
• 19. بهینه‌سازی عددی و یافتن اکسترمم توابع
• 20. تولید اعداد تصادفی و کاربرد آن در شبیه‌سازی
• 21. شبیه‌سازی مونت‌کارلو در CLISP
• 22. پردازش و تحلیل داده‌های آماری پایه
• 23. محاسبات آماری: میانگین، واریانس و انحراف معیار
• 24. رسم و خروجی گرفتن از نتایج محاسبات (اتصال به ابزارهای ترسیم خارجی)
• 25. مدیریت فایل و ورودی/خروجی داده‌های علمی
• 26. خواندن و نوشتن داده‌های عددی از فایل‌های متنی و CSV
• 27. بهینه‌سازی کارایی محاسبات عددی در CLISP
• 28. پردازش بازگشتی برای مسائل علمی پیچیده
• 29. ماکروها و کاربرد آن‌ها در ساده‌سازی کدهای محاسباتی
• 30. مدیریت حافظه در برنامه‌های محاسباتی حجیم
• 31. اتصال CLISP به کتابخانه‌های خارجی با FFI
• 32. موازی‌سازی و بهبود کارایی در محاسبات سنگین
• 33. دیباگ کردن و رفع خطا در برنامه‌های علمی CLISP
• 34. مستندسازی و سازمان‌دهی پروژه‌های محاسباتی
• 35. مطالعهٔ موردی: شبیه‌سازی یک سیستم فیزیکی ساده با CLISP
• 36. مطالعهٔ موردی: حل یک مسئلهٔ بهینه‌سازی مهندسی با CLISP
• 37. مقایسهٔ CLISP با سایر ابزارهای محاسبات علمی (Python، MATLAB)