English | February6th, 2019 | ISBN: 1119527503 | 323 Pages | True PDF | 8.09 MB
برنامهنویسی تابعی اغلب از محاسبات ریاضی شامل آنهایی که در هوش مصنوعی و بازی استفاده میشوند , استفاده میکند . این پارادایم برنامهنویسی الگوریتم های مورد استفاده برای محاسبات ریاضی را آسان میکند و یک روش دقیق از الگوریتمهای کدکننده را توسط افرادی ارایه میدهد که توسعه دهندگان نیستند .
کتابهای موجود در بازار منحنی یادگیری قابلتوجهی دارند , زیرا برای توسعه دهندگان نوشته شدهاند .
برنامهنویسی تابعی برای گنگ تفاوتهای بین خالص ( همانطور که زبان هاسکل نشان میدهد ) و ناخالص ( همانطور که توسط زبان پایتون نشان داده میشود) به برنامهنویسی تابعی برای خوانندگان درست مانند شما میپردازد . رویکرد ناب برای محققانی مناسب است که هیچ تمایلی به ایجاد کد تولید ندارند , اما باید الگوریتمها را کاملا ً آزمایش کرده و کارآیی خود را به همتایان نشان دهند . رویکرد ناخالص بهترین گزینه برای محیطهای تولیدی است زیرا ممکن است پارادایمهای کدینگ را در یک برنامه واحد ترکیب کرده و سریعتر نتیجه دهند . برنامهنویسی تابعی برای گنگ از این روش دو شاخه برای دادن یک روش به یک روش برنامهنویسی به شما استفاده میکند .
خالص و ناخالص یاد بگیرید
به فرآیندهایی که بیشتر برنامه نویسان کارکردی برای استنتاج , تحلیل و اثبات ارزش الگوریتمها استفاده میکنند , بروید.
مثالهایی از مثالهایی که به زبان python و هاسکل ارائه شدهاند
متخصصانی از یک نویسنده ماهر را جمعآوری میکند که تعدادی از کتابهای برنامهنویسی پیشرو را به تاریخ نوشتهاست .
اگر میخواهید دادهها را ماساژ دهید تا بدانید چگونه کارها به روشهای جدید انجام میشوند, شما به جای درستی آمدهاید .
درباره این سایت