آموزش تسلط بر حساب دیفرانسیل و انتگرال ۲ با پایتون: انتگرال‌گیری، شهود و کدنویسی - آخرین آپدیت

دانلود Master calculus 2 using Python: integration, intuition, code

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: تئوری، تقریب‌های عددی، شهود و بصری‌سازی در حساب انتگرالی. مهارت‌های ریاضی و کدنویسی خود را ارتقا دهید. حساب دیفرانسیل و انتگرال انتگرال‌گیری پایتون numpy sympy matplotlib scipy بصری‌سازی ریاضیات هندسه اثبات‌ها انتگرال‌های کاربردی مجموع‌های ریمان پیش نیازها: حساب دیفرانسیل و انتگرال ۱ (مشتق‌گیری) آشنایی مقدماتی با کدنویسی پایتون (numpy, matplotlib, sympy)

زیبایی و قدرت حساب انتگرالی

اگر حساب ۱درباره درک تغییرات بود، حساب ۲درباره انباشتگی است: اینکه چگونه تغییرات کوچک روی هم قرار می‌گیرند تا مساحت، حجم، احتمال و پیچیدگی را بسازند. انتگرال‌گیری جایی است که ریاضیات با تخیل ملاقات می‌کند —جایی که مفاهیم انتزاعی و فیزیکی با هم ادغام می‌شوند.

از مجموع‌های ریمان تا توزیع‌های احتمالی، و از طول کمان تا اجسام دورانی، حساب انتگرالی ابزارهایی را فراهم می‌کند تا همه چیز، از حرکت ذرات گرفته تا ساختار داده‌ها را توصیف، کمی‌سازی و بصری‌سازی کنیم. این مبحث دروازه‌ای به سوی حساب چندمتغیره، مدل‌سازی ریاضی و علوم داده است.

و این فقط یک موضوع تئوری نیست. انتگرال‌گیری زیربنای رشته‌هایی از جمله فیزیک، مهندسی، یادگیری ماشین، اقتصاد کمی و آمار است. اگر می‌خواهید الگوریتم‌های پشت علوم داده را درک کنید یا مبانی ریاضی مورد نیاز برای هوش مصنوعی را بسازید، باید انتگرال‌ها را بشناسید.

بنابراین، چه برای تقویت پیش‌زمینه ریاضی خود اینجا هستید، چه برای آمادگی در یک دوره دانشگاهی یا صرفاً برای به چالش کشیدن ذهن خود —خوش آمدید.

چرا حساب انتگرالی یاد بگیریم؟

سه دلیل برای مطالعه انتگرال‌ها وجود دارد:

  1. ارتباط با دنیای واقعی: حساب انتگرالی تقریباً در هر رشته STEM —به‌ویژه در حوزه‌هایی مانند فیزیک، اقتصاد، زیست‌شناسی و علوم کامپیوتر استفاده می‌شود. شما یاد می‌گیرید چگونه حجم‌ها را محاسبه کنید، سیستم‌ها را مدل‌سازی کنید و توزیع‌ها را درک کنید —و حتی به انتگرال‌گیری چندمتغیره وارد شوید.

  2. تمرین شناختی: انتگرال‌گیری هم به دقت و هم به خلاقیت نیاز دارد. با یادگیری نحوه اتصال مفاهیم، استخراج فرمول‌ها و پیاده‌سازی الگوریتم‌ها، مهارت‌های استدلال عمیقی را توسعه خواهید داد. این مانند وزنه‌برداری ذهنی است.

  3. ریاضی به عنوان یک سرگرمی مادام‌العمر: به جای گشت‌وگذار در شبکه‌های اجتماعی، چرا یاد نگیرید چگونه مساحت سطح یک شکل دورانی را محاسبه کنید یا یک توزیع احتمالی را از صفر شبیه‌سازی نمایید؟ این دوره راهی عالی برای تیز نگه داشتن ذهن و فعال بودن فکری است.

