آموزش حل مسائل با روش های عددی

Solving Problems with Numerical Methods

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: این دوره بر درک مفهومی و اجرای تکنیک های عددی برای حل مسائل ریاضی متمرکز است. حل بسیاری از مشکلات در دنیای واقعی به صورت تحلیلی دشوار یا غیرممکن است ، اما حل آن به صورت عددی آسان است. این دوره بخشی از موارد زیر است: ساخت مدل های آماری و ریاضی با R Rath همه را بزرگ کنید بررسی اجمالی دوره 1m 56s درک روشهای عددی 34m 20s استفاده از روشهای عددی برای حل مشکلات 46 متر 44 کار با نمودارها با استفاده از تکنیک های عددی 43 متر 4 ثانیه پیاده سازی جستجوی محلی و بهینه سازی ها دهه 51 51 پیاده سازی یکپارچه سازی و تمایز 43 متر 6 ثانیه علائم تجاری و نام تجاری اشخاص ثالث ذکر شده در این دوره متعلق به صاحبان مربوطه می باشند و Pluralsight وابسته یا تأیید شده توسط این احزاب نیست.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

درک روشهای عددی Understanding Numerical Methods

  • پیش نیازها و طرح کلی دوره Prerequisites and Course Outline

  • معرفی روشهای عددی Introducing Numerical Methods

  • روشهای عددی مستقیم و تکراری Direct and Iterative Numerical Methods

  • بی ثباتی و خطاهای عددی Numerical Instability and Errors

  • درون یابی و برون یابی Interpolation and Extrapolation

  • درونی ثابت ، خطی ، چند جمله ای و Spline Constant, Linear, Polynomial, and Spline Interpolation

  • سیستم معادلات خطی System of Linear Equations

  • حذف گاوسی و روش ژاکوبی Gaussian Elimination and Jacobi Method

استفاده از روشهای عددی برای حل مشکلات Applying Numerical Methods to Solve Problems

  • نسخه ی نمایشی: درونیابی خطی و ثابت Demo: Linear and Constant Interpolation

  • نسخه ی نمایشی: برون یابی خطی و چند جمله ای Demo: Linear and Polynomial Extrapolation

  • نسخه ی نمایشی: درون یابی با استفاده از تکنیک های Spline و صاف کردن Demo: Interpolation Using Spline and Smoothing Techniques

  • نسخه ی نمایشی: تکنیک های تکراری - روش Jacobi برای حل معادلات خطی Demo: Iterative Techniques - Jacobi Method to Solve Linear Equations

  • نسخه ی نمایشی: تکنیک های مستقیم - حذف گاوسی برای حل معادلات خطی Demo: Direct Techniques - Gaussian Elimination to Solve Linear Equations

  • نسخه ی نمایشی: گسسته سازی داده های مداوم Demo: Discretizing Continuous Data

  • نسخه ی نمایشی: خطاهای گرد و خطاهای تقریب Demo: Rounding Errors and Approximation Errors

  • نسخه ی نمایشی: تقریبی محاسبات مشتق شده Demo: Approximating Derivate Calculations

  • نسخه ی نمایشی: روش اولر و بی ثباتی عددی Demo: Euler's Method and Numerical Instability

کار با نمودارها با استفاده از تکنیک های عددی Working with Graphs Using Numerical Techniques

  • نمودارها و برنامه های نمودار Graphs and Graph Applications

  • نمودارهای مستقیم و غیرمستقیم Directed and Undirected Graphs

  • نمودارهای متصل و غیر متصل Connected and Unconnected Graphs

  • نمایش نمودارها Graph Representations

  • الگوریتم های کوتاه ترین مسیر Shortest Path Algorithms

  • نسخه ی نمایشی: تعریف و پیکربندی نمودارها Demo: Defining and Configuring Graphs

  • نسخه ی نمایشی: مشخصه ویژگی ها برای Edges و Vertices Demo: Specifying Attributes for Edges and Vertices

  • نسخه ی نمایشی: کاوش انواع نمودارها Demo: Exploring Different Kinds of Graphs

  • نسخه ی نمایشی: محاسبه کوتاهترین فاصله ها Demo: Calculating Shortest Distances

  • نسخه ی نمایشی: محاسبه کوتاهترین مسیرها Demo: Calculating Shortest Paths

پیاده سازی جستجوی محلی و بهینه سازی ها Implementing Local Search and Optimizations

  • رویکردهای راه حل های N-Queens Solutions Approaches to N-Queens

  • معرفی الگوریتم های جستجوی محلی Introducing Local Search Algorithms

  • بازپخت شبیه سازی شده و آستانه پذیرش Simulated Annealing and Threshold Accepting

  • نسخه ی نمایشی: 8 کوئینز - محاسبه تعداد حملات Demo: 8 Queens - Calculating Number of Attacks

  • نسخه ی نمایشی: 8 کوئینز - تولید راه حل های نامزدها Demo: 8 Queens - Generating Candidate Solutions

  • نسخه ی نمایشی: 8 کوئینز - راه حل با استفاده از تکنیک های جستجوی محلی Demo: 8 Queens - Solution Using Local Search Techniques

  • محدودیت های هدف و متغیرهای تصمیم گیری Objective Constraints and Decision Variables

  • Wyndor Glass: قاب بندی مسئله بهینه سازی Wyndor Glass: Framing the Optimization Problem

  • تنظیم بهینه سازی به عنوان یک مسئله برنامه ریزی خطی Setting up the Optimization as a Linear Programming Problem

  • حل مسئله برنامه ریزی خطی به صورت گرافیکی Solving the Linear Programming Problem Graphically

  • نسخه ی نمایشی: حل مشکلات بهینه سازی با استفاده از برنامه نویسی خطی Demo: Solving Optimization Problems Using Linear Programming

  • نسخه ی نمایشی: برنامه ریزی خطی برای حل مسئله شیشه ویندور Demo: Linear Programming to Solve the Wyndor Glass Problem

پیاده سازی یکپارچه سازی و تمایز Implementing Integration and Differentiation

  • مدل سازی رشد جمعیت Modeling Population Growth

  • تفسیر مشتقات Interpreting Derivatives

  • معادله Verhulst برای رشد جمعیت Verhulst's Equation for Population Growth

  • درک ادغام Understanding Integration

  • نسخه ی نمایشی: محاسبه مشتقات Demo: Calculating Derivatives

  • نسخه ی نمایشی: محاسبه سرعت و شتاب با استفاده از مشتقات Demo: Calculating Velocity and Acceleration Using Derivatives

  • نسخه ی نمایشی: انجام یکپارچه سازی Demo: Performing Integration

  • نسخه ی نمایشی: استفاده از حلگر ODE برای حل معادلات دیفرانسیل Demo: Using the ODE Solver to Solve Differential Equations

  • نسخه ی نمایشی: حل معادله Verhulst Demo: Solving Verhulst's Equation

  • خلاصه و مطالعه بیشتر Summary and Further Study

نمایش نظرات

آموزش حل مسائل با روش های عددی
جزییات دوره
3h 41m
50
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
-
از 5
دارد
دارد
دارد
Janani Ravi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.