آموزش برنامه نویسی روش های عددی در پایتون

Programming Numerical Methods in Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: یک رویکرد عملی برای درک روش‌های عددی، روش‌های عددی را برای ایجاد کدهای ساده و کارآمد پایتون برنامه‌ریزی کنید که راه‌حل‌های عددی را با درجه دقت مورد نیاز خروجی می‌دهند. با استفاده از NumPy آرایه ها (بردارها و ماتریس ها) را ایجاد و دستکاری کنید. از توابع رسم matplotlib برای نمایش نتایج به صورت گرافیکی استفاده کنید. اعمال توابع تحلیل عددی SciPy مرتبط با موضوعات این دوره. پیش نیازها: شما باید پیشینه خوبی در جبر و حساب دیفرانسیل و انتگرال داشته باشید، علاوه بر اطلاعات اولیه در مورد کامپیوتر، یک Python IDE و کتابخانه های آن NumPy، matplotlib و SciPy باید بر روی کامپیوتر شما نصب باشد. هیچ تجربه قبلی در برنامه نویسی در پایتون لازم نیست.

بسیاری از دوره های تحلیل عددی بیشتر بر تئوری و مشتقات روش های عددی تمرکز دارند تا تکنیک های برنامه نویسی. دانش‌آموزان کدهای روش‌های عددی را به زبان‌های مختلف از کتاب‌های درسی و یادداشت‌های آزمایشگاهی دریافت می‌کنند و به جای برنامه‌نویسی توسط خود، در انجام تکالیف از آن‌ها استفاده می‌کنند.

به همین دلیل، دوره برنامه‌نویسی روش‌های عددی در پایتون بر نحوه برنامه‌نویسی روش‌های عددی به صورت گام به گام تمرکز می‌کند تا ابتدایی‌ترین خطوط کدی را ایجاد کند که به طور موثر بر روی رایانه اجرا می‌شوند و راه‌حل را با درجه دقت مورد نیاز خروجی می‌دهند. .

این دوره آموزشی کاربردی برای دانشجویان رشته تحلیل عددی است تا بخشی از مهارت های برنامه نویسی دوره خود را پوشش دهد.

علاوه بر سادگی و تطبیق پذیری آن، پایتون یک زبان کامپیوتری آموزشی عالی و همچنین ابزاری قدرتمند در محاسبات علمی و مهندسی است. در سال‌های گذشته، پایتون و کتابخانه‌های داده‌ها و تجزیه و تحلیل عددی و ترسیم آن، مانند NumPy، SciPy و matplotlib، به زبان و ابزار برنامه‌نویسی بسیار محبوب در صنعت و دانشگاه تبدیل شده‌اند.

به همین دلیل است که این دوره برپایه پایتون به عنوان زبان برنامه نویسی و NumPy و matplotlib به ترتیب برای دستکاری آرایه و نمایش گرافیکی است. در پایان هر بخش، تعدادی از توابع تحلیل عددی SciPy با مثال‌هایی معرفی می‌شوند. به این ترتیب دانش آموز می تواند کدهای خود را از ابتدا برنامه ریزی کند و در عین حال از توابع کتابخانه پیشرفته در کار خود استفاده کند.

این دوره موضوعات زیر را پوشش می دهد:

  • ریشه های معادلات درجه بالا
  • درون یابی و برازش منحنی
  • تمایز عددی
  • ادغام عددی
  • سیستم های معادلات خطی
  • معادلات دیفرانسیل معمولی

سرفصل ها و درس ها

معرفی Introduction

  • معرفی Introduction

  • معرفی Introduction

معرفی Introduction

ریشه های معادلات درجه بالا Roots of High-Degree Equations

  • مقدمه و روش تکرارهای ساده Introduction and Simple Iterations Method

  • روش تکرار ساده: کد I (برای حلقه) Simple Iterations Method: Code I (for Loop)

  • روش تکرار ساده: کد II (در حالی که حلقه) Simple Iterations Method: Code II (while Loop)

  • روش تکرار ساده: کد II (در حالی که حلقه) Simple Iterations Method: Code II (while Loop)

  • همگرایی در مقابل واگرایی Convergence vs Divergence

  • روش نیوتن رافسون Newton-Raphson Method

  • روش نیوتن رافسون Newton-Raphson Method

  • روش دوبخشی: الگوریتم Bisection Method: Algorithm

  • روش دوبخشی: کد Bisection Method: Code

  • موقعیت غلط (Regula Falsi) مهتد False Position (Regula Falsi) Mehtod

  • روش سکنت Secant Method

  • توابع تعریف شده توسط کاربر و ورودی زمان اجرا User-Defined Functions & Run-Time Input

  • ریشه یابی در SciPy & Summary Root Finding in SciPy & Summary

  • ریشه یابی در SciPy & Summary Root Finding in SciPy & Summary

ریشه های معادلات درجه بالا Roots of High-Degree Equations

  • مقدمه و روش تکرارهای ساده Introduction and Simple Iterations Method

  • روش تکرار ساده: کد I (برای حلقه) Simple Iterations Method: Code I (for Loop)

