متن نمونه گرا با تمام برنامه های کاربردی برگرفته از علوم و مهندسی
کتاب در ابتدا برای تازه واردان برنامه نویسی پایتون در نظر گرفته شده بود اما ثابت شد که برای حرفه ای ها نیز مفید است
همه نمونه ها با کدهای برنامه کامل همراه هستند که می توان آنها را مطابق با نیاز خواننده تغییر داد
هم برنامه نویسی “ساده” به سبک Matlab و هم برنامه نویسی شی گرا را پوشش می دهد
نشان می دهد که چگونه پایتون می تواند جایگزینی برای Matlab در محاسبات علمی باشد
| عنوان به انگلیسی | A Primer on Scientific Programming with Python |
| زبان | انگلیسی |
| نویسنده | Hans Petter Langtangen |
| ناشر | Springer |
| ISBN10 | 3642183654 |
| ISBN13 | 9783642183652 |
| تعداد صفحات | 736 |
| فرمت |
نظرات خوانندگان کتاب A Primer on Scientific Programming with Python
| مقدمه ای عالی برای پایتون و برنامه نویسی برای دانشمندان. |
| این کتاب واقعاً مقدمه ای عالی برای برنامه نویسی برای ریاضیات، آمار، علوم یا مهندسی است. بخش‌های اول مقدمه‌ای عالی با ویژگی‌های اصلی زبان پایتون ارائه می‌کنند و نمونه استفاده‌ها (آنچه من فکر می‌کنم) مثال‌های جالبی هستند (عمدتاً از ریاضیات/فیزیک). من نمی توانم به کتاب دیگری فکر کنم که مقدمه ای مفیدتر برای پایتون ارائه دهد. بخش دوم، به نظر من، در ادبیات علم/مهندسی منحصربه‌فرد است – طراحی نرم‌افزار شی‌گرا و اینکه چرا الگوی مفیدی برای تحلیل عددی است. من نمی توانم به کتاب دیگری در این سطح فکر کنم که واقعاً این مفهوم را مانند این کتاب ثابت کند. کتاب خلاصه‌ای از روش‌های تحلیل عددی (دستورالعمل‌های عددی و غیره) نیست. همچنین متنی در تحلیل عددی نیست (مثلاً مانند مورتون و مایرز کلاسیک یا ریچتمایر و مورتون در منطقه PDE ). اما هرگز تظاهر نمی کند که باشد، که خوب است. من فکر می‌کنم داشتن حداقل ریاضیات سال اول لیسانس مفید خواهد بود (اگرچه اجباری نیست)، زیرا درک برخی از مثال‌های استفاده شده را برای تمرکز بر برنامه‌نویسی آسان‌تر می‌کند. به طور خلاصه، من معتقدم که این مقدمه ای اساساً بی عیب و نقص برای زبان پایتون و برنامه نویسی برای دانشمندان است. بزرگترین نقطه قوت آن ارائه مفاهیم طراحی OO است – واقعاً در این حوزه منحصر به فرد است. |
| پایتون برای دانشمندان |
| این کتاب برای دانشجویان کارشناسی یا فارغ التحصیلانی که مشتاق یادگیری پایتون برای علم هستند بسیار مناسب است. من کتاب را به شدت توصیه می کنم. |
| از متلب به سمت پایتون بروید |
| من ابتدا به این می پردازم که چرا فکر می کنم پایتون باید انتخاب ترجیحی اسکریپت نویسی/برنامه نویسی برای مهندسان باشد. اشتباه نکنید Matlab یک محیط برنامه نویسی عالی با قابلیت های زیاد است. با این حال، هزینه زیادی دارد و برای گسترش عملکرد آن باید ماژول های اضافی خریداری کنید. اینجا جایی است که پایتون در بالای صف ایستاده است. پایتون یک زبان برنامه نویسی رایگان است که تحت نسخه ای از مجوز عمومی عمومی گنو ارائه شده است. این بدان معناست که شما هرگز مجبور به خرید آن نخواهید بود. علاوه بر این، کتابخانه‌های پایتون که قابلیت‌های مشابه Matlab را ارائه می‌کنند، معمولاً سبک صدور مجوز مشابهی دارند. اینها شامل برخی از بهترین ها مانند NumPy، SciPy، MatPlotLib، Sci-Tools، SymPy و غیره هستند. چرا این کتاب را دوست دارم: این متن دارای یک برچسب قیمت باورنکردنی برای حجم محتوایی است که در بر می