پایتون برای محاسبات علمی و هوش مصنوعی ۲۰۲۳
Python for Scientific Computing and Artificial Intelligence 2023

**پایتون برای محاسبات علمی و هوش مصنوعی** به سه بخش تقسیم شده است: در بخش اول، خواننده با زبان برنامه‌نویسی پایتون آشنا می‌شود و نشان داده می‌شود که چگونه پایتون می‌تواند به درک ریاضیات پیشرفته دبیرستان کمک کند. در بخش دوم، به خواننده نشان داده می‌شود که چگونه می‌توان از پایتون برای حل مسائل دنیای واقعی از طیف گسترده‌ای از رشته‌های علمی استفاده کرد. در نهایت، در بخش سوم، خواننده با شبکه‌های عصبی آشنا می‌شود و نشان داده می‌شود که چگونه TensorFlow (نوشته شده در پایتون) می‌تواند برای حل طیف وسیعی از مسائل در هوش مصنوعی (AI) استفاده شود.این کتاب از مجموعه‌ای از کارگاه‌های آموزشی ملی و بین‌المللی تهیه شده است که نویسنده بیش از بیست سال است که آن‌ها را ارائه می‌دهد. این کتاب برای مبتدیان مناسب است و تاکید زیادی بر برنامه‌نویسی و مدل‌سازی محاسباتی دارد.

**ویژگی‌ها:**

* نیازی به تجربه قبلی در برنامه‌نویسی نیست
* مخزن آنلاین GitHub با کدها برای تمرین خوانندگان در دسترس است
* شامل کاربردها و مثال‌هایی از زیست‌شناسی، شیمی، علوم کامپیوتر، علم داده، مهندسی برق و مکانیک، اقتصاد، ریاضیات، فیزیک، آمار و محاسبات نوسانگر باینری است.
* راه‌حل‌های کامل تمرین‌ها به عنوان نوت‌بوک‌های Jupyter در وب در دسترس هستند.

**مواد پشتیبانی**

**مخزن GitHub فایل‌های پایتون و نوت‌بوک‌ها: https://github.com/proflynch/CRC-Press/**

**راه حل تمامی تمرینات:**

بخش 1: مقدمه‌ای بر پایتون: https://drstephenlynch.github.io/webpages/Solutions_Section_1.html

بخش 2: پایتون برای محاسبات علمی: https://drstephenlynch.github.io/webpages/Solutions_Section_2.html

بخش 3: هوش مصنوعی: https://drstephenlynch.github.io/webpages/Solutions_Section_3.html

Python for Scientific Computing and Artificial Intelligence is split into 3 parts: in Section 1, the reader is introduced to the Python programming language and shown how Python can aid in the understanding of advanced High School Mathematics. In Section 2, the reader is shown how Python can be used to solve real-world problems from a broad range of scientific disciplines. Finally, in Section 3, the reader is introduced to neural networks and shown how TensorFlow (written in Python) can be used to solve a large array of problems in Artificial Intelligence (AI).

This book was developed from a series of national and international workshops that the author has been delivering for over twenty years. The book is beginner friendly and has a strong practical emphasis on programming and computational modelling.

Features:

• No prior experience of programming is required
• Online GitHub repository available with codes for readers to practice
• Covers applications and examples from biology, chemistry, computer science, data science, electrical and mechanical engineering, economics, mathematics, physics, statistics and binary oscillator computing
• Full solutions to exercises are available as Jupyter notebooks on the Web

Support Material

GitHub Repository of Python Files and Notebooks: https://github.com/proflynch/CRC-Press/

Solutions to All Exercises:

Section 1: An Introduction to Python: https://drstephenlynch.github.io/webpages/Solutions_Section_1.html

Section 2: Python for Scientific Computing: https://drstephenlynch.github.io/webpages/Solutions_Section_2.html

Section 3: Artificial Intelligence: https://drstephenlynch.github.io/webpages/Solutions_Section_3.html