ریاضی را به روش قدیمی یاد بگیریم یا مدرن؟

شما می‌توانید انتگرال‌گیری را با تماشای سخنرانی‌های پر از معادلات روی تخته سیاه یاد بگیرید و امیدوار باشید که مطالب در ذهنتان بنشیند. یا می‌توانید رویکردی تعاملی‌تر و عملی‌تر را انتخاب کنید.

این دوره بر این اصل استوار است که “می‌توان مقدار زیادی ریاضی را با کمی کدنویسی آموخت.”

شما از پایتون —به‌ویژه NumPy، SymPy و Matplotlib —برای بصری‌سازی انتگرال‌ها، پیاده‌سازی تقریب‌های عددی، بررسی همگرایی و کسب شهود برای ایده‌های بنیادی حساب دیفرانسیل و انتگرال استفاده خواهید کرد.


سه دلیل کلیدی برای استفاده از پایتون در این دوره:

  • درک عمیق‌تر: کدنویسی کمک می‌کند مفاهیم انتزاعی ملموس شوند. شما شبیه‌سازی‌هایی خواهید ساخت و تصاویری ایجاد خواهید کرد که انتگرال‌ها را زنده می‌کند.

  • مهارت‌های کاربردی: انتگرال‌گیری عددی و محاسبات نمادین، ابزارهای ضروری در ریاضیات کاربردی و علوم داده هستند.

  • یادگیری فعال: کدنویسی شما را مجبور می‌کند دقیق و تحلیلی فکر کنید، که منجر به یادگیری و درک بهتر می‌شود.


آیا این دوره فقط درباره کدنویسی انتگرال‌هاست؟

به هیچ وجه. این یک دوره برنامه‌نویسی نیست و هدفش استفاده از پایتون برای دور زدن ریاضیات نیست. هدف این است که از کد به عنوان ابزاری برای تفکر استفاده شود —تا به شما کمک کند بفهمید از نظر ریاضی چه اتفاقی می‌افتد، نه اینکه محاسبات جایگزین درک مفاهیم شود.

در این دوره، شما هم چگونگیانتگرال‌گیری (با تکنیک‌هایی مانند تغییر متغیر u، انتگرال‌گیری جزء به جزء و کسرهای جزئی) و هم چراییعملکرد انتگرال‌گیری را از دیدگاه‌های مختلف مفهومی (هندسی، تحلیلی و عددی) خواهید آموخت.

همچنین انتگرال‌گیری را در زمینه‌های غافلگیرکننده‌ای بررسی خواهید کرد: خلق هنر از ریاضیات، مدل‌سازی تصادف با توزیع‌های احتمالی و اندازه‌گیری حجم و مساحت سطوح اشیای سه‌بعدی.


آیا تمرین وجود دارد؟

بله —تعداد زیادی! تقریباً هر مفهوم تئوری شامل یک یا چند تمرین برای حل کردن است و من تمام پاسخ‌ها را گام‌به‌گام بررسی می‌کنم.

حتی بهتر از آن: شما یاد می‌گیرید چگونه تمرینات حساب دیفرانسیل و انتگرال خودتانرا به همراه پاسخ‌ها بسازید، تا بتوانید تمرینات را دقیقاً بر اساس نیاز خود شخصی‌سازی کنید. آن را به عنوان ساختن برنامه مطالعاتی شخصی خود تصور کنید —با قدرت پایتون و هدایت شهود شما.


آیا این دوره برای شما مناسب است؟

این دوره برای یادگیرندگانی طراحی شده است که تجربه قبلی در مورد مشتقات دارند (مثلاً از دوره حساب ۱ من یا یک کلاس مقدماتی دانشگاهی). اگر آماده‌اید عمیق‌تر شوید —در زمینه‌های انتگرال، مساحت، حجم، احتمال و حساب چندمتغیره —پس این دوره برای شماست.

