, ,

کتاب مبانی محاسبات علمی در پایتون

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب مبانی محاسبات علمی در پایتون

موضوع کلی: برنامه نویسی

موضوع میانی: محاسبات سطح بالا (High-Performance Computing)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر محاسبات علمی و اهمیت آن
  • 2. چرا پایتون برای محاسبات علمی؟
  • 3. نصب و راه‌اندازی محیط توسعه (Anaconda, Jupyter)
  • 4. مبانی پایتون: متغیرها و انواع داده‌های اصلی
  • 5. ساختارهای داده در پایتون: لیست‌ها، تاپل‌ها و دیکشنری‌ها
  • 6. جریان کنترل: دستورات شرطی و حلقه‌ها
  • 7. تعریف و استفاده از توابع
  • 8. مفاهیم ماژول‌ها و پکیج‌ها در پایتون
  • 9. کار با فایل‌ها: خواندن و نوشتن داده
  • 10. مدیریت خطاها و استثناها (Exception Handling)
  • 11. مقدمه‌ای بر برنامه‌نویسی شیءگرا در پایتون
  • 12. آشنایی با محیط تعاملی Jupyter Notebook
  • 13. اصول کدنویسی تمیز و خوانا (PEP 8)
  • 14. آشنایی با اکوسیستم محاسبات علمی پایتون (SciPy Stack)
  • 15. مروری بر کتابخانه‌های کلیدی: NumPy, SciPy, Pandas, Matplotlib
  • 16. معرفی NumPy و آرایه ndarray
  • 17. ایجاد آرایه‌های NumPy: از لیست‌ها و توابع داخلی
  • 18. انواع داده (Data Types) در NumPy
  • 19. اصول نمایه‌گذاری (Indexing) و برش‌دهی (Slicing) آرایه‌ها
  • 20. تغییر شکل آرایه‌ها (Reshaping)
  • 21. عملیات ریاضی پایه روی آرایه‌ها
  • 22. توابع جهانی (Universal Functions – ufuncs)
  • 23. مفهوم انتشار (Broadcasting) در عملیات آرایه‌ای
  • 24. عملیات آماری و تجمعی (Aggregation)
  • 25. جبر خطی مقدماتی با NumPy (ضرب ماتریس، دترمینان)
  • 26. نمایه‌گذاری بولی (Boolean Indexing)
  • 27. تولید اعداد تصادفی با numpy.random
  • 28. مرتب‌سازی، جستجو و شمارش در آرایه‌ها
  • 29. خواندن و نوشتن آرایه‌ها در فایل‌ها
  • 30. نکات پیشرفته: Stride و بهینه‌سازی حافظه
  • 31. معرفی Pandas: ساختارهای داده Series و DataFrame
  • 32. ایجاد و بارگذاری داده‌ها (از CSV, Excel)
  • 33. انتخاب و فیلتر کردن داده‌ها (loc, iloc)
  • 34. مدیریت داده‌های گمشده (Missing Data)
  • 35. عملیات پایه روی DataFrame ها
  • 36. گروه‌بندی و تجمیع داده‌ها (Group By)
  • 37. ادغام، الحاق و اتصال DataFrame ها (Merge, Concat, Join)
  • 38. کار با داده‌های سری زمانی (Time Series)
  • 39. تغییر شکل داده‌ها (Pivoting and Melting)
  • 40. اعمال توابع سفارشی روی داده‌ها (apply, map)
  • 41. مبانی بصری‌سازی و اولین نمودار با Matplotlib
  • 42. آناتومی یک نمودار: Figure, Axes, Labels, Title
  • 43. انواع نمودارهای رایج: خطی، میله‌ای، پراکندگی
  • 44. هیستوگرام‌ها و نمودارهای چگالی
  • 45. سفارشی‌سازی نمودارها: رنگ‌ها، سبک‌ها و نشانگرها
  • 46. کار با چندین نمودار (Subplots)
  • 47. افزودن توضیحات و حاشیه‌نویسی (Annotations)
  • 48. مقدمه‌ای بر بصری‌سازی آماری با Seaborn
  • 49. بصری‌سازی داده‌های چندمتغیره
  • 50. ذخیره کردن نمودارها در فرمت‌های مختلف
  • 51. معرفی SciPy و ساختار ماژولار آن
  • 52. انتگرال‌گیری عددی (scipy.integrate)
