
Introdução Ao Scipy No Python Parte I
De Vitor Amadeu SouzaDuração1h 26m
Sobre este audiolivro
Nesta obra, exploraremos a biblioteca SciPy, uma ferramenta poderosa para a realização de operações avançadas em matemática, ciência e engenharia, especialmente em conjunto com o Numpy. A SciPy oferece uma ampla gama de funcionalidades para manipulação de arrays e matrizes, além de métodos sofisticados para resolver problemas complexos, que são essenciais no desenvolvimento de Redes Neurais Artificiais (RNA) e outras áreas de aprendizado de máquina. Ao longo dos capítulos, diversos exemplos práticos são apresentados, como a resolução de sistemas lineares e decomposição LU, essenciais para a análise de grandes conjuntos de dados. Técnicas de integração numérica, como a quadratura de Gauss e a integração Monte Carlo, são discutidas, demonstrando como elas podem ser aplicadas para resolver problemas de otimização e estimativas em dados contínuos dentre outros, conforme listado no sumário.
Detalhes do audiolivro
GêneroTechnology
Duração1 h 26 min
Narrado porOuça com mais de 1.000 vozes
FormatoeBook com áudio
Data de publicação11 de ago. de 2024
IdiomaPortuguês
Sumário
1Vitor Amadeu Souza
2Cerne Tecnologia
3Sumário
4Capítulo I Metodologia de desenvolvimento
5neste caso o prompt. Observe abaixo:
Mostrar todos os capítulosVer menos
6Acima temos um exemplo de exponenciação, onde o valor 2
7constantes. Acompanhe um exemplo.
8operadores relacionais:
9>>> t1="brasil"
10uma string.
11teste não seja verdadeiro, o segundo comando será executado, neste
12comando.
13seja, o conteúdo da variável x seja maior que 20.
14print(x)
15Função count()
16diferença, união, interseção e diferença simétrica.
17deste script para o Python, digitando:
18seguintes funções:
19>>> cos(pi)
20A seguir exemplos com números complexos.
21conforme ilustra o próximo exemplo.
22exemplo:
23O operador de formatação %s, %d e %f permitem que seja
241 x
25Capítulo IV
26x.append(aux) y.append(1/(1+pow(e,-aux))) aux=aux+0.1 matplotlib.pyplot.plot(x,y) matplotlib.pyplot.xlabel('x') matplotlib.pyplot.ylabel('y') matplotlib.pyplot.show()
27O código cria uma interpolação cúbica para um conjunto de dados usando