Zastosowanie matematyki w Pythonie: Praktyczne przepisy na rozwiązywanie obliczeniowych problemów matematycznych przy użyciu języka Python i jego bibliotek

Opinie czytelników

Książka została dobrze przyjęta ze względu na praktyczne omówienie języka Python dla inżynierów i matematyków, szczególnie w obszarach związanych z uczeniem maszynowym, matematyką i statystyką. Pojawiają się jednak krytyczne uwagi dotyczące jakości druku.

Wyczerpujące treści dla inżynierów, obejmujące istotne tematy, takie jak pandas, numpy, sympy i scipy.

Zawiera praktyczne przykłady i zastosowania, zwłaszcza dla metod Monte Carlo.

(na podstawie 4 opinii czytelników)

Oryginalny tytuł:

Applying Math with Python: Practical recipes for solving computational math problems using Python programming and its libraries

Zawartość książki:

Odkryj łatwe do zastosowania rozwiązania i techniki, które pomogą Ci wdrożyć stosowane koncepcje matematyczne, takie jak prawdopodobieństwo, rachunek i równania przy użyciu bibliotek numerycznych i naukowych Pythona

Kluczowe cechy

⬤ Obliczanie złożonych problemów matematycznych przy użyciu logiki programowania z pomocą przepisów krok po kroku.

⬤ Naucz się wykorzystywać biblioteki Pythona do obliczeń, modelowania matematycznego i statystyki.

⬤ Odkryj proste, ale skuteczne techniki rozwiązywania równań matematycznych i zastosuj je w rzeczywistych statystykach.

Opis książki

Python, jeden z najpopularniejszych języków programowania na świecie, posiada szereg potężnych pakietów, które pomagają w rozwiązywaniu złożonych problemów matematycznych w prosty i skuteczny sposób. Te podstawowe możliwości pomagają programistom utorować drogę do tworzenia ekscytujących aplikacji w różnych dziedzinach, takich jak uczenie maszynowe i nauka o danych, wykorzystując wiedzę z dziedziny matematyki obliczeniowej.

Książka ta uczy, jak rozwiązywać problemy z różnych dziedzin matematyki, w tym rachunku prawdopodobieństwa, statystyki i nauki o danych, teorii grafów, optymalizacji i geometrii. Zaczniesz od rozwijania podstawowych umiejętności i poznawania pakietów wchodzących w skład naukowego stosu Pythona, w tym NumPy, SciPy i Matplotlib. W miarę postępów poznasz bardziej zaawansowane tematy związane z rachunkiem prawdopodobieństwa i sieciami (teoria grafów). Po uzyskaniu solidnego zrozumienia tych tematów, odkryjesz zastosowania Pythona w nauce o danych i statystyce, prognozowaniu, geometrii i optymalizacji. Ostatnie rozdziały zawierają zbiór różnych problemów, w tym pracę z określonymi formatami danych i akcelerację kodu.

Pod koniec tej książki będziesz miał arsenał praktycznych rozwiązań kodowania, które można wykorzystać i zmodyfikować w celu rozwiązania szerokiego zakresu praktycznych problemów w matematyce obliczeniowej i nauce o danych.

Czego się nauczysz

⬤ Zapoznać się z podstawowymi pakietami, narzędziami i bibliotekami w Pythonie do rozwiązywania problemów matematycznych.

⬤ Poznasz różne techniki, które pomogą ci w rozwiązywaniu obliczeniowych problemów matematycznych.

⬤ Zrozumienie podstawowych pojęć matematyki stosowanej i sposobów ich zastosowania w informatyce.

⬤ Dowiesz się, jak wybrać najbardziej odpowiedni pakiet, narzędzie lub technikę do rozwiązania określonego problemu.

⬤ Implementacja podstawowych wykresów matematycznych, zmiana stylów wykresów i dodawanie etykiet do wykresów przy użyciu Matplotlib.

⬤ Zapoznanie się z teorią prawdopodobieństwa za pomocą metod wnioskowania bayesowskiego i łańcucha Markowa Monte Carlo (MCMC).

Dla kogo jest ta książka

Ta książka jest przeznaczona dla profesjonalnych programistów i studentów, którzy chcą rozwiązywać problemy matematyczne za pomocą Pythona. Zaawansowana wiedza matematyczna nie jest wymagana, ale podstawowa znajomość matematyki pomoże ci w pełni wykorzystać możliwości tej książki. Książka zakłada znajomość koncepcji struktur danych w Pythonie.