کتاب ریاضیات برای برنامه‌نویسی: ریاضی بیاموزید، کد بهتری بنویسید اثر Ronald T. Kneusel

عنوان:

Math for Programming : Learn the Math, Write Better Code

نویسنده:

Ronald T. Kneusel

انتشارات:

No Starch Press, Inc

تاریخ انتشار

2025

حجم:

5.3MB

دانلود

معرفی کتاب:" ریاضیات برای برنامه‌نویسی: ریاضی بیاموزید، کد بهتری بنویسید "

هر چالش بزرگ برنامه‌نویسی، در قلب خود اصولی ریاضی دارد. چه در حال بهینه‌سازی الگوریتم‌های جست‌وجو باشید، چه ساخت موتورهای فیزیکی برای بازی‌ها یا آموزش شبکه‌های عصبی، موفقیت شما به درک مفاهیم بنیادی ریاضی بستگی دارد.

در کتاب Math for Programming، ریاضیات ضروری‌ای را خواهید آموخت که شما را از کدنویسی ابتدایی به توسعه نرم‌افزار حرفه‌ای می‌رساند. خواهید دید که چگونه بردارها و ماتریس‌ها امکان پردازش داده‌های پیچیده را فراهم می‌کنند، چگونه حساب دیفرانسیل و انتگرال زیربنای بهینه‌سازی و یادگیری ماشین است، و چگونه نظریه گراف‌ها منجر به طراحی الگوریتم‌های جست‌وجوی پیشرفته می‌شود.

با توضیحات شفاف و مثال‌های عملی، در این کتاب یاد می‌گیرید:

  • استفاده از جبر خطی برای پردازش داده‌ها با کارایی بالا
  • به‌کارگیری مفاهیم حسابان برای بهینه‌سازی الگوریتم‌ها و اجرای شبیه‌سازی‌ها
  • بهره‌گیری از احتمال و آمار برای مدل‌سازی عدم قطعیت و تحلیل داده
  • تسلط بر ریاضیات گسسته که زیربنای ساختارهای داده مدرن است
  • حل مسائل پویا با استفاده از معادلات دیفرانسیل

چه بخواهید شکاف‌های موجود در پایه ریاضی خود را پر کنید یا فقط به دنبال مرور دوباره مفاهیم کلیدی باشید، Math for Programming ریاضی پیچیده را به ابزاری عملی تبدیل می‌کند که هر روز در برنامه‌نویسی به‌کار خواهید برد.

فهرست مطالب

  • About the Author
  • About the Technical Reviewer
  • Contents in Detail
  • Foreword
  • Acknowledgments
  • Introduction
  • 1. Computers and Numbers
  • Numbers and Number Bases
  • How Computers Represent Numbers
  • What You Need to Know About Floating-Point Arithmetic
  • Summary
  • 2. Sets and Abstract Algebra
  • Concerning Sets
  • The Laws of Set Theory
  • Experimenting with Number Sets in Python
  • Abstract Algebra and Groups
  • Cantor: To Infinity and Beyond
  • Computable and Uncomputable Numbers
  • Uncomputable Python
  • Summary
  • 3. Boolean Algebra
  • Definition and Laws
  • Boolean Algebra Leads to Digital Logic
  • Boolean Functions
  • Canonical Normal Forms
  • Karnaugh Maps
  • Algebraic Simplification of Boolean Expressions
  • Digital Circuits
  • Summary
  • 4. Functions and Relations
  • Functions
  • Binary Relations
  • Equivalence Relations and Classes
  • Partial Orderings
  • Summary
  • 5. Induction
  • Weak Induction
  • Strong Induction
  • Cautionary Tales
  • Proving with Loop Invariants
  • Summary
  • 6. Recurrence and Recursion
  • Recurrence Relations
  • Nonlinear Recurrence Relations
  • Solving Recurrence Relations
  • Recursion
  • Summary
  • 7. Number Theory
  • Primes
  • Divisibility
  • Modular Arithmetic
  • Diophantine Equations
  • Integer Sequences
  • Summary
  • 8. Counting and Combinatorics
  • The Principles of Counting
  • An Example: Hats in the Park
  • Sum and Product Rules
  • Inclusion-Exclusion
  • The Pigeonhole Principle
  • Permutations and Combinations
  • The Binomial Theorem
  • Summary
  • 9. Graphs
  • Basic Graph Concepts
  • Representing Graphs in Code
  • Breadth-First and Depth-First Traversal and Searching
  • The Shortest Path Between Nodes
  • Directed Acyclic Graphs and Topological Sort
  • Summary
  • 10. Trees
  • Defining Trees
  • Spanning Trees
  • Rooted and Ordered Trees
  • Binary Trees
  • Binary Tree Traversals and Searches
  • Binary Trees in Code
  • The Animals Game
  • Summary
  • 11. Probability
  • Events and Random Variables
  • The Rules of Probability
  • Joint and Marginal Probabilities
  • Probability Distributions
  • The Central Limit Theorem and the Law of Large Numbers
  • Bayes’ Theorem
  • Summary
  • 12. Statistics
  • Types of Data
  • Summary Statistics
  • Quantiles and Box Plots
  • Correlation
  • A Cautionary Tale: Anscombe’s Quartet
  • Hypothesis Testing
  • Confidence Intervals
  • Summary
  • 13. Linear Algebra
  • Vectors and Vector Spaces
  • Vector Space Concepts
  • Matrices
  • Solving Systems of Linear Equations
  • Square Matrices
  • Linear Transformations
  • Eigenvalues and Eigenvectors
  • Summary
  • 14. Differential Calculus
  • Derivatives
  • Minima and Maxima of Functions
  • Partial Derivatives
  • Derivatives in Code
  • Optimization with Gradient Descent
  • Summary
  • 15. Integral Calculus
  • Curves and Areas
  • Indefinite Integrals
  • Definite Integrals
  • Summary
  • 16. Differential Equations
  • Ordinary Differential Equations
  • Solving ODEs Numerically
  • Worked Examples
  • Summary
  • Final Words
  • Index

مشخصات

نام کتاب

Math for Programming : Learn the Math, Write Better Code

نویسنده

Ronald T. Kneusel

انتشارات

No Starch Press, Inc

تاریخ انتشار

2025

ISBN

9781718503595

تعداد صفحات

617

زبان

انگلیسی

فرمت

pdf

حجم

5.3MB

موضوع

Mathematics