این دوره به‌ویژه برای موارد زیر مناسب است:

  • دانشجویان دانشگاه یا خودآموزانی که در حال یادگیری حساب انتگرالی هستند

  • دانشمندان داده، مهندسان یا برنامه‌نویسانی که می‌خواهند مبانی ریاضی خود را تقویت کنند

  • یادگیرندگان مادام‌العمر که به دنبال یک فعالیت فکری چالش‌برانگیز و جذاب هستند

هیچ دوره‌ای برای همه مناسب نیست —بنابراین قبل از ثبت‌نام، ویدیوهای پیش‌نمایش و نظرات را بررسی کنید. و به یاد داشته باشید: یودمی ضمانت بازگشت وجه ۳۰ روزه ارائه می‌دهد، بنابراین اگر تصمیم گرفتید دوره مناسب شما نیست، هیچ ریسکی وجود ندارد.


سرفصل ها و درس ها

مقدمات و متریال دوره Introductions and course materials

  • پیش‌نیازها و نحوه موفقیت در این دوره Prerequisites and how to rock this course

  • درباره ویدیوهای "چالش کدنویسی" About the "CodeChallenge" videos

  • دانلود و استفاده از کدها Downloading and using the code

  • سیاست من در مورد اشتراک‌گذاری کد My policy on sharing code

  • استفاده از ChatGPT برای یادگیری حساب دیفرانسیل و انتگرال Use ChatGPT to learn calculus

شهود انتگرال‌گیری Intuition for integration

  • خلاصه بخش و اهداف Section summary and goals

  • انتگرال‌گیری به عنوان "معکوس مشتق‌گیری" Integration as "inverse differentiation"

  • چالش کدنویسی: رسم انتگرال‌های گسسته CodeChallenge: Drawing discrete integrals

  • انتگرال‌گیری به عنوان مساحت هندسی Integration as geometric area

  • چالش کدنویسی: تقریب‌های هندسی CodeChallenge: Geometric approximations

  • دیدگاه‌های دوگانه انتگرال‌گیری The dual perspectives of integration

  • قضیه بنیادی حساب دیفرانسیل و انتگرال، بخش اول The fundamental theorem of calculus, Part 1

  • قضیه بنیادی حساب دیفرانسیل و انتگرال، بخش دوم The fundamental theorem of calculus, Part 2

  • چالش کدنویسی: تقریب انتگرال‌های دقیق ۱/۲ CodeChallenge: Approximate exact integrals 1/2

  • چالش کدنویسی: تقریب انتگرال‌های دقیق ۲/۲ CodeChallenge: Approximate exact integrals 2/2

  • چرا انتگرال‌گیری سخت‌تر از مشتق‌گیری است؟ Why integration is harder than differentiation

  • کالک-آرت! تفریح و زیبایی با حساب دیفرانسیل و انتگرال :) Calculart! Fun and beauty with calculus :)

بحث جانبی: آیا ریاضیات معنایی دارد؟ Tangent: Does math mean anything?

  • چه مقدار از ریاضیات بازتاب‌دهنده واقعیت است؟ How much of math reflects reality?

تقریب‌های هندسی Geometric approximations

  • خلاصه بخش و اهداف Section summary and goals

  • مجموع‌های ریمان Riemann sums

  • چالش کدنویسی: تقریب‌های ریمان ۱/۲ CodeChallenge: Riemann approximations 1/2

  • چالش کدنویسی: تقریب‌های ریمان ۲/۲ CodeChallenge: Riemann approximations 2/2

  • مساحت خالص در مقابل مساحت کل Net vs. total area

  • چالش کدنویسی: مساحت خالص و کل CodeChallenge: Net and total area

  • انتگرال‌گیری لبگ Lebesgue integration

  • چالش کدنویسی: لبگ در بلฟوسکو ۱/۲ CodeChallenge: Lebesgue in Blefuscu 1/2

  • چالش کدنویسی: لبگ در بلฟوسکو ۲/۲ CodeChallenge: Lebesgue in Blefuscu 2/2

  • کالک-آرت! انیمیشن‌های ریمان‌گونه Calculart! Riemannesque animations

بحث جانبی: آموزش سرگرم‌کننده Tangent: Edutainment

  • مزایا و معایب آموزش سرگرم‌کننده Pros and cons of edutainment

انتگرال‌گیری از توابع Integrating functions

  • خلاصه بخش و اهداف Section summary and goals

  • چگونه انتگرال بگیریم (به صورت رسمی و کاربردی) How to integrate (formally and practically)

  • انتگرال‌گیری از چندجمله‌ای‌ها Integrating polynomials

  • بیشتر درباره انتگرال‌گیری با sympy More on sympy integration

  • ثابت انتگرال‌گیری: داستان این C چیست؟ Constant of integration: What's with the C?