  • همگرایی در مقابل واگرایی Convergence vs Divergence

  • روش دوبخشی: الگوریتم Bisection Method: Algorithm

  • روش دوبخشی: کد Bisection Method: Code

  • موقعیت غلط (Regula Falsi) مهتد False Position (Regula Falsi) Mehtod

  • روش سکنت Secant Method

  • توابع تعریف شده توسط کاربر و ورودی زمان اجرا User-Defined Functions & Run-Time Input

درون یابی و برازش منحنی Interpolation and Curve Fitting

  • مقدمه و روش درونیابی خطی Introduction and Linear Interpolation Method

  • مقدمه و روش درونیابی خطی Introduction and Linear Interpolation Method

  • روش لاگرانژ: الگوریتم Lagrange's Method: Algorithm

  • روش لاگرانژ: الگوریتم Lagrange's Method: Algorithm

  • روش لاگرانژ: کد Lagrange's Method: Code

  • روش نیوتن: الگوریتم Newton's Method: Algorithm

  • روش نیوتن: الگوریتم Newton's Method: Algorithm

  • روش نیوتن: کد Newton's Method: Code

  • رگرسیون خطی: الگوریتم Linear Regression: Algorithm

  • رگرسیون خطی: کد I (برای حلقه) Linear Regression: Code I (for Loop)

  • رگرسیون خطی: کد I (برای حلقه) Linear Regression: Code I (for Loop)

  • رگرسیون خطی: کد II (آرایه های NumPy) Linear Regression: Code II (NumPy Arrays)

  • تناسب چند جمله ای: الگوریتم Polynomial Fit: Algorithm

  • تناسب چند جمله ای: کد Polynomial Fit: Code

  • تناسب چند جمله ای: کد Polynomial Fit: Code

  • توابع درون یابی SciPy Interpolation Functions of SciPy

  • توابع درون یابی SciPy Interpolation Functions of SciPy

  • توابع برازش منحنی SciPy & Summary Curve Fitting Functions of SciPy & Summary

درون یابی و برازش منحنی Interpolation and Curve Fitting

  • روش لاگرانژ: کد Lagrange's Method: Code

  • روش نیوتن: کد Newton's Method: Code

  • رگرسیون خطی: الگوریتم Linear Regression: Algorithm

  • رگرسیون خطی: کد II (آرایه های NumPy) Linear Regression: Code II (NumPy Arrays)

  • تناسب چند جمله ای: الگوریتم Polynomial Fit: Algorithm

  • توابع برازش منحنی SciPy & Summary Curve Fitting Functions of SciPy & Summary

تمایز عددی Numerical Differentiation

  • مقدمه و روش تفاضل محدود Introduction and Finite Differences Method

  • مقدمه و روش تفاضل محدود Introduction and Finite Differences Method

  • روش تفاوت های محدود: کد I Finite Differences Method: Code I

  • روش تفاوت های محدود: کد I Finite Differences Method: Code I

  • روش تفاوت های محدود: کد II Finite Differences Method: Code II

  • روش تفاوت های محدود: کد II Finite Differences Method: Code II

  • ترسیم منحنی های مشتق Plotting Derivative Curves

  • ترسیم منحنی های مشتق Plotting Derivative Curves

  • تابع تمایز عددی در SciPy & Summary Numerical Differentiation Function in SciPy & Summary

تمایز عددی Numerical Differentiation

  • تابع تمایز عددی در SciPy & Summary Numerical Differentiation Function in SciPy & Summary

ادغام عددی Numerical Integration

  • مقدمه و قانون ذوزنقه ای: الگوریتم Introduction & Trapezoidal Rule: Algorithm

  • قاعده ذوزنقه ای: کد Trapezoidal Rule: Code

  • قاعده ذوزنقه ای: کد Trapezoidal Rule: Code

  • قانون 1/3 سیمپسون: الگوریتم Simpson's 1/3 Rule: Algorithm

  • قانون 1/3 سیمپسون: الگوریتم Simpson's 1/3 Rule: Algorithm

  • قانون 1/3 سیمپسون: کد Simpson's 1/3 Rule: Code

  • قانون 3/8 سیمپسون: الگوریتم Simpson's 3/8 Rule: Algorithm

  • قانون 3/8 سیمپسون: الگوریتم Simpson's 3/8 Rule: Algorithm

  • قانون 3/8 سیمپسون: کد Simpson's 3/8 Rule: Code

  • ادغام دوگانه: الگوریتم Double Integration: Algorithm

  • یکپارچه سازی دوگانه: کد Double Integration: Code

  • Quadrature در SciPy & Summary Quadrature in SciPy & Summary

  • Quadrature در SciPy & Summary Quadrature in SciPy & Summary

ادغام عددی Numerical Integration

  • مقدمه و قانون ذوزنقه ای: الگوریتم Introduction & Trapezoidal Rule: Algorithm

  • قانون 1/3 سیمپسون: کد Simpson's 1/3 Rule: Code

  • قانون 3/8 سیمپسون: کد Simpson's 3/8 Rule: Code

  • ادغام دوگانه: الگوریتم Double Integration: Algorithm

  • یکپارچه سازی دوگانه: کد Double Integration: Code

سیستم های معادلات خطی Systems of Linear Equations

  • مقدمه و روش حذف گاوس: الگوریتم Introduction & Gauss Elimination Method: Algorithm