  • 53. بهینه‌سازی و کمینه‌سازی توابع (scipy.optimize)
  • 54. برازش منحنی (Curve Fitting)
  • 55. درون‌یابی (Interpolation) با scipy.interpolate
  • 56. مبانی پردازش سیگنال: تبدیل فوریه سریع (FFT)
  • 57. جبر خطی پیشرفته با scipy.linalg
  • 58. آمار و آزمون‌های آماری با scipy.stats
  • 59. حل معادلات دیفرانسیل معمولی (ODEs)
  • 60. پردازش تصویر مقدماتی با scipy.ndimage
  • 61. حل دستگاه معادلات غیرخطی
  • 62. کار با ماتریس‌های اسپارس (Sparse Matrices)
  • 63. محاسبات فضایی و ساختارهای داده (scipy.spatial)
  • 64. خوشه‌بندی و الگوریتم‌های آن در SciPy
  • 65. ورودی/خروجی تخصصی (MATLAB files, NetCDF)
  • 66. چرا کارایی در محاسبات علمی مهم است؟
  • 67. پروفایل‌سنجی کد: شناسایی گلوگاه‌ها با cProfile و timeit
  • 68. درک محدودیت‌های پایتون: مفسر و قفل سراسری مفسر (GIL)
  • 69. استراتژی اصلی بهینه‌سازی: برداری‌سازی (Vectorization) با NumPy
  • 70. معرفی کامپایل درجا (JIT) با Numba
  • 71. استفاده از دکوراتور @jit برای تسریع توابع
  • 72. گزینه‌های پیشرفته Numba (nopython, parallel)
  • 73. معرفی Cython: ترکیب پایتون و C
  • 74. نوشتن کدهای Cython و کامپایل آن‌ها
  • 75. مدیریت حافظه در پایتون و NumPy
  • 76. ابزارهای پروفایل‌سنجی حافظه
  • 77. معرفی Dask برای محاسبات موازی روی داده‌های بزرگ
  • 78. کار با آرایه‌های موازی Dask
  • 79. کار با DataFrame های موازی Dask
  • 80. ساخت و بصری‌سازی گراف‌های محاسباتی Dask
  • 81. مفاهیم پایه: هم‌روندی (Concurrency) در مقابل موازی‌سازی (Parallelism)
  • 82. مدل‌های برنامه‌نویسی موازی: حافظه مشترک و حافظه توزیع‌شده
  • 83. برنامه‌نویسی چندنخی (Multithreading) در پایتون و محدودیت‌های GIL
  • 84. برنامه‌نویسی چندفرآیندی (Multiprocessing) برای موازی‌سازی واقعی
  • 85. استفاده از multiprocessing.Pool برای موازی‌سازی Data-Parallel
  • 86. ارتباط بین فرآیندها: صف‌ها (Queues) و لوله‌ها (Pipes)
  • 87. همگام‌سازی فرآیندها: قفل‌ها (Locks) و سمافورها (Semaphores)
  • 88. مقدمه‌ای بر رابط ارسال پیام (Message Passing Interface – MPI)
  • 89. مفاهیم کلیدی MPI: رتبه‌ها، ارتباطات نقطه به نقطه و جمعی
  • 90. شروع کار با mpi4py در پایتون
  • 91. ارسال و دریافت داده‌ها با send و recv
  • 92. عملیات جمعی در mpi4py: Broadcast, Scatter, Gather, Reduce
  • 93. مقدمه‌ای بر خوشه‌های محاسباتی و سیستم‌های زمان‌بندی (SLURM)
  • 94. نوشتن و ارسال یک اسکریپت کار (Job Script) ساده
  • 95. مفاهیم ورودی/خروجی موازی (Parallel I/O)
  • 96. مدیریت نسخه با گیت (Git) برای پروژه‌های علمی
  • 97. مدیریت محیط‌های مجازی و وابستگی‌ها (venv, Conda)
  • 98. اصول تست‌نویسی برای کدهای علمی (unittest, pytest)
  • 99. مستندسازی کد و پروژه‌ها (Docstrings, Sphinx)
  • 100. مطالعه موردی: حل یک مسئله علمی از ابتدا تا انتها با ابزارهای آموخته‌شده

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب مبانی محاسبات علمی در پایتون”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا