ریاضیات برای برنامه‌نویسان ۲۰۲۰
Math for Programmers 2020

با کدنویسی عملی، مفاهیم مهم ریاضی را کاوش کنید.
با خرید نسخه چاپی کتاب، نسخه الکترونیکی رایگان آن را در قالب‌های PDF، Kindle و ePub از انتشارات Manning دریافت کنید.

این کتاب، مملو از تصاویر و بیش از 300 تمرین و پروژه‌های کوچک، دری را به سوی مشاغل جالب – و پردرآمد! – در برخی از پرطرفدارترین حوزه‌های امروز باز می‌کند. با پرداختن به مبانی جبر خطی، حساب دیفرانسیل و انتگرال و یادگیری ماشین، شما بر کتابخانه‌های اصلی پایتون که برای تبدیل آن‌ها به برنامه‌های کاربردی نرم‌افزاری در دنیای واقعی استفاده می‌شوند، مسلط خواهید شد.

خلاصه

برای به دست آوردن شغل در علم داده، یادگیری ماشین، گرافیک کامپیوتری و رمزنگاری، باید مهارت‌های ریاضی قوی را به همراه داشته باشید. کتاب *ریاضی برای برنامه‌نویسان* ریاضی مورد نیاز برای این مشاغل پرطرفدار را آموزش می‌دهد و بر آنچه که شما به عنوان یک توسعه‌دهنده باید بدانید تمرکز دارد. این کتاب با داشتن تصاویر مفید بسیار و بیش از 200 تمرین و پروژه‌های کوچک، دری را به سوی مشاغل جالب – و پردرآمد! – در برخی از پرطرفدارترین حوزه‌های برنامه‌نویسی امروز باز می‌کند.

درباره فناوری

اصطلاحات تخصصی ریاضی را نادیده بگیرید: این کتاب بی‌نظیر از پایتون برای آموزش ریاضی مورد نیاز برای ساخت بازی‌ها، شبیه‌سازی‌ها، گرافیک سه‌بعدی و الگوریتم‌های یادگیری ماشین استفاده می‌کند. کشف کنید که چگونه جبر و حساب دیفرانسیل و انتگرال وقتی آن‌ها را در کد می‌بینید، زنده می‌شوند!

مطالب داخل کتاب

* هندسه برداری برای گرافیک کامپیوتری
* ماتریس‌ها و تبدیلات خطی
* مفاهیم اصلی از حساب دیفرانسیل و انتگرال
* شبیه‌سازی و بهینه‌سازی
* پردازش تصویر و صدا
* الگوریتم‌های یادگیری ماشین برای رگرسیون و طبقه‌بندی

درباره خواننده

برای برنامه‌نویسان با مهارت‌های پایه در جبر.

درباره نویسنده

پاول اورلند یک برنامه‌نویس، کارآفرین نرم‌افزار و علاقه‌مند به ریاضی است. او یکی از بنیانگذاران Tachyus، یک استارت‌آپ در زمینه ساخت نرم‌افزار تحلیل پیش‌بینی‌کننده برای صنعت انرژی است. می‌توانید او را به صورت آنلاین در www.paulor.land پیدا کنید.

فهرست مطالب

1 یادگیری ریاضی با کد

بخش اول – بردارها و گرافیک

2 طراحی با بردارهای دوبعدی

3 صعود به دنیای سه‌بعدی

4 تبدیل بردارها و گرافیک

5 محاسبه تبدیل‌ها با ماتریس‌ها

6 تعمیم به ابعاد بالاتر

7 حل دستگاه معادلات خطی

بخش دوم – حساب دیفرانسیل و انتگرال و شبیه‌سازی فیزیکی

8 درک نرخ تغییر

9 شبیه‌سازی اجسام متحرک

10 کار با عبارات نمادین

11 شبیه‌سازی میدان‌های نیرو

12 بهینه‌سازی یک سیستم فیزیکی

13 تحلیل امواج صوتی با سری فوریه

بخش سوم – برنامه‌های کاربردی یادگیری ماشین

14 برازش توابع به داده‌ها

15 طبقه‌بندی داده‌ها با رگرسیون لجستیک

16 آموزش شبکه‌های عصبی

Explore important mathematical concepts through hands-on coding.
Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications.

Filled with graphics and more than 300 exercises and mini-projects, this book unlocks the door to interesting–and lucrative!–careers in some of today’s hottest fields. As you tackle the basics of linear algebra, calculus, and machine learning, you’ll master the key Python libraries used to turn them into real-world software applications.

Summary
To score a job in data science, machine learning, computer graphics, and cryptography, you need to bring strong math skills to the party. Math for Programmers teaches the math you need for these hot careers, concentrating on what you need to know as a developer. Filled with lots of helpful graphics and more than 200 exercises and mini-projects, this book unlocks the door to interesting–and lucrative!–careers in some of today’s hottest programming fields.

About the technology
Skip the mathematical jargon: This one-of-a-kind book uses Python to teach the math you need to build games, simulations, 3D graphics, and machine learning algorithms. Discover how algebra and calculus come alive when you see them in code!

What’s inside

Vector geometry for computer graphics
Matrices and linear transformations
Core concepts from calculus
Simulation and optimization
Image and audio processing
Machine learning algorithms for regression and classification

About the reader
For programmers with basic skills in algebra.

About the author
Paul Orland is a programmer, software entrepreneur, and math enthusiast. He is co-founder of Tachyus, a start-up building predictive analytics software for the energy industry. You can find him online at www.paulor.land.

Table of Contents

1 Learning math with code

PART I – VECTORS AND GRAPHICS

2 Drawing with 2D vectors

3 Ascending to the 3D world

4 Transforming vectors and graphics

5 Computing transformations with matrices

6 Generalizing to higher dimensions

7 Solving systems of linear equations

PART 2 – CALCULUS AND PHYSICAL SIMULATION

8 Understanding rates of change

9 Simulating moving objects

10 Working with symbolic expressions

11 Simulating force fields

12 Optimizing a physical system

13 Analyzing sound waves with a Fourier series

PART 3 – MACHINE LEARNING APPLICATIONS

14 Fitting functions to data

15 Classifying data with logistic regression

16 Training neural networks