
۴۴٬۰۰۰تومان
نوع فایل دانلود: EPUB
پس از خرید، یک فایل EPUB دریافت میکنید.
این فایل با Calibre، Apple Books و سایر کتابخوانهای دیجیتال مناسب است.
از ماژولهای عددی و ریاضی در پایتون و کتابخانه استاندارد آن، و همچنین بستههای محبوب و متنباز پایتون عددی مانند NumPy، SciPy، FiPy، matplotlib و موارد دیگر بهره ببرید. این ویرایش کاملاً بازبینیشده، که با آخرین جزئیات هر بسته و تغییرات پروژههای Jupyter بهروزرسانی شده است، به شما نشان میدهد چگونه راهحلها را به روش عددی محاسبه کنید و برنامههای کاربردی را در حوزههای کلانداده، رایانش ابری، مهندسی مالی، مدیریت کسبوکار و غیره مدلسازی ریاضی کنید. کتاب «پایتون عددی، ویرایش دوم»، نمونههای مطالعاتی کاملاً جدیدی از کاربردها در علم داده و آمار با استفاده از پایتون، به همراه گسترش بسیاری از مثالهای قبلی ارائه میدهد. هر یک از این موارد، قدرت پایتون را برای توسعه سریع و رایانش اکتشافی، به لطف سینتکس ساده و سطحبالا و گزینههای متعدد برای تحلیل داده، به نمایش میگذارند. پس از خواندن این کتاب، خوانندگان با تکنیکهای محاسباتی زیادی از جمله رایانش مبتنی بر آرایه و نمادین، مصورسازی و ورودی/خروجی فایلهای عددی، حل معادلات، بهینهسازی، درونیابی و انتگرالگیری، و مسائل محاسباتی خاصدامنه، مانند حل معادلات دیفرانسیل، تحلیل داده، مدلسازی آماری و یادگیری ماشین، آشنا خواهند شد. **آنچه خواهید آموخت** * کار با بردارها و ماتریسها با استفاده از NumPy * رسم و مصورسازی دادهها با Matplotlib * انجام کارهای تحلیل داده با Pandas و SciPy * بررسی مدلسازی آماری و یادگیری ماشین با statsmodels و scikit-learn * بهینهسازی کد پایتون با استفاده از Numba و Cython **این کتاب برای چه کسانی است** توسعهدهندگانی که میخواهند نحوه استفاده از پایتون و اکوسیستم مرتبط با آن را برای محاسبات عددی یاد بگیرند.
Leverage the numerical and mathematical modules in Python and its standard library as well as popular open source numerical Python packages like NumPy, SciPy, FiPy, matplotlib and more. This fully revised edition, updated with the latest details of each package and changes to Jupyter projects, demonstrates how to numerically compute solutions and mathematically model applications in big data, cloud computing, financial engineering, business management and more.__Numerical Python, Second Edition__, presents many brand-new case study examples of applications in data science and statistics using Python, along with extensions to many previous examples. Each of these demonstrates the power of Python for rapid development and exploratory computing due to its simple and high-level syntax and multiple options for data analysis.After reading this book, readers will be familiar with many computing techniques including array-based and symbolic computing, visualization and numerical file I/O, equation solving, optimization, interpolation and integration, and domain-specific computational problems, such as differential equation solving, data analysis, statistical modeling and machine learning.W**hat You'll Learn*** Work with vectors and matrices using NumPy* Plot and visualize data with Matplotlib* Perform data analysis tasks with Pandas and SciPy* Review statistical modeling and machine learning with statsmodels and scikit-learn* Optimize Python code using Numba and Cython**Who This Book Is For**Developers who want to understand how to use Python and its related ecosystem for numerical computing.