  • ثابت‌های انتگرال در پایتون Integration constants in Python

  • چالش کدنویسی: کدنویسی مسئله مقدار اولیه CodeChallenge: Code the initial value problem

  • چالش کدنویسی: مسائل تمرینی بی‌نهایت CodeChallenge: infinite practice problems

  • خطی بودن انتگرال‌گیری Linearity of integration

  • چالش کدنویسی: بررسی خطی بودن ۱/۲ CodeChallenge: Explore linearity 1/2

  • چالش کدنویسی: بررسی خطی بودن ۲/۲ CodeChallenge: Explore linearity 2/2

  • انتگرال‌گیری عددی در scipy Numerical integration in scipy

  • انتگرال‌گیری از سینوس و کسینوس Integrating sine and cosine

  • توابع متعالی (نمایی و لگاریتمی) Transcendental functions (exp and log)

  • قوانین ضرب، خارج‌قسمت و زنجیری چه می‌شوند؟ What about product, quotient, and chain rules?

  • کالک-آرت! خطوط ابریشمی سینوسی Calculart! Whispy sine lines

  • محاسبه مساحت خالص و کل Calculating net and total area

  • چالش کدنویسی: الگوریتم مساحت‌های خالص و کل CodeChallenge: Net and total areas algorithm

  • انتگرال‌گیری از توابع زوج و فرد Integrating even and odd functions

  • ساخت مسائل تمرینی با ChatGPT Create practice problems with ChatGPT

  • معکوس کردن حدود انتگرال‌گیری Reversing the limits of integration

  • کالک-آرت! خلق "موسیقی" از معادلات Calculart! Create "music" from equations

بحث جانبی: چگونه می‌توانیم در ریاضیات چیزی را بدانیم؟ Tangent: How can we know anything in math?

  • اپستمولوژی ریاضیات Mathematical epistomology

انتگرال‌های ناسره Improper integrals

  • خلاصه بخش و اهداف Section summary and goals

  • انتگرال‌های ناسره چیستند؟ What are improper integrals?

  • بازه های نامحدود Infinite intervals

  • چالش کدنویسی: همگرایی و واگرایی CodeChallenge: Convergence and divergence

  • دو حد نامحدود Two infinite bounds

  • چالش کدنویسی: انتگرال‌های مثلثاتی ناسره CodeChallenge: Improper trig integrals

  • توابع دارای ناپیوستگی Functions with discontinuities

  • چالش کدنویسی: نزدیک شدن به بی‌نهایت واقعی CodeChallenge: approaching real infinity

تکنیک‌های انتگرال‌گیری Integration techniques

  • خلاصه بخش و اهداف Section summary and goals

  • تغییر متغیر u U-substitution

  • انتگرال‌گیری جزء به جزء Integration by parts

  • کسرهای جزئی Partial fractions

  • چالش کدنویسی: الگوریتم کسرهای جزئی CodeChallenge: Partial fractions algorithm

  • استفاده از ChatGPT به عنوان معلم انتگرال ChatGPT as your integration tutor

  • چالش کدنویسی: تفریح با توابع CodeChallenge: Fun with functions

بحث جانبی: زندگی به مثابه تابعی برای انتگرال‌گیری Tangent: life as a function to integrate

  • زندگی خوب از دیدگاه حساب دیفرانسیل و انتگرال The good life, according to calculus

کاربردهای هندسی Applications in geometry

  • خلاصه بخش و اهداف Section summary and goals

  • مساحت بین دو منحنی Area between two curves

  • چالش کدنویسی: تقریب‌های عددی CodeChallenge: Numerical approximations

  • کالک-آرت: یک گلدان، دو چهره یا فقط ریاضیات؟ Calculart: A vase, two faces, or just math?

