مبانی برنامه‌نویسی و هوش مصنوعی با پایتون و متلب
این چکیدهٔ فارسی از جزوهٔ دانشگاهی «مبانی برنامه‌نویسی و هوش مصنوعی با پایتون و متلب» نشان می‌دهد چگونه می‌توان از تحلیل مسئله و طراحی الگوریتم به محاسبات علمی و یادگیری ماشین رسید. در این مسیر، مفاهیمی مانند تابع، حلقه، ماتریس، رگرسیون، کاهش بُعد و ارزیابی مدل به هم پیوند می‌خورند. مخاطب اصلی، دانش
جعبه‌ابزار توسعه
- زبان
- Python
- فناوری و ابزار
- Python، MATLAB، NumPy، scikit-learn
پیش‌نیاز و روش اجرا
برای شروع: ریاضی دبیرستان و آشنایی اولیه با رایانه. بخش‌های پیشرفته به جبر خطی، مشتق و آمار مقدماتی نیاز دارند. فایل فارسی شامل ۱۰۰ درس از مبانی برنامه‌نویسی تا یادگیری ماشین و پروژه‌های کاربردی است؛ نمونه‌های علمی پایتون از NumPy و در بخش‌های مربوط از Matplotlib و scikit-learn استفاده می‌کنند.
این مقاله چه چیزی به شما می‌دهد؟
- ۱۰۰ درس فارسی با پوشش مباحث اصلی ۱۱ فصل، سه پیوست و چهار پروژه
- فونت B Nazanin، فهرست قابل‌کلیک و صفحه‌آرایی راست‌به‌چپ
- مثال‌های پایتون و متلب، فرمول‌های خوانا و تمرین پاسخ‌دار
- از جبر خطی و محاسبات عددی تا رگرسیون، PCA و یادگیری ماشین
- خلاصهٔ جامع آموزشی؛ نه ترجمهٔ خط‌به‌خط کتاب
چکیده و راهنمای مطالعه
خلاصهٔ جامع فارسی مبانی برنامه‌نویسی و هوش مصنوعی با پایتون و متلب در ۱۰۰ درس؛ شامل ۱۱ فصل، پیوست‌های ریاضی و چهار پروژه. مناسب کارشناسی، همراه مثال، فرمول و تمرین پاسخ‌دار؛ فایل PDF رایگان با فونت B Nazanin.
چکیده و اطلاعات اثر را پدیدآورنده وارد کرده است.