Vítáme Vás, můžete se přihlásit nebo vytvořit účet.

Cart

product (empty)

Košík je prázdný

Zboží celkem: 0 Kč

Termín obdržení zásilky
Česká pošta	Pátek 21.03
PPL	Pátek 21.03
Osobní odběr	Pondělí 24.03
Termíny jsou pouze orientační a mohou se lišit podle zvoleného typu platby. O Průběhu zásilky Vás budeme informovat e-mailem.
Při nákupu většího množství produktů negarantujeme dodání do zobrazeného data

Matematyczny Python. Obliczenia naukowe...

26 %

472 Kč 640 Kč

Sleva až 70% u třetiny knih

Popis knihy

Nie tylko programiści lubią Pythona. Również naukowcy i analitycy danych coraz częściej korzystają z tego języka, zwłaszcza że przed praktykami obliczeniowymi otwierają się niespotykane możliwości. Rozwój sprzętu, oprogramowania i algorytmów pozwala śmiało wkraczać w nowe obszary zastosowania i tworzyć nowe branże. W dalszym ciągu jednak prowadzenie obliczeń pozostaje dziedziną interdyscyplinarną, wymagającą wiedzy matematycznej i myślenia naukowego. Jeśli chce się wykorzystać do obliczeń nowoczesne technologie, takie jak Python wraz z szerokim ekosystemem bibliotek i rozszerzeń, trzeba też posiadać praktyczne umiejętności programowania.

W tej książce wyczerpująco przedstawiono nowoczesne metody rozwiązywania problemów obliczeniowych z tak różnych dziedzin, jak badania naukowe, inżynieria, finanse czy analiza danych za pomocą Pythona i jego bibliotek. Omówiono również wiele technik, w tym obliczenia oparte na tablicach, obliczenia symboliczne, metody wizualizacji danych, numeryczne operacje wejścia-wyjścia, rozwiązywanie równań, optymalizacja, interpolacja czy całkowanie. Pokazano także, jak rozwiązywać problemy obliczeniowe charakterystyczne dla takich dziedzin jak rozwiązywanie równań różniczkowych, analiza danych, modelowanie statystyczne i uczenie maszynowe. Znalazło się tu też wiele studiów przypadków, ukazujących zastosowanie Pythona w analizie danych i statystyce.

W książce między innymi:

wektory i macierze w NumPy

wykresy i wizualizacje danych w Matplotlib

analiza danych z pandas i SciPy

modelowanie statystyczne i uczenie maszynowe z statsmodels i scikit-learn

optymalizacja kodu za pomocą Numba i Cython

Python: język, który naukowcy lubią najbardziej!