  • منحنی‌های پارامتریک Parametric curves

  • طول کمان: تئوری Curve (arc) length: theory

  • طول کمان: تمرین (پایتون) Curve (arc) length: practice (Python)

  • چالش کدنویسی: تقریب طول منحنی‌ها CodeChallenge: approximating curve lengths

  • کالک-آرت: هیپوتروکوئیدهای لیساجو Calculart: Lissajous's hypotrochoids

  • ایجاد اجسام دورانی Creating solids of revolution

  • اندازه‌گیری حجم اجسام Measuring volumes of solids

  • اندازه‌گیری سطح اجسام Measuring surfaces of solids

  • چالش کدنویسی: تقریب حجم‌ها و سطوح CodeChallenge: Approximating volumes and surfaces

کاربردهای آماری Applications in statistics

  • خلاصه بخش و اهداف Section summary and goals

  • توابع چگالی احتمال (pdf) Probability density functions (pdfs)

  • چالش کدنویسی: ایجاد pdfها CodeChallenge: Creating pdfs

  • توابع توزیع تجمعی (cdf) Cumulative distribution functions (cdfs)

  • چالش کدنویسی: cdfها و pdfها CodeChallenge: cdfs and pdfs

  • محاسبه احتمالات Calculating probabilities

  • چالش کدنویسی: محاسبه احتمالات در پایتون CodeChallenge: Calculating probabilities in python

بحث جانبی: آیا مطالعه ریاضی بیهوده است؟ Tangent: is studying math pointless?

  • چرا ریاضی یاد بگیریم اگر قرار است فراموش کنیم؟ Why learn math if you'll forget it?

انتگرال‌گیری چندمتغیره Multivariable integration

  • خلاصه بخش و اهداف Section summary and goals

  • انتگرال‌های不定 چندمتغیره Multivariable indefinite integrals

  • چالش کدنویسی: انتگرال‌های جزئی و دوگانه CodeChallenge: partial and double integrals

  • انتگرال‌های معین چندمتغیره Multivariable definite integrals

  • چالش کدنویسی: انتگرال‌های دوگانه عددی CodeChallenge: numerical double integrals

بخش جایزه Bonus section

  • محتوای جایزه Bonus content

نمایش نظرات

آموزش تسلط بر حساب دیفرانسیل و انتگرال ۲ با پایتون: انتگرال‌گیری، شهود و کدنویسی
جزییات دوره
19 hours
95
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,083
5 از 5
دارد
دارد
دارد
Mike X Cohen
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Mike X Cohen Mike X Cohen

من دانشیار علوم اعصاب در دانشگاه رادبود (هلند) هستم. آزمایشگاه تحقیقاتی من از روش های علوم اعصاب پیشرفته برای اندازه گیری فعالیت الکتریکی مغز استفاده می کند و ما برای درک همه داده ها از روش های پیشرفته پردازش سیگنال چند متغیره و روش یادگیری ماشین یادگیری استفاده می کنیم! من چندین کتاب درسی درباره برنامه نویسی علمی در MATLAB ، پردازش سیگنال و آمار نوشته ام. من همچنین معتقد به اهمیت ادامه تحصیل در سطح حرفه ای هستم. تمرکز آموزش Pluralsight من تجزیه و تحلیل داده های عملی در MATLAB است. آموزش مباحث فنی می تواند یک چالش برای دوره های آنلاین باشد که تعاملات رو در رو در زمان واقعی ندارند. من تمام تلاشم را می کنم تا تعادل درستی بین درک و دقت ریاضی و بین تئوری و اجرا پیدا کنم. امیدوارم موافقت کنید و مشتاقانه منتظر دیدن شما در کلاس هستم!