دانلود کتاب Linear Algebra Coding With Python – Python’s Application For Linear Algebra, 2020

مارس 31, 2021

نام کتاب: Linear Algebra Coding With Python – Python’s Application For Linear Algebra

نویسنده: Son Hyun-Seok

ویرایش: ۱

سال انتشار: ۲۰۲۰

کد ISBN کتاب: B08CT47RL3

فرمت: EPUB

تعداد صفحه: ۳۰۹

حجم کتاب: ۳ مگابایت

کیفیت کتاب: OCR

انتشارات:

Description About Book Linear Algebra Coding With Python – Python’s Application For Linear Algebra From Amazon

Python is one of the most popular languages for data analysis and prediction. What’s more, tensorflow and torch, useful tools of recent deep learning, are fully implemented by Python. The basic form of data in these languages is an array, created by Python’s important package numpy. In particular, arrays are the basis of data science because they have structures of vectors and matrices that give the meaning of direction and magnitude to each value in the data set. For example, a matrix structure allows transformation to a simple form without losing the basic characteristics of a vast data set. These transformations are useful for efficient processing of data and for finding implicit characteristics.
Linear Algebra, a field that provides a basic theory of the usefulness of vectors and matrices, provides many algorithms to increase the accuracy and speed of computation in the computational process for analyzing data and to discover the characteristics of a data set. These algorithms are very useful for understanding the computing process of probability, statistics and the learning machine.
This book introduces many basics of linear algebra using Python packages numpy, sympy, and so on. Chapters 1 and 2 introduce the creation and characteristics of vectors and matrices. Chapter 3 describes the linear system through the process of calculating the solution in a system of simultaneous equations. Space, a concept introduced in Chapter 4, is used to infer the collective characteristics and relationships of each vector of a linear system. Chapter 5 introduces the coordinate system to represent the linear system geometrically. Chapter 6 introduces the process of transforming while maintaining basic characteristics such as vectors and matrices. Finally, Chapter 7 describes several ways to decompose the original form into a simple form. In this process, we use a variety of Python functions.

درباره کتاب Linear Algebra Coding With Python – Python’s Application For Linear Algebra ترجمه شده از گوگل

پایتون یکی از محبوب ترین زبان ها برای تجزیه و تحلیل و پیش بینی داده ها است. علاوه بر این ، tensorflow و torch ، ابزارهای مفید یادگیری عمیق اخیر ، به طور کامل توسط پایتون پیاده سازی شده اند. شکل اصلی داده ها در این زبان ها آرایه ای است که توسط بسته مهم numpy پایتون ایجاد شده است. به طور خاص ، آرایه ها اساس علم داده هستند زیرا ساختارهایی از بردارها و ماتریس ها دارند که به هر مقدار در مجموعه داده ها معنی و جهت می دهند. به عنوان مثال ، یک ساختار ماتریسی امکان تغییر شکل به یک فرم ساده را بدون از دست دادن خصوصیات اساسی یک مجموعه داده گسترده فراهم می کند. این تحولات برای پردازش کارآمد داده ها و یافتن خصوصیات ضمنی مفید هستند.
جبر خطی ، زمینه ای که نظریه اساسی سودمندی بردارها و ماتریس ها را ارائه می دهد ، الگوریتم های بسیاری را برای افزایش دقت و سرعت محاسبه در فرایند محاسباتی برای تجزیه و تحلیل داده ها و کشف ویژگی های یک مجموعه داده فراهم می کند. این الگوریتم ها برای درک روند محاسبات احتمال ، آمار و ماشین یادگیری بسیار مفید هستند.
این کتاب بسیاری از مبانی جبر خطی را با استفاده از بسته های پایتون numpy ، sympy و … معرفی می کند. در فصل ۱ و ۲ ایجاد و خصوصیات بردارها و ماتریس ها معرفی شده است. فصل ۳ سیستم خطی را از طریق فرآیند محاسبه راه حل در یک سیستم معادلات همزمان توصیف می کند. فضا ، مفهومی است که در فصل ۴ معرفی شده است ، برای استنباط خصوصیات جمعی و روابط هر بردار از یک سیستم خطی استفاده می شود. فصل ۵ سیستم مختصات را برای نمایش هندسی سیستم خطی معرفی می کند. فصل ۶ روند تغییر شکل را با حفظ ویژگی های اساسی مانند بردارها و ماتریس ها معرفی می کند. سرانجام ، فصل ۷ چندین روش تجزیه فرم اصلی را به شکل ساده بیان می کند. در این فرآیند ، ما از انواع توابع پایتون استفاده می کنیم.