دانلود کتاب 40 Algorithms Every Programmer Should Know: Hone your problem-solving skills by learning different algorithms and their implementation in Python (به فارسی: 40 الگوریتمی که هر برنامه نویسی باید بداند: مهارت های حل مسئله خود را با یادگیری الگوریتم های مختلف و پیاده سازی آنها در پایتون تقویت کنید.) نوشته شده توسط «Imran Ahmad»
اطلاعات کتاب 40 الگوریتمی که هر برنامه نویسی باید بداند: مهارت های حل مسئله خود را با یادگیری الگوریتم های مختلف و پیاده سازی آنها در پایتون تقویت کنید.
موضوع اصلی: کامپیوتر – برنامه نویسی
نوع: کتاب الکترونیکی
ناشر: Packt Publishing
نویسنده: Imran Ahmad
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2020
تعداد صفحه: 382 / 374
حجم فایل: 19.58 مگابایت
کد کتاب: 1789801214 , 9781789801217
توضیحات کتاب 40 الگوریتمی که هر برنامه نویسی باید بداند: مهارت های حل مسئله خود را با یادگیری الگوریتم های مختلف و پیاده سازی آنها در پایتون تقویت کنید.
با این راهنمای مختصر، الگوریتم‌هایی را برای حل مسائل کلاسیک علوم کامپیوتر بیاموزید، از الگوریتم‌های اساسی، مانند مرتب‌سازی و جستجو، تا الگوریتم‌های مدرن مورد استفاده در یادگیری ماشین و رمزنگاری
ویژگی‌های کلیدی
- تکنیک هایی را که برای طراحی الگوریتم هایی برای حل مسائل پیچیده باید بدانید را بیاموزید
- با شبکه های عصبی و تکنیک های یادگیری عمیق آشنا شوید
- انواع مختلف الگوریتم ها را کاوش کنید و الگوریتم ها را انتخاب کنید. ساختارهای داده مناسب برای اجرای بهینه آنها
توضیح کتاب
الگوریتم ها همیشه نقش مهمی در علم و عمل محاسبات داشته اند. فراتر از محاسبات سنتی، توانایی استفاده از الگوریتم ها برای حل مسائل دنیای واقعی مهارت مهمی است که هر توسعه دهنده یا برنامه نویسی باید از آن برخوردار باشد. این کتاب نه تنها به شما کمک می کند تا مهارت های انتخاب و استفاده از یک الگوریتم را برای حل مسائل دنیای واقعی توسعه دهید، بلکه به درک نحوه عملکرد آن نیز کمک می کند.
شما با مقدمه‌ای بر الگوریتم‌ها و کشف تکنیک‌های مختلف طراحی الگوریتم، قبل از بررسی نحوه پیاده‌سازی انواع مختلف الگوریتم‌ها، مانند جستجو و مرتب‌سازی، با کمک مثال‌های عملی، شروع می‌کنید. همانطور که به مجموعه پیچیده‌تری از الگوریتم‌ها پیش می‌روید، با برنامه‌نویسی خطی، رتبه‌بندی صفحات و نمودارها آشنا می‌شوید و حتی با الگوریتم‌های یادگیری ماشینی کار می‌کنید و ریاضیات و منطق پشت آنها را درک می‌کنید. علاوه بر این، مطالعات موردی مانند پیش‌بینی آب و هوا، خوشه‌بندی توییت‌ها و موتورهای توصیه فیلم به شما نشان می‌دهند که چگونه این الگوریتم‌ها را به‌طور بهینه اعمال کنید. در نهایت، شما به خوبی با تکنیک هایی آشنا خواهید شد که پردازش موازی را امکان پذیر می کند و به شما امکان می دهد از این الگوریتم ها برای کارهای محاسباتی فشرده استفاده کنید.
در پایان این کتاب، شما در حل مسائل محاسباتی دنیای واقعی با استفاده از طیف گسترده ای از الگوریتم ها ماهر خواهید شد.
