آموزش پایتون برای مهندسان و دانشمندان
Python for Engineers and Scientists
این دوره به دانشمندان و مهندسان (اعم از دانشجویان آن رشته ها تا متخصصان مجرب) یک مقدمه اختصاصی و قدرتمند برای پایتون برای کاربردهای علمی و مهندسی ارائه می دهد. میکله والیسنری ، اخترفیزیکدان نظری و علاقه مندان به پایتون توضیح می دهد که چگونه پایتون می تواند با کارآمدتر ، دقیق تر و چابک تر شدن شما به مهندس یا فیزیکدان بهتر تبدیل شود. مایکل با نصب پایتون برای macOS ، Windows و Linux و همچنین راه اندازی نوت بوک های Jupyter به شما راهنمایی می کند. او توضیح می دهد که چگونه می توانید پایتون را با استفاده از آرایه های NumPy ، کتابخانه SciPy ، Numba و Cython سریع کنید. سپس میشل با ابزارهایی برای محاسبه نمادین ، معادلات دیفرانسیل ، درون یابی و موارد دیگر به راه های اطمینان از صحت کد شما می پردازد. او ایده هایی را برای سهولت زندگی محاسباتی شما با پایتون به پایان می رساند ، از جمله JSON ، pandas ، HDF5 ، اتوماسیون با اسکریپت های پایتون و گردش کار علمی با Snakemake.
معرفی Introduction
-
با پایتون مهندس یا دانشمند بهتری شوید Become a better engineer or scientist with Python
-
آنچه باید بدانید What you should know
1. نصب 1. Installation
-
نصب macOS macOS installation
-
نصب ویندوز و لینوکس Windows and Linux installation
-
کار با نوت بوک های Jupyter Working with Jupyter notebooks
-
استفاده از فایل های تمرینی Using the exercise files
2. سریع آن را انجام دهید 2. Make It Fast
-
ساخت سریع کد پایتون Making Python code fast
-
آشنایی با آرایه های NumPy Introduction to NumPy arrays
-
عملیات ماتریس با NumPy Matrix operations with NumPy
-
جبر خطی و ماتریس های پراکنده با NumPy و SciPy Linear algebra and sparse matrices with NumPy and SciPy
-
تولید کد با Numba و Cython Code generation with Numba and Cython
-
پیچاندن کد قدیمی با Cython ، CFFI و F2PY Wrapping legacy code with Cython, CFFI, and F2PY
-
چالش: معادله انتشار Challenge: Diffusion equation
-
راه حل: معادله انتشار Solution: Diffusion equation
-
فصل مسابقه Chapter Quiz
3. درست کنید 3. Make It Right
-
درست ساختن کد پایتون Making Python code right
-
محاسبه نمادین با SymPy Symbolic computation with SymPy
-
واحد، ثابت، زمانبندی، و بیشتر با Astropy Units, constants, timescales, and more with Astropy
-
معادلات دیفرانسیل با SciPy Differential equations with SciPy
-
درون یابی و بهینه سازی با SciPy Interpolation and optimization with SciPy
-
اشکال زدایی با ipdb Debugging with ipdb
-
چالش: پیوندهای سیاره ای Challenge: Planetary conjunctions
-
راه حل: پیوندهای سیاره ای Solution: Planetary conjunctions
-
فصل مسابقه Chapter Quiz
4. کار را آسان کنید 4. Make It Easy
-
آسان سازی کد پایتون Making Python code easy
-
منابع وب با درخواست و JSON Web resources with requests and JSON
-
جداول با پانداها Tables with pandas
-
مجموعه داده های علمی با HDF5 Scientific datasets with HDF5
-
اتوماسیون با اسکریپت های پایتون Automation with Python scripts
-
گردش کار علمی با Snakemake Scientific workflows with Snakemake
-
چالش: تعداد کامل Challenge: Perfect numbers
-
راه حل: اعداد کامل Solution: Perfect numbers
-
فصل مسابقه Chapter Quiz
نتیجه Conclusion
-
مراحل بعدی Next steps
https://donyad.com/d/c9bc
Michele Vallisneri
اخترفیزیکدان نظری در آزمایشگاه پیشرانش جت ناسا
او دکترای فیزیک خود را در موسسه فناوری کالیفرنیا در سال 2002 به دست آورد. تحقیقات او شامل تشخیص و تفسیر امواج گرانشی با LIGO ، در فضا و زمان بندی تپنده است. او متخصص تجزیه و تحلیل داده ها ، استنتاج بیزی و فیزیک محاسباتی است و معتقد است که برنامه نویسی شفاف و زیبا می تواند سخت ترین مشکلات را روشن کند. او یکی از اعضای انجمن فیزیک آمریکا است و به او مدال دستاوردهای علمی استثنایی ناسا اهدا شد.
نمایش نظرات