  • روش حذف گاوس: کد I (حذف) Gauss Elimination Method: Code I (Elimination)

  • روش حذف گاوس: کد II (عقب جایگزینی) Gauss Elimination Method: Code II (Back-Substitution)

  • روش حذف گاوس: کد III (اصلاحات) Gauss Elimination Method: Code III (Modifications)

  • روش ژاکوبی: الگوریتم Jacobi's Method: Algorithm

  • روش ژاکوبی: الگوریتم Jacobi's Method: Algorithm

  • روش ژاکوبی: کد Jacobi's Method: Code

  • روش گاوس سیدل Gauss-Seidel's Method

  • تسلط مورب Diagonal Dominance

  • تسلط مورب Diagonal Dominance

  • حل سیستم خطی در NumPy و SciPy & Summary Linear System Solution in NumPy and SciPy & Summary

  • روش گاوس-جردن: روش Gauss-Jordan Method: Procedure

  • روش گاوس-جردن: الگوریتم و کد Gauss-Jordan Method: Algorithm & Code

  • روش گاوس-جردن: الگوریتم و کد Gauss-Jordan Method: Algorithm & Code

سیستم های معادلات خطی Systems of Linear Equations

  • مقدمه و روش حذف گاوس: الگوریتم Introduction & Gauss Elimination Method: Algorithm

  • روش حذف گاوس: کد I (حذف) Gauss Elimination Method: Code I (Elimination)

  • روش حذف گاوس: کد II (عقب جایگزینی) Gauss Elimination Method: Code II (Back-Substitution)

  • روش حذف گاوس: کد III (اصلاحات) Gauss Elimination Method: Code III (Modifications)

  • روش ژاکوبی: کد Jacobi's Method: Code

  • روش گاوس سیدل Gauss-Seidel's Method

  • حل سیستم خطی در NumPy و SciPy & Summary Linear System Solution in NumPy and SciPy & Summary

  • روش گاوس-جردن: روش Gauss-Jordan Method: Procedure

معادلات دیفرانسیل معمولی Ordinary Differential Equations

  • مقدمه و روش اویلر Introduction & Euler's Method

  • روش رانژ کوتا مرتبه دوم Second Order Runge-Kutta's Method

  • روش رانگ کوتا مرتبه چهارم Fourth Order Runge-Kutta's Method

  • روش رانگ کوتا مرتبه چهارم Fourth Order Runge-Kutta's Method

  • روش رانگ-کوتا مرتبه چهارم: طرح راه حل های عددی و دقیق Fourth Order Runge-Kutta's Method: Plot Numerical and Exact Solutions

  • ODEهای مرتبه بالاتر: الگوریتم Higher-Order ODE's: Algorithm

  • ODEهای مرتبه بالاتر: کد Higher-Order ODE's: Code

  • ODEهای مرتبه بالاتر: کد Higher-Order ODE's: Code

  • ODE های مرتبه بالاتر: راه حل های ترسیمی Higher-Order ODE's: Plotting Solutions

  • راه حل ODE در SciPy & Summary ODE Solution in SciPy & Summary

  • راه حل ODE در SciPy & Summary ODE Solution in SciPy & Summary

معادلات دیفرانسیل معمولی Ordinary Differential Equations

  • مقدمه و روش اویلر Introduction & Euler's Method

  • روش رانژ کوتا مرتبه دوم Second Order Runge-Kutta's Method

  • روش رانگ-کوتا مرتبه چهارم: طرح راه حل های عددی و دقیق Fourth Order Runge-Kutta's Method: Plot Numerical and Exact Solutions

  • ODEهای مرتبه بالاتر: الگوریتم Higher-Order ODE's: Algorithm

  • ODE های مرتبه بالاتر: راه حل های ترسیمی Higher-Order ODE's: Plotting Solutions

نمایش نظرات

نظری ارسال نشده است.

آموزش برنامه نویسی روش های عددی در پایتون
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
12.5 hours
57
Udemy (یودمی) udemy-small
06 بهمن 1398 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
4,170
4.5 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Murad Elarbi Murad Elarbi

مهندس مکانیک، مدرس

Murad Elarbi Murad Elarbi

مهندس مکانیک، مدرس

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.