Think Complexity: Nauka o złożoności i modelowanie obliczeniowe

Opinie czytelników

Recenzje podkreślają, że książka Allena Downeya o nauce o złożoności jest solidnym wprowadzeniem, skutecznie uczącym złożonych pojęć w zwięzły sposób. Choć wiele osób docenia podejście edukacyjne i przykłady programowania, niektórzy wyrażają rozczarowanie zależnością drugiego wydania od dostępu do Internetu i utratą treści w porównaniu z pierwszym wydaniem.

Dobrze zorganizowana treść ucząca złożoności nauki, efektywne wykorzystanie programowania do wyjaśnienia matematyki, dobre do samodzielnej nauki, autor przystępny i responsywny, poprzednie wydanie dostępne za darmo.

Druga edycja nie zawiera niektórych interesujących elementów z pierwszej edycji i wymaga połączenia z Internetem do działania, ogólna preferencja dla pierwszej edycji w stosunku do drugiej.

(na podstawie 3 opinii czytelników)

Oryginalny tytuł:

Think Complexity: Complexity Science and Computational Modeling

Zawartość książki:

Nauka o złożoności wykorzystuje obliczenia do badania nauk fizycznych i społecznych. W Think Complexity wykorzystasz grafy, automaty komórkowe i modele oparte na agentach do badania zagadnień z fizyki, biologii i ekonomii.

Niezależnie od tego, czy jesteś średnio zaawansowanym programistą Pythona, czy studentem modelowania obliczeniowego, zagłębisz się w przykłady złożonych systemów poprzez serię praktycznych przykładów, ćwiczeń, studiów przypadków i łatwych do zrozumienia wyjaśnień.

W tej zaktualizowanej drugiej edycji będziesz:

⬤ Pracować z tablicami NumPy i metodami SciPy, w tym z podstawowym przetwarzaniem sygnałów i szybką transformatą Fouriera.

⬤ Studiować abstrakcyjne modele złożonych systemów fizycznych, w tym prawa potęgowe, fraktale i szum różowy oraz maszyny Turinga.

⬤ Uzyskaj notatniki Jupyter wypełnione kodem startowym i rozwiązaniami, które pomogą Ci ponownie wdrożyć i rozszerzyć oryginalne eksperymenty w zakresie złożoności; oraz modele obliczeń, takie jak Turmity, maszyny Turinga i automaty komórkowe.

⬤ Poznaj filozofię nauki, w tym naturę praw naukowych, wybór teorii oraz realizm i instrumentalizm.

Idealny jako tekst na kurs modelowania obliczeniowego w Pythonie, Think Complexity pomaga również samoukom zdobyć cenne doświadczenie w zakresie tematów i pomysłów, z którymi inaczej mogliby się nie zetknąć.