مدل‌سازی ریاضی در زیست‌شناسی ۲۰۲۲
Mathematical Modeling in Biology 2022

مدل‌سازی ریاضی در زیست‌شناسی: رویکردی به روش‌های تحقیق، کتابی درسی است که در درجه اول برای دانشجویان مقطع کارشناسی ارشد ریاضیات و علوم و دانشجویان زیست‌شناسی در مقطع تحصیلات تکمیلی نگاشته شده است. اگرچه کاربردهای آن بر بوم‌شناسی متمرکز است، اما با توجه به تخصص نویسندگان، این روش‌شناسی را می‌توان به هر علم دیگری، از جمله علوم اجتماعی و اقتصاد، وارد کرد. هدف کتاب، فراتر از کمک مفید به تدریس و یادگیری مهارت‌های اصلی مدل‌سازی مورد نیاز برای زیست‌شناسی ریاضی، تشویق دانشجویان به تفکر عمیق و واضح در مورد معنای ریاضیات در علم و یادگیری روش‌های تحقیق مهم است. مهم‌تر از همه، امید است که دانشجویان بخشی از هیجان انجام تحقیقات را تجربه کنند.

ویژگی‌ها

* حداقل پیش‌نیازها، فراتر از یک پیشینه قوی در حساب دیفرانسیل و انتگرال، مانند دوره حساب دیفرانسیل و انتگرال ۱.
* مناسب برای دانشجویان ریاضیات و علوم در مقاطع بالا و دانشجویان زیست‌شناسی در مقطع تحصیلات تکمیلی.
* ارائه نمونه کدهای متلب و دستورالعمل در پیوست‌ها به همراه مجموعه داده‌های موجود در [https://bit.ly/3fcLF3D](https://bit.ly/3fcLF3D)

Mathematical Modeling in Biology: A Research Methods Approach is a textbook written primarily for advanced mathematics and science undergraduate students and graduate-level biology students. Although the applications center on ecology, the expertise of the authors, the methodology can be imported to any other science, including social science and economics. The aim of the book, beyond being a useful aid to teaching and learning the core modeling skills needed for mathematical biology, is to encourage students to think deeply and clearly about the meaning of mathematics in science and to learn significant research methods. Most importantly, it is hoped that students will experience some of the excitement of doing research.

Features

• Minimal pre-requisites beyond a solid background in calculus, such as a calculus I course.
• Suitable for upper division mathematics and sciences students and graduate-level biology students.
• Provides sample MATLAB codes and instruction in Appendices along with datasets available on https://bit.ly/3fcLF3D