گیرد. کتاب واقعاً به دو بخش تقسیم شده است: الف) مبانی پایتون ب) پیاده سازی ریاضی/علوم عددی در پایتون. هزاران مثال و مشکلات برای حل کردن. این ویژگی شگفت انگیزیست! به خوبی با تکه کدهایی که گیج کننده یا طولانی نیستند نوشته شده است. در مورد بسیاری از کتابخانه های پایتون بحث می کند. چیزی که من خیلی طرفدار آن در کتاب نیستم: این کتاب سنگین است! یافتن انواع خاصی از کد/نمونه ها آسان نیست. برخی از مسائل خسته کننده هستند. ای کاش برنامه نویسی بیشتری برای شبیه سازی داشت (یعنی تفاوت های محدود، عناصر محدود). اگر دانشجوی لیسانس مهندسی مکانیک، برق یا مواد هستید که برای اولین بار به دنبال یادگیری برنامه نویسی هستید، این متنی عالی برای شروع است. اگر قبلاً دوره مشابهی در این مبحث داشته اید اما با زبان دیگری مانند Fortran یا C و بیشتر علاقه مند به استفاده از پایتون برای نوشتن کدهای سریع و ساده هستید، فکر می کنم کتاب نویسندگان “اسکریپت نویسی پایتون برای علوم محاسباتی” ممکن است مناسب تر باشد. (توجه: من در واقع آن کتاب را نخوانده ام). |
| متن عالی |
| یک متن پرایمر عالی برای مبتدیان پایتون. نویسنده نصب پایتون 2.x را فرض می‌کند، و من ترجیح می‌دهم روی پایتون 3.x تمرکز کنم، اما این مانع بزرگی برای استفاده از این کتاب عالی نیست. |
| جایی که این با مقیاس دشواری مطابقت دارد … |
| اشتباه گرفتن با کتاب‌های دو منظوره کاملاً خیره‌کننده مانند این بسیار آسان است: 1. آموزش روش‌های عددی و 2. همچنین آموزش پایتون. این متن فوق‌العاده جایگاه بسیار مورد نیاز را برای دانش‌آموزان مهندسی، ریاضی و IT/علوم کامپیوتر در دبیرستان AP/ مقطع کارشناسی ابتدایی، و همچنین برای خودآموزی، مرجع، خودآموزی پر می‌کند. دو مجموعه کلیدواژه مهم (و متفاوت) برای این متن عظیم وجود دارد: در ریاضیات: CAS (سیستم های جبر رایانه ای)، توابع ویژه، آنالیز عددی، روش های عددی و دستور العمل های عددی. در پایتون: رابط های روش های عددی و برنامه نویسی پایتون. چندین نوع زبان سطح بالا وجود دارد که به ترتیب از پارادایم های برنامه نویسی ساختاریافته، تابعی و شی گرا پیروی می کنند: نوع C- Fortran; Lisp- Haskell- نوع طرح. و جاوا، C++، پایتون و غیره در سمت شی. مهمتر از همه: همچنین زبان های برنامه های کاربردی “ویژه” مانند R، MatLab، VHDL و سایر نرم افزارهای “ماشین حساب” با رابط های ویژه برای توابع ریاضی طراحی شده اند. وقتی روش‌های عددی را یاد می‌گیرید، لزوماً از بسیاری از توابع شیء زبان خود استفاده نمی‌کنید (مثلاً وراثت). به خصوص در پایتون 3 (در این کتاب توضیح داده نشده است)، اما در متون بسیار پیشرفته تر مانند روش های عددی در مهندسی با پایتون 3، که در واقع در حال تبدیل شدن به رقیبی برای MatLab است، در واقع از ویژگی های شی گرا بسیار کمتری استفاده می شود و رابط کاربری گرافیکی به نظر می رسد خیلی شبیه MatLab، Mathcad، Mathematica، و غیره باشد! این را به شما می گویم، زیرا اگر قصد دارید از این متن به عنوان مقدمه ای کلی برای برنامه نویسی پایتون و علمی-مهندسی استفاده کنید، حتی اگر در سطح مقدماتی فوق العاده ای نوشته شده باشد (بدون از دست دادن برنامه ها و توابع سطح بالا)، واقعاً چنین کتابی است. در روش‌های عددی کتاب کاملاً تخصصی است، بنابراین شما مقداری از جنبه‌هایی که ممکن است برای آموزش عمومی‌تر پایتون به آن نیاز داشته باشید را از دست بدهید. روش‌های عددی و توابع ویژه