آنچه خواهید آموخت
- کاوش کنید. ساختارهای داده و الگوریتم‌های موجود در کتابخانه‌های پایتون
- اجرای الگوریتم‌های نمودار برای تشخیص تقلب با استفاده از تحلیل شبکه
- با الگوریتم‌های یادگیری ماشین کار کنید تا توییت‌های مشابه را خوشه‌بندی کنید و داده‌های توییتر را در زمان واقعی پردازش کنید
- پیش بینی آب و هوا با استفاده از الگوریتم های یادگیری نظارت شده
- استفاده از شبکه های عصبی برای تشخیص اشیا
- ایجاد یک موتور توصیه ای که فیلم های مرتبط را به مشترکین پیشنهاد می کند
- پیاده سازی امنیت بی اشتباه با استفاده از رمزگذاری متقارن و نامتقارن در Google Cloud Platform (GCP)
این کتاب برای چه کسی است
این کتاب برای برنامه نویس جدی است! خواه شما یک برنامه نویس باتجربه هستید که به دنبال درک عمیق تری از ریاضیات پشت الگوریتم ها هستید یا دانش برنامه نویسی یا علم داده محدودی دارید و می خواهید در مورد اینکه چگونه می توانید از مزایای این الگوریتم های آزمایش شده در نبرد برای بهبود روش طراحی خود استفاده کنید و اطلاعات بیشتری کسب کنید. کد بنویسید، این کتاب برای شما مفید خواهد بود. تجربه برنامه نویسی پایتون ضروری است، اگرچه دانش علم داده مفید است اما ضروری نیست.
فهرست مطالب
- مشاهده اجمالی الگوریتم ها
- ساختارهای داده مورد استفاده در الگوریتم ها
- مرتب‌سازی و جستجوی الگوریتم‌ها
- طراحی الگوریتم‌ها
- الگوریتم‌های نمودار
- الگوریتم‌های یادگیری ماشینی بدون نظارت
- الگوریتم‌های یادگیری با نظارت سنتی
- الگوریتم های شبکه عصبی
- الگوریتم هایی برای پردازش زبان طبیعی
- موتورهای توصیه
- الگوریتم های داده
- رمز نگاری
- الگوریتم های مقیاس بزرگ
- ملاحظات عملی
li>
Learn algorithms for solving classic computer science problems with this concise guide covering everything from fundamental algorithms, such as sorting and searching, to modern algorithms used in machine learning and cryptography
Key Features
- Learn the techniques you need to know to design algorithms for solving complex problems
- Become familiar with neural networks and deep learning techniques
- Explore different types of algorithms and choose the right data structures for their optimal implementation
Book Description
Algorithms have always played an important role in both the science and practice of computing. Beyond traditional computing, the ability to use algorithms to solve real-world problems is an important skill that any developer or programmer must have. This book will help you not only to develop the skills to select and use an algorithm to solve real-world problems but also to understand how it works.
You’ll start with an introduction to algorithms and discover various algorithm design techniques, before exploring how to implement different types of algorithms, such as searching and sorting, with the help of practical examples. As you advance to a more complex set of algorithms, you’ll learn about linear programming, page ranking, and graphs, and even work with machine learning algorithms, understanding the math and logic behind them. Further on, case studies such as weather prediction, tweet clustering, and movie recommendation engines will show you how to apply these algorithms optimally. Finally, you’ll become well versed in techniques that enable parallel processing, giving you the ability to use these algorithms for compute-intensive tasks.
By the end of this book, you’ll have become adept at solving real-world computational problems by using a wide range of algorithms.
What you will learn
- Explore existing data structures and algorithms found in Python libraries
- Implement graph algorithms for fraud detection using network analysis
- Work with machine learning algorithms to cluster similar tweets and process Twitter data in real time
- Predict the weather using supervised learning algorithms
- Use neural networks for object detection
- Create a recommendation engine that suggests relevant movies to subscribers
- Implement foolproof security using symmetric and asymmetric encryption on Google Cloud Platform (GCP)
Who this book is for
This book is for the serious programmer! Whether you are an experienced programmer looking to gain a deeper understanding of the math behind the algorithms or have limited programming or data science knowledge and want to learn more about how you can take advantage of these battle-tested algorithms to improve the way you design and write code, you’ll find this book useful. Experience with Python programming is a must, although knowledge of data science is helpful but not necessary.
Table of Contents
- Overview of Algorithms
- Data Structures used in Algorithms
- Sorting and Searching Algorithms
- Designing Algorithms
- Graph Algorithms
- Unsupervised Machine Learning Algorithms
- Traditional Supervised Learning Algorithms
- Neural Network Algorithms
- Algorithms for Natural Language Processing
- Recommendation Engines
- Data Algorithms
- Cryptography
- Large Scale Algorithms
- Practical Considerations
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.