
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.
این کتاب ابزارهای لازم برای تحلیل دادهها در پایتون را در اختیار شما میگذارد. در آن، انواع مختلف فیلترها معرفی و توضیح داده میشوند؛ از جمله فیلترهای FIR، IIR و فیلترهای مورفولوژیک، و همچنین کاربردشان برای دادههای یکبعدی و دوبعدی. ریاضیات موردنیاز تا حد ممکن کم نگه داشته شده است و برای شروع سریع، تعداد زیادی مثال و برنامههای کاربردیِ پایتون ارائه شدهاند. هدف کتاب این است که حتی کاربران تازهکار هم بتوانند روش مناسب را انتخاب کنند و کارهای واقعی مانند تفکیک (differentiation)، انتگرالگیری (integration) و هموارسازیِ (smoothing) سریهای زمانی را انجام دهند؛ یا مثلاً تشخیص سادهی لبهها در تصاویر. بخشی مقدماتی هم کمک میکند تا پایتون را روی رایانهتان نصب و تنظیم کنید. در فصلهای پیشرفتهتر، مقدمهای کاربردی درباره تبدیل فوریه و کاربردهای آن، مثل پردازش صدا، ارائه میشود؛ همچنین درباره حل معادلات حرکت با تبدیل لاپلاس. یک مرور کوتاه درباره یادگیری ماشین نیز نشان میدهد چه ابزار قدرتمندی با پایتون در دسترس است. این کتاب همچنین نکاتی برای جریان کاریِ مؤثر در برنامهنویسی میدهد: از استفاده از دیباگر برای پیدا کردن خطاها، تا کُد-ورژنکردن با git برای جلوگیری از از دست رفتن برنامههای در حال کار، و تا ساخت رابطهای کاربری گرافیکی (GUI) برای نمایش دادهها. برای همه تمرینها، راهحلهای پایتونِ قابل اجرا و مستندسازیشده ارائه شده است و نیز نوتبوکهای IPython/Jupyter کمکهای بیشتری فراهم میکنند تا افراد بتوانند سریع شروع کنند و دید روشنی پیدا کنند.
This book provides the tools for analyzing data in Python: different types of filters are introduced and explained, such as FIR-, IIR- and morphological filters, as well as their application to one- and two-dimensional data. The required mathematics are kept to a minimum, and numerous examples and working Python programs are included for a quick start. The goal of the book is to enable also novice users to choose appropriate methods and to complete real-world tasks such as differentiation, integration, and smoothing of time series, or simple edge detection in images. An introductory section provides help and tips for getting Python installed and configured on your computer. More advanced chapters provide a practical introduction to the Fourier transform and its applications such as sound processing, as well as to the solution of equations of motion with the Laplace transform. A brief excursion into machine learning shows the powerful tools that are available with Python. This book also provides tips for an efficient programming work flow: from the use of a debugger for finding mistakes, code-versioning with git to avoid the loss of working programs, to the construction of graphical user interfaces (GUIs) for the visualization of data. Working, well-documented Python solutions are included for all exercises, and IPython/Jupyter notebooks provide additional help to get people started and outlooks for the interested reader.