در این کتاب برخی از بالاترین، پیچیده‌ترین و دشوارترین کاربردها در علوم کامپیوتر، ریاضی، علوم و مهندسی هستند (و برخی از اسرار تجاری با دقت محافظت شده در HP/TI و دیگر شرکت‌های تولید کننده ماشین‌حساب!). روش‌های عددی و ریاضیات روشی هستند که محققان و برنامه‌نویسان کدنویسی ویژه‌ای را برای نمایش و حل توابع، معادلات و مسائل ریاضی (شامل آمار و داده‌های بزرگ) با استفاده از قدرت محاسباتی پردازنده ایجاد و پیاده‌سازی می‌کنند. این بدان معناست که روش‌های «مغز»، مثلاً عبارت‌های جایگزینی و u در انتگرال‌ها یا حل چندجمله‌ای، معمولاً به معادل‌های جبر خطی خود تغییر می‌کنند (زیرا 0s، 1s و مورب‌ها در ماتریس‌ها، آرایه‌ها و بردارها برای رایانه راحت‌تر حل می‌شوند. ). اکنون نکته حیرت‌انگیز در مورد این کتاب اینجاست: هیچ متن دیگری از ده‌ها یا بیشتر سعی نمی‌کند دستور العمل‌های عددی، روش‌ها، توابع، کدنویسی و غیره را بدون حداقل یک سال کامل جبر خطی و در حالت ایده‌آل یک سال کامل معرفی کند. حساب دیفرانسیل و انتگرال را نیز معرفی می کند! سخت ترین بخش یادگیری این نوع مطالب اغلب نمادگذاری است، و با توابع ویژه حداقل پنج سطح نمادگذاری دارید: ریاضی، الگوریتم ها، ساختارهای داده، کد زبان و گاهی اوقات حتی مسائل کامپایل/ اسمبلی، زیرا برخی از این توابع مختص پردازنده هستند یا به تخصیص حافظه خاصی نیاز دارند! نویسنده ما را در هر مرحله از نماد بدون توضیح نگه نمی‌دارد و آن را با جزئیات توضیح می‌دهد. این باعث می شود که این متن برای جبر پیش خطی (با یک پا به سمت پایتون) به اندازه ارزش بیان شده آن برای آموزش پایتون برجسته شود! می‌توانید سه یا چهار خط در Haskell بنویسید (در مورد اکثر الگوریتم‌ها) که خطوط کد بیشتری را کنترل می‌کنند، که سپس سه صفحه نماد و فرمول ریاضی را می‌گیرند – تا یک پازل سودوکو بسیار دشوار را در یک دهم ثانیه حل کنید. این تفاوت در نشانه گذاری باعث می شود بسیاری از دانش آموزان مبتدی موقع کتاب با توضیح بد دست از کار بکشند. این متن زیبا شما را در این جنگل مهیب راهنمایی می کند! قبل از اینکه از کوه های بالاتر توابع عددی و دستور العمل ها یا پایتون پیشرفته تر صعود کنید، به شدت خواندن این کتاب توصیه می شود. یک مزیت جانبی کتاب این است که پس از انجام این کار، MatLab دیگر حتی نیازتان نخواهد شد! حتی امروزه، بسیاری از عملکردهای ویژه (راستش را بخواهید) هنوز کتابخانه های قدیمی در C هستند. برخی از بهترین ها را می توان در دستور العمل های عددی در کتاب C: هنر محاسبات علمی، ویرایش دوم یافت. از این متن، حدس می‌زنم بسته به شغل/آموزش خود، به سراغ R، Python 3، Java (برای بسیاری از توزیع‌های JVM)، Erlang (برای همزمان) بروید یا حتی VHDL و C را برای برنامه‌های تعبیه شده بررسی کنید. مهندسین “علم محض” هنوز MatLab را ترجیح می دهند، اما “برنامه نویسان عملی تر” خیلی از کارهای خود را در Python 3، Lisp، Haskell، Prolog یا حتی VHDL برنامه نویسی می کنند. کتابخانه‌های زبان‌های پیشرفته (قالب‌ها، APIها، پلاگین‌ها، ماکروها و غیره) بسیاری از این کارها را بسیار آسان‌تر می‌کنند و در واقع به شما این امکان را می‌دهند تا DSL (زبان اختصاصی دامنه) خود را ایجاد کنید که مخصوص برای خودتان طراحی شده است. کاربرد علمی / مهندسی / ریاضی / IT. به شدت به عنوان نقطه شروع برای خواندن توصیه می شود. |
| 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 |