, ,

کتاب مقدمه‌ای بر کتابخانه‌های محاسباتی 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 مقدمه‌ای بر کتابخانه‌های محاسباتی پایتون

موضوع کلی: برنامه نویسی

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

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر کتابخانه‌های محاسباتی پایتون: 100 سرفصل
  • 2. نصب و راه‌اندازی پایتون و محیط توسعه
  • 3. مقدمه‌ای بر مفاهیم برنامه‌نویسی و پایتون
  • 4. آشنایی با انواع داده‌ها و ساختارهای داده در پایتون
  • 5. عملگرها و عبارات در پایتون
  • 6. ساختارهای کنترلی (if/else، حلقه for و while)
  • 7. توابع در پایتون: تعریف، فراخوانی و بازگشتی
  • 8. ماژول‌ها و بسته‌ها در پایتون
  • 9. مقدمه‌ای بر کتابخانه NumPy: نصب و وارد کردن
  • 10. آرایه‌ها (Arrays) در NumPy: ایجاد و دستکاری
  • 11. شاخص‌گذاری و برش (Slicing) در NumPy
  • 12. عملیات ریاضیاتی بر روی آرایه‌ها در NumPy
  • 13. توابع NumPy: توابع ریاضی، آماری و جبری
  • 14. برداری‌سازی (Vectorization) در NumPy
  • 15. توابع ورودی/خروجی (I/O) در NumPy
  • 16. مقدمه‌ای بر کتابخانه SciPy: نصب و وارد کردن
  • 17. انتگرال‌گیری و حل معادلات دیفرانسیل در SciPy
  • 18. بهینه‌سازی و ریشه‌یابی در SciPy
  • 19. پردازش سیگنال و تصویر در SciPy
  • 20. آمار و توابع آماری در SciPy
  • 21. جبر خطی در SciPy
  • 22. مقدمه‌ای بر کتابخانه Matplotlib: نصب و وارد کردن
  • 23. رسم نمودارهای پایه: خطی، پراکندگی، میله‌ای
  • 24. تنظیمات نمودار: عنوان، برچسب‌ها، محورها
  • 25. نمودارهای چندگانه و زیرنمودارها
  • 26. رسم نمودارهای سه‌بعدی در Matplotlib
  • 27. رسم نمودارهای آماری با Matplotlib
  • 28. مقدمه‌ای بر کتابخانه Pandas: نصب و وارد کردن
  • 29. ساختارهای داده Pandas: Series و DataFrame
  • 30. شاخص‌گذاری و انتخاب داده‌ها در Pandas
  • 31. عملیات بر روی داده‌ها: افزودن، حذف و تغییر
  • 32. گروه‌بندی و تجمیع داده‌ها در Pandas
  • 33. ادغام و پیوند داده‌ها در Pandas
  • 34. ورودی/خروجی داده‌ها با Pandas (CSV, Excel, SQL)
  • 35. مقدمه‌ای بر محاسبات موازی
  • 36. آشنایی با مفاهیم Threading و Multiprocessing
  • 37. استفاده از کتابخانه multiprocessing در پایتون
  • 38. استفاده از کتابخانه Threading در پایتون
  • 39. مقایسه Threading و Multiprocessing
  • 40. مدیریت حافظه و بهینه‌سازی کد
  • 41. آشنایی با کتابخانه Dask
  • 42. ایجاد و دستکاری آرایه‌های Dask
  • 43. محاسبات موازی با Dask
  • 44. ورودی/خروجی داده‌ها با Dask
  • 45. پردازش داده‌های بزرگ با Dask
  • 46. مقدمه‌ای بر کتابخانه CUDA و GPU
  • 47. آشنایی با PyCUDA
  • 48. محاسبات GPU با PyCUDA
  • 49. آشنایی با کتابخانه Numba
  • 50. کامپایل JIT کد پایتون با Numba
  • 51. بهینه‌سازی عملکرد با Numba
  • 52. مقدمه‌ای بر کتابخانه Cython
  • 53. ایجاد اکستنشن‌های C با Cython
  • 54. استفاده از Cython برای بهینه‌سازی
  • 55. آشنایی با Scikit-learn: نصب و وارد کردن
  • 56. یادگیری نظارت‌شده: رگرسیون
  • 57. یادگیری نظارت‌شده: طبقه‌بندی
  • 58. ارزیابی مدل‌ها و اعتبارسنجی متقابل
  • 59. کاهش ابعاد و انتخاب ویژگی‌ها
  • 60. خوشه‌بندی
  • 61. یادگیری بدون نظارت
  • 62. انتخاب مدل و تنظیم پارامترها
  • 63. مقدمه‌ای بر پردازش زبان طبیعی (NLP) با NLTK
  • 64. پردازش متن: Tokenization, Stemming, Lemmatization
  • 65. برچسب‌گذاری بخشی از گفتار (POS tagging)
  • 66. آشنایی با کتابخانه TensorFlow
  • 67. ایجاد و آموزش مدل‌های ساده در TensorFlow
  • 68. آشنایی با کتابخانه PyTorch
  • 69. ایجاد و آموزش مدل‌های ساده در PyTorch
  • 70. بهینه‌سازی عملکرد کد در پایتون
  • 71. پروفایل کردن کد و شناسایی گلوگاه‌ها
  • 72. استفاده از Cython برای بهینه‌سازی حلقه ها
  • 73. آشنایی با کتابخانه Ray
  • 74. محاسبات توزیع‌شده با Ray
  • 75. مدیریت وظایف در Ray
  • 76. مدیریت منابع در Ray
  • 77. بهینه‌سازی سرعت خواندن و نوشتن فایل‌ها
  • 78. استفاده از فرمت‌های داده‌های باینری
  • 79. آشنایی با کتابخانه h5py
  • 80. ذخیره و بازیابی داده‌ها با h5py
  • 81. مقدمه‌ای بر کتابخانه MPI4py
  • 82. محاسبات موازی توزیع‌شده با MPI4py
  • 83. ارتباطات بین پردازشی (MPI)
  • 84. بهینه‌سازی حافظه و استفاده از حافظه مشترک
  • 85. مقدمه‌ای بر کتابخانه‌های محاسبات GPU پیشرفته
  • 86. معرفی CUDA C/C++
  • 87. آشنایی با cuDNN و cuBLAS
  • 88. آشنایی با کتابخانه OpenMP
  • 89. استفاده از OpenMP برای موازی‌سازی
  • 90. آشنایی با کتابخانه Charm++
  • 91. بهینه‌سازی سیستم‌های محاسباتی ناهمگن
  • 92. معرفی ابزارهای مانیتورینگ عملکرد
  • 93. بهینه‌سازی استفاده از حافظه
  • 94. مدیریت خطا و استثنائات در برنامه‌های محاسباتی
  • 95. آشنایی با کتابخانه Joblib
  • 96. آشنایی با کتابخانه Rapids.ai
  • 97. مقدمه‌ای بر چارچوب‌های محاسباتی ابری
  • 98. معرفی محیط‌های محاسباتی تعاملی (Jupyter Notebook)
  • 99. مدیریت محیط‌های مجازی پایتون
  • 100. نوشتن و اجرای تست‌های واحد (Unit Testing)

📚 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 مقدمه‌ای بر کتابخانه‌های محاسباتی پایتون”

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

پیمایش به بالا