اپلیکیشن اندرویدی فلش‌کارت آموزشی تحلیل عددی با استفاده از کامپیوترهای خانگی: مبانی و کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل عددی با استفاده از کامپیوترهای خانگی: مبانی و کاربردها

موضوع کلی: علوم کامپیوتر و ریاضیات کاربردی

موضوع میانی: محاسبات علمی با کامپیوتر

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل عددی
• 2. اهمیت تحلیل عددی در علوم
• 3. مروری بر مبانی ریاضیات مورد نیاز
• 4. اعداد و نمایش آن‌ها در کامپیوتر
• 5. خطاهای محاسباتی و منابع آن‌ها
• 6. انواع خطا: خطای تقریب و خطای بریدگی
• 7. اثر خطای گرد کردن در محاسبات
• 8. روش‌های کاهش خطا
• 9. مبانی برنامه‌نویسی برای تحلیل عددی
• 10. ساختار کلی برنامه‌های عددی
• 11. متغیرها، انواع داده و عملگرها
• 12. دستورات شرطی و حلقه‌ها
• 13. توابع و رویه‌ها در برنامه‌نویسی
• 14. کاربرد زبان‌های برنامه‌نویسی سطح پایین
• 15. مقدمه‌ای بر الگوریتم‌های عددی
• 16. جستجو و مرتب‌سازی داده‌ها
• 17. آرایه‌ها و ساختارهای داده
• 18. حل معادلات غیرخطی: روش تنصیف
• 19. حل معادلات غیرخطی: روش تکرار ساده
• 20. حل معادلات غیرخطی: روش نیوتن-رافسون
• 21. حل معادلات غیرخطی: روش سکانت
• 22. مقایسه روش‌های حل معادلات غیرخطی
• 23. مقدمه‌ای بر درون‌یابی
• 24. درون‌یابی خطی
• 25. درون‌یابی چندجمله‌ای نیوتن
• 26. درون‌یابی لاگرانژ
• 27. درون‌یابی اسپلاین
• 28. کاربرد درون‌یابی در تخمین مقادیر
• 29. درون‌یابی داده‌های تجربی
• 30. مقدمه‌ای بر برازش منحنی
• 31. روش حداقل مربعات خطی
• 32. برازش چندجمله‌ای با حداقل مربعات
• 33. برازش توابع نمایی و لگاریتمی
• 34. کاربرد برازش منحنی در مدل‌سازی
• 35. مقدمه‌ای بر مشتق‌گیری عددی
• 36. قاعده ذوزنقه برای انتگرال‌گیری
• 37. قاعده سیمپسون برای انتگرال‌گیری
• 38. قواعد ترکیبی انتگرال‌گیری
• 39. انتگرال‌گیری عددی مراتب بالاتر
• 40. کاربرد انتگرال‌گیری عددی
• 41. حل عددی معادلات دیفرانسیل معمولی
• 42. روش اویلر برای حل ODE
• 43. روش رونگه-کوتا مرتبه چهارم
• 44. حل سیستم معادلات دیفرانسیل
• 45. مقدمه‌ای بر جبر خطی عددی
• 46. نمایش ماتریس‌ها و بردارها
• 47. عملیات پایه‌ای ماتریسی
• 48. حل سیستم معادلات خطی: روش حذف گاوسی
• 49. حل سیستم معادلات خطی: روش کرامر
• 50. حل سیستم معادلات خطی: روش حذفی گاوس-جردن
• 51. حل سیستم معادلات خطی: روش‌های تکراری
• 52. محاسبه دترمینان ماتریس
• 53. محاسبه معکوس ماتریس
• 54. محاسبه مقادیر ویژه و بردارهای ویژه
• 55. مقدمه‌ای بر تحلیل سری‌های فوریه
• 56. تقریب توابع با سری‌های تیلور
• 57. کاربرد سری‌های تیلور در تحلیل عددی
• 58. مقدمه‌ای بر الگوریتم‌های جستجوی بهینه
• 59. بهینه‌سازی توابع یک‌متغیره
• 60. بهینه‌سازی توابع چندمتغیره
• 61. روش گرادیان کاهشی
• 62. مقدمه‌ای بر شبیه‌سازی عددی
• 63. شبیه‌سازی فرایندهای فیزیکی
• 64. شبیه‌سازی سیستم‌های دینامیکی
• 65. کاربرد شبیه‌سازی در مهندسی
• 66. مقدمه‌ای بر تحلیل داده‌های بزرگ
• 67. پردازش و پاکسازی داده‌ها
• 68. تجسم داده‌ها
• 69. استفاده از ابزارهای تحلیل داده
• 70. مقدمه‌ای بر یادگیری ماشین
• 71. انواع الگوریتم‌های یادگیری ماشین
• 72. کاربرد یادگیری ماشین در حل مسائل
• 73. مقدمه‌ای بر پردازش تصویر دیجیتال
• 74. فیلتر کردن تصاویر
• 75. شناسایی لبه‌ها در تصاویر
• 76. کاربرد پردازش تصویر
• 77. مقدمه‌ای بر رمزنگاری عددی
• 78. الگوریتم‌های رمزنگاری متقارن
• 79. الگوریتم‌های رمزنگاری نامتقارن
• 80. کاربرد رمزنگاری در امنیت اطلاعات
• 81. مقدمه‌ای بر محاسبات موازی
• 82. معماری‌های محاسبات موازی
• 83. الگوریتم‌های موازی
• 84. کاربرد محاسبات موازی
• 85. مقدمه‌ای بر محاسبات علمی با GPU
• 86. معماری GPU
• 87. برنامه‌نویسی CUDA
• 88. کاربرد GPU در تحلیل عددی
• 89. مقدمه‌ای بر استفاده از نرم‌افزارهای محاسباتی
• 90. نرم‌افزار MATLAB
• 91. نرم‌افزار Python (با NumPy و SciPy)
• 92. نرم‌افزار R
• 93. مقایسه نرم‌افزارهای محاسباتی
• 94. کاربرد نرم‌افزارها در پروژه‌های علمی
• 95. نوشتن گزارش‌های فنی علمی
• 96. اصول مستندسازی کد
• 97. ارائه نتایج تحلیل عددی
• 98. اصول اخلاق حرفه‌ای در محاسبات علمی
• 99. مروری بر پیشرفت‌های اخیر در تحلیل عددی
• 100. چالش‌های آینده در محاسبات علمی