, ,

کتاب مقدمه‌ای بر محاسبات در تحلیل داده‌های علمی

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 محاسبات در تحلیل داده‌های علمی

موضوع کلی: برنامه نویسی

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

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مبانی برنامه نویسی و اصول اولیه
  • 2. مقدمه ای بر تحلیل داده های علمی
  • 3. چرا محاسبات سطح بالا در تحلیل داده های علمی مهم است؟
  • 4. آشنایی با محیط توسعه (IDE)
  • 5. مبانی زبان برنامه نویسی Python
  • 6. متغیرها و انواع داده ها در Python
  • 7. عملگرها و عبارات
  • 8. ساختارهای کنترلی (if, else, elif)
  • 9. حلقه ها (for, while)
  • 10. توابع و ماژول ها
  • 11. ساختارهای داده ای (لیست ها، تاپل ها، دیکشنری ها، مجموعه ها)
  • 12. برنامه نویسی شیء گرا (OOP) در Python
  • 13. مفاهیم کلاس ها و اشیاء
  • 14. وراثت و پلی مورفیسم
  • 15. مدیریت خطا و استثنائات (Error Handling)
  • 16. کار با فایل ها (خواندن و نوشتن)
  • 17. مقدمه ای بر کتابخانه های علمی Python
  • 18. NumPy: مبانی آرایه ها و عملیات برداری
  • 19. NumPy: اندیس گذاری و برش (Slicing)
  • 20. NumPy: reshape و Transpose
  • 21. NumPy: عملیات ریاضی و آماری پایه
  • 22. NumPy: توابع آلفا (ufuncs)
  • 23. NumPy: مقدمه ای بر ماتریس ها
  • 24. SciPy: مبانی
  • 25. SciPy: بهینه سازی (Optimization)
  • 26. SciPy: انتگرال گیری عددی (Integration)
  • 27. SciPy: حل معادلات دیفرانسیل (ODE Solvers)
  • 28. SciPy: پردازش سیگنال (Signal Processing)
  • 29. SciPy: آمار (Statistics)
  • 30. Matplotlib: مبانی رسم نمودار
  • 31. Matplotlib: انواع نمودارها (خطی، پراکندگی، هیستوگرام)
  • 32. Matplotlib: سفارشی سازی نمودارها (عنوان، برچسب ها، رنگ ها)
  • 33. Matplotlib: رسم چندین نمودار در یک پنجره
  • 34. Pandas: مبانی DataFrame
  • 35. Pandas: خواندن و نوشتن داده ها (CSV, Excel)
  • 36. Pandas: انتخاب و فیلتر کردن داده ها
  • 37. Pandas: عملیات بر روی ستون ها و ردیف ها
  • 38. Pandas: ادغام و ترکیب DataFrame ها (Merge, Join, Concatenate)
  • 39. Pandas: گروه بندی و تجمیع داده ها (GroupBy)
  • 40. Pandas: مدیریت داده های گمشده (Missing Data)
  • 41. Pandas: تغییر شکل داده ها (Pivot, Melt)
  • 42. مقدمه ای بر مفاهیم محاسبات موازی (Parallel Computing)
  • 43. انواع موازی سازی (Task parallelism, Data parallelism)
  • 44. معماری های موازی (Shared memory, Distributed memory)
  • 45. نخ ها (Threads) در برنامه نویسی
  • 46. مقدمه ای بر کتابخانه threading در Python
  • 47. قفل ها (Locks) و همگام سازی نخ ها
  • 48. مسائل رایج در برنامه نویسی موازی با نخ ها (Race Conditions, Deadlocks)
  • 49. فرآیندها (Processes) در برنامه نویسی
  • 50. مقدمه ای بر کتابخانه multiprocessing در Python
  • 51. ارتباط بین فرآیندها (Queues, Pipes)
  • 52. استفاده از Pool برای موازی سازی
  • 53. مقدمه ای بر محاسبات توزیع شده (Distributed Computing)
  • 54. معماری کلاینت-سرور (Client-Server Architecture)
  • 55. مقدمه ای بر MPI (Message Passing Interface)
  • 56. مفاهیم ارسال و دریافت پیام (Send/Receive)
  • 57. انواع عملیات MPI (Point-to-point, Collective)
  • 58. مقدمه ای بر کتابخانه mpi4py در Python
  • 59. استفاده از mpi4py برای اجرای موازی
  • 60. بهینه سازی الگوریتم ها برای کارایی
  • 61. مقدمه ای بر Big-O Notation
  • 62. تحلیل پیچیدگی زمانی و فضایی الگوریتم ها
  • 63. انتخاب الگوریتم مناسب برای مسائل بزرگ
  • 64. تکنیک های بهینه سازی کد
  • 65. پروفایلینگ (Profiling) کد برای شناسایی گلوگاه ها
  • 66. استفاده از ابزارهای پروفایلینگ در Python
  • 67. تکنیک های Vectorization و Broadcast در NumPy
  • 68. بهره گیری از پردازش موازی در کتابخانه های علمی
  • 69. مقدمه ای بر GPU Computing
  • 70. معرفی CUDA و OpenCL
  • 71. برنامه نویسی GPU با Python (مثلا CuPy)
  • 72. معماری GPU و اجرای موازی هسته ها
  • 73. انتقال داده بین CPU و GPU
  • 74. بهینه سازی کد برای GPU
  • 75. مقدمه ای بر فریمورک های محاسبات توزیع شده
  • 76. Apache Spark: مبانی
  • 77. Spark: RDDs (Resilient Distributed Datasets)
  • 78. Spark: DataFrames و Spark SQL
  • 79. Spark: اجرای Job ها و Transformation ها
  • 80. Spark: Action ها و زمان بندی
  • 81. Spark: پارتیشن بندی و Shuffle
  • 82. Spark: یادگیری ماشین با MLlib
  • 83. Apache Hadoop: مبانی HDFS
  • 84. Hadoop: MapReduce (مفهومی)
  • 85. فریمورک های محاسبات علمی توزیع شده
  • 86. Dask: مبانی
  • 87. Dask: Array ها و DataFrame ها
  • 88. Dask: اجرای موازی و توزیع شده
  • 89. Dask: مدیریت وابستگی ها
  • 90. Dask: Job Schedulers
  • 91. مقدمه ای بر کانتینرسازی (Containerization)
  • 92. Docker: مبانی
  • 93. Docker: ساخت Image
  • 94. Docker: اجرای Container
  • 95. Docker Compose: مدیریت چند کانتینری
  • 96. استفاده از Docker در محاسبات سطح بالا
  • 97. مدیریت منابع در محاسبات سطح بالا ( HPC Clusters)
  • 98. سیستم های مدیریت Job (Job Schedulers) مانند SLURM
  • 99. مقدمه ای بر رایانش ابری (Cloud Computing)
  • 100. مفاهیم IaaS, PaaS, SaaS

📚 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 محاسبات در تحلیل داده‌های علمی”

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

پیمایش به بالا