我目前正在尝试通过 Duda 等人的模式分类（课程）。然而，这本书对我来说似乎太厚了。模式识别似乎是一个可以通过引导发现更好地学习的主题。这让我想到......数学SE上有一个关于通过指导你从一个练习到另一个练习来教授数学的书籍的主题。所以，基本上你自己证明了每一个结果。
有没有关于计算科学中使用的数学的类似书籍？在我看来，计算科学是可以通过实践来学习的东西。
通过引导发现学习计算科学
计算科学
数值分析
机器学习
数字
2021-11-27 02:58:12
4个回答
我通过 Python 的实用数值方法学习计算科学。
https://github.com/numerical-mooc/numerical-mooc/wiki
它涵盖了有限差分和许多其他数值算法。对我来说，最有趣的部分是它通过小的工作示例展示了各种因素如何影响稳定性、准确性和性能。
自从我最初提出这个问题以来，我发现的一个项目如下：
它仍在进行中，但正在构建一系列有助于学习计算科学的问题。
对于主要关注生物信息学的类似资源，我们有 Rosalind：
我在这里添加另一个答案，因为这是我最初寻找的那种资源。
基于探究的学习杂志有一本关于数学建模的书。摘要说：
这是数学建模一学期课程的一组笔记。涵盖的主题是差分方程、马尔可夫链、蒙特卡罗模拟和线性规划。笔记强调科学计算，包括问题和项目。这些注释是为与 Sage 一起使用而编写的，但可以对其进行修改以包含另一种语言。
此 PDF 中的解释等内容很少，并且与此处的大多数其他答案不同，您没有事先得到解决方案；你应该通过做练习和解决问题来学习数学建模。
这方面的一个很好的例子是 Lorena Barba 的CFDPython，也被称为“12 Steps to Navier Stokes”，它由一系列 jupyter notebooks 组成，从真正的基本数值分析到更复杂的问题。
其它你可能感兴趣的问题