ریاضیاتین چوخلو ساحهلری مجموعهلر نظریهسی اساسیندا قورولموشدور. مجموعهلر، نظریهلردن و محض قونولاردان علاوه، عملده ده ایشلهنرلر. بونا گؤره ده یئنی یازیلیملاما دیللرینده، مجموعهلرین ایشلهنیشینی راحاتلاندیرماق اوچون، اونلارا مخصوص تابعلر و ائیلهملر حاضیرلانیب دیر. بو یازیدا پایتون دیلینده مجموعهلر و اونلارلا علاقهلی ائیلهملره گؤره دانیشیلاجاق دیر.
پایتون یازیلیملاما دیلینده Gtk واسطهسییله ایشلهدیچی رابطلی یازیلیملار یازماق اؤرگتمهسینین ایکینجی بؤلومونده، ایشلهدیچی رابطده ایشلهنن نرسهلرین نئجه ایستهدیگیمیز کیمی صفحهده یئرلشدیریلمهلری آچیقلاناجاق دیر. قاباقکی یازی کیمی، بو یازیدا دا اؤرگتمه مثاللارلا اؤنریلهجک دیر.
کتابخانه محاسبات عددی numpy به همراه کتابخانههای scipy و matplotlib مجموعهای غنی از امکانات را برای انجام شبیه سازی های علمی و بازنمایی آنها فراهم آورده اند. لکن نحوه استفاده از امکانات فراهم شده توسط این کتابخانه ها تعیین کننده میزان راحتتر شدن کار برای ما می باشد. در این نوشته به بررسی ریزه کاری هایی از آرایه numpy پرداخته خواهد شد.
برای اینکه کدهای ما برای افراد دیگر و همچنین خودمان در زمانهای آتی قابل استفاده باشد، مستندسازی آنها هنگام نوشتن امری ضروری می باشد. برای مستندسازی انواع فرمهای استانداردی وجود دارد که در این نوشته به یکی از آنها که سازگار با محیط Spyder است، پرداخته خواهد شد.
عموم ایشلهدیچیلر اوچون یازیلان یازیلیملارا، ایشلنمهسینین راحاتلیغی ان مهم خصوصیت ساییلیر. اونون اوچون ده ایشلهدیچی رابطلرین نئجه یازیلماسینی باشارماق هر بیر یازیلیملاییچییا گرک دیر. ایشلهدیچی رابطلرینین یازماسی اوچون حاضرلانمیش کیتابخانالاردان بیری Gtk کیتابخاناسی دیر. بو یازیدا بو کیتابخانانین ایشلهدیچی رابط یاراتماق اوچون نئجه ایشلنمهسی آچیقلاناجاق.
بسیاری از مسائل صنعت و مهندسی در عمل به برنامهریزی بهینه با تابع هزینه قابل بیان به شکل خطی تحت قیود تساوی و ناتساوی ختم میشود. ابزارهای بسیاری برای حل این نوع مسائل طراحی شده است که بطور رایگان در دسترس عموم قرار دارد؛ مثل GNU Linear Programming Kit یا GLTK. با این حال این ابزارها بعنوان ورودی از مدل مجتمع ماتریسی استفاده می کنند. کتابخانه PuLP در پایتون واسط بین کاربر و حل کنندههای برنامهریزی خطی میباشد تا کاربر در گیر ساخت مدل ماتریسی که اغلب زمان بر و پر خطا است نباشد.
بستههای نرمافزاری متعددی برای انجام کارهای مربوط به یادگیری ماشین ارائه شده است که شاید از این میان نامدارترین آنها کتابخانه tensorflow باشد. با این حال برای وظایف معمولیتر و صد البته برای شروع یادگیری ماشین کتابخانههای سبکتری نیز وجود دارد. یکی از این کتابخانه که بر پایه scipy، numpy و matplotlib توسعه یافته است، کتابخانه scikit-learn میباشد. در این نوشته به نحوه تشخیص اعداد با استفاده از امکانات فراهم شده توسط این کتابخانه پرداخته خواهد شد.
کتابخانههای جنبی پایتون اکثرا از رابط Python/C برای افزایش سرعت اجرا استفاده می کنند. برای اینکه بتوانیم از این ظرفیت بالقوه استفاده نماییم باید حدالامکان فراخوانی مکرر توابع کتابخانهای را کاهش دهیم. بعبارت عملیتر از استفاده از حلقهها و فراخوانی توابع پشتسر هم و زاید اجتناب نماییم. در این نوشته با مثالهای متعدد نحوه استفاده صحیح از numpy برای افزایش سرعت محاسبات توضیح داده خواهد شد.
PSO الگوریتمی، قوش سورولرینین اجتماعی یاشاملاریندان الهام آلینان بیر الگوریتم دیر. PSO داهی اونون کیمی الگوریتملر عمومیتله بیر مسئلهنین متعدد جوابلاری ایله باشلاییب، جوابلاری الگوریتم قاباغا گئتمهسی ایله بیر، یاخشیلادارلار؛ اونون اوچون ده بو الگوریتملره «یاخشیلاشدیرما الگوریتملری» آدینی وئرهبیلهریک. یاخشیلاتما قارشیلاشدیغیمیز مسئله ایله معنیلهنیر. بعض مسئلهلرده گلیری و قازانجی چوخالتماق، بعضیلرینده ایسه چیخیری آزالتماق، یاخشیلاتماق معیاریمیز اولور.