لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش آنالیز و روشهای عددی با پایتون: تئوری و کاربرد
- آخرین آپدیت
دانلود Numerical Analysis & Methods with Python: Theory & Practice
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
یادگیری روشهای عددی: جبر خطی، مقادیر ویژه، معادلات دیفرانسیل، درونیابی، تحلیل عددی و موارد دیگر
مبانی روشهای عددی: درک مفاهیم بنیادی، اصول و تکنیکهای مورد استفاده در تحلیل عددی.
پیشنیازهای ریاضی: مرور مبانی ضروری ریاضی مورد نیاز برای محاسبات عددی، شامل حساب دیفرانسیل و انتگرال و جبر خطی.
روشهای یافتن ریشه: یادگیری الگوریتمهای مختلف برای یافتن ریشههای معادلات، مانند روش تنصیف (Bisection)، روش نیوتن-رافسون و روش وتری (Secant).
درونیابی و برونیابی: درونیابی لاگرانژ و تفاضلهای تقسیمشده نیوتن.
معادلات دیفرانسیل معمولی (ODEs): حل مسائل مقدار اولیه ODEها با استفاده از تکنیکهای عددی مانند روش اویلر و روشهای رونگه-کوتا (مانند RK4).
سیستمهای خطی: یادگیری حل دستگاههای معادلات خطی با استفاده از روشهای مستقیم مانند حذف گاوسی، تجزیه LU و تجزیه QR.
سیستمهای خطی: یادگیری حل دستگاههای معادلات خطی با استفاده از روشهای تکرار شونده مانند یاکوبی و گوس-سایدل.
تحلیل خطا: درک منابع خطا در محاسبات عددی و نحوه تحلیل و به حداقل رساندن آنها.
برنامهنویسی پایتون: کسب تجربه عملی در برنامهنویسی پایتون برای پیادهسازی و حل روشهای عددی.
کتابخانههای پایتون: Numpy، SciPy و SymPy
پیش نیازها: شما باید پیشزمینه پایهای در جبر و حساب دیفرانسیل (مشتق، انتگرال و غیره) و همچنین تجربیات اولیه در برنامهنویسی داشته باشید.
مبانی برنامهنویسی: اگرچه دوره برنامهنویسی پایتون را پوشش میدهد، اما داشتن تجربه قبلی یا آشنایی با مفاهیم برنامهنویسی مفید خواهد بود.
داشتن دسترسی به یک ویرایشگر متن یا محیط توسعه یکپارچه (IDE) برای نوشتن و اجرای کدهای پایتون ضروری است.
به دنیای شگفتانگیز Rوشهای عددیوارد شوید و قدرت زبان برنامهنویسی پایتونرا برای حل مسائل پیچیده ریاضی و فیزیکی آزاد کنید. در این دوره جامع، شما به مبانی تئوری ضروری تحلیل عددی میپردازید و همزمان تجربه عملی در پیادهسازیهای کاربردی با پایتون کسب خواهید کرد.
از Yافت ریشه، درونیابی و انتگرالگیری عددی تا حل معادلات دیفرانسیل و بهینهسازی، این دوره شما را به دانش ریاضی و مهارتهای برنامهنویسیلازم برای مقابله با طیف گستردهای از چالشهای دنیای واقعی مجهز میکند. شما یاد میگیرید که الگوریتمهای عددی را به کار ببرید، نقاط قوت و محدودیتهای آنها را درک کنید و دقت آنها را از طریق تحلیل دقیق خطا بسنجید.
این دوره که برای ریاضیدانان مشتاق و علاقهمندان به پایتون طراحی شده است، تعادلی کامل بین تئوری و کاربرد برقرار میکند. از طریق سخنرانیهای جذاب، تمرینهای کدنویسی تعاملی و پروژههای واقعی، درک عمیقی از اصول روشهای عددی به دست میآورید و یاد میگیرید آنها را بهطور مؤثر با کتابخانههای پایتون مانند NumPy و SciPyپیادهسازی کنید.
چه هدف شما بهینهسازی طراحیهای مهندسی باشد، چه شبیهسازی پدیدههای فیزیکی، تحلیل دادههای مالی یا ورود به حوزه علوم داده و یادگیری ماشین، دوره «روشهای عددی با پایتون»به شما قدرت میدهد تا با دقت عددی به مسائل متنوع رویکرد داشته باشید. در این مسیر هیجانانگیز به ما بپیوندید و تواناییهای حل مسئله خود را با همافزایی ریاضیات و برنامهنویسی پایتون به اوج برسانید.
سرفصل ها و درس ها
مقدمهای بر روشهای عددی
Introduction to Numerical Methods
مقدمهای بر روشهای عددی
Introduction to Numerical Methods
نمایش اعداد
Number representation
مقدمهای بر نمایش اعداد
Introduction to Number Representation
سیستمهای اعداد صحیح موقعیتی
Positional Integer Number Systems
تمرین: مبنای سیستم اعداد صحیح
Exercise: Integer Number System Base
تمرین پایتون: سیستمهای اعداد صحیح موقعیتی
Python Exercise: Positional Integer Number Systems
سیستمهای اعداد حقیقی موقعیتی
Positional Real Number Systems
تمرین پایتون: سیستمهای اعداد حقیقی موقعیتی
Python Exercise: Positional Real Number Systems
نمایش ممیز ثابت
Fix Point Representation
نمایش ممیز شناور
Floating Point Representation
استاندارد IEEE 754 برای ممیز شناور
IEEE Standard 754 for Floating Point
جبر خطی
Linear Algebra
مقدمهای بر فضای برداری
Vector Space Introduction
زیرفضای برداری
Vector Subspace
تمرین پایتون: بردارها با استفاده از آرایههای Numpy
Python Exercise: vectors using Numpy array
مجموعه پوشش خطی (Linear Span)
Linear Span Set
مجموعه بردارهای مستقل خطی
Linearly Independent Vector Set
پایه و بعد فضای برداری
Basis and Dimension of Vector Space
ضرب داخلی
Inner Product
تبدیلات خطی و ماتریسها
Linear Transformations and Matrices
ضرب ماتریس در ماتریس و ماتریس در بردار
Matrix-Matrix and Matrix-vector multiplication
نمایش نظرات