چگونه می توانم پروژه های دانشجویی خود را به بهترین شکل انجام دهم؟؟؟
چگونه می توانم پروژه های دانشجویی خود را به بهترین شکل انجام دهم؟؟؟چگونه می توانم پروژه های دانشجویی خود را به بهترین شکل انجام دهم؟؟؟
چگونه می توانم پروژه های دانشجویی خود را به بهترین شکل انجام دهم؟؟؟متلب در مقابل پایتون
فیزیک پزشکی ، متلب ، پایتون ، پردازش سیگنال
اخیراً تعداد افرادی که از پایتون برای محاسبات عددی استفاده می کنند در حال افزایش است. من همچنین به مهاجرت برخی از کارهای علمی خود از متلب به پایتون فکر کردم. استدلال هایی به نفع پایتون وجود دارد.
اول از همه رایگان است. در مقایسه با Matlab ، این یک مزیت عمده است ، زیرا قیمت فقط Matlab اساسی قابل توجه است و خرید جعبه ابزار اختیاری ، هزینه کل راه حل Mathworks را بیشتر می کند. کتابخانه های رایگان پایتون مانند: NumPy ، SciPy ، Matplotlib یا IPython ، بیشتر قابلیت های نصب اولیه Matlab و برخی از قابلیت های جعبه ابزار اضافی را ارائه می دهند.
دوم ، پایتون یک زبان برنامه نویسی است که مترجمان آن تقریباً برای همه سیستم عامل ها در دسترس است. در بسیاری از سیستم ها به طور پیش فرض همراه با توزیع تحویل داده می شود. به همین دلیل ، ممکن است (پس از نصب کتابخانه های مورد نیاز) برنامه های نوشته شده در پایتون را تقریباً روی هر رایانه ای اجرا کنید. از طرف دیگر ، متلب عمدتا به دلیل قیمت آن ، اغلب توسط موسسات علمی ، دانشگاه ها یا شرکت های بزرگ خریداری می شود. و بیشتر با مجوز محدود به تعداد کمی ایستگاه یا جلسات همزمان. به همین دلیل ، برنامه های نوشته شده در Matlab فقط توسط افرادی که به این پلتفرم دسترسی دارند ، معمولاً در محل کار یا مدرسه ، قابل اجرا است. در این مکان باید ذکر شود که جایگزین رایگان برای Matlab - Octave وجود دارد. نحو آن تقریباً مشابه متلب است و هر گونه تفاوت در نحو و رفتار توابع اشکال محسوب می شود و در حال رفع شدن است. اما این دو پلتفرم هنوز 100٪ با یکدیگر سازگار نیستند [انتقال برنامه ها از Matlab به Octave] ، و حتی اگر اکثر برنامه های ساده در Matlab در Octave اجرا شوند ، ممکن است برای اجرای برنامه های پیچیده مشکلاتی به وجود آید. اسکریپت های ساده Matlab منتشر شده در این وب سایت باید در Octave 3.2.4 یا بالاتر بدون خطا اجرا شوند. در اجرای اسکریپت های پایتون (پس از نصب کتابخانه های لازم) نباید مشکلی وجود داشته باشد.
یک جنبه مثبت دیگر پایتون: این یک زبان برنامه نویسی کامل است ، نه یک محیط اختصاص داده شده برای محاسبات عددی. به همین دلیل ، در مواقع لزوم استفاده از پایتون برای عملیاتهایی که کاملاً به محاسبات مربوط نمی شوند ، آسان تر است. تعداد زیادی کتابخانه اختصاصی که برای کارهای خاص بهینه شده اند ، پیاده سازی را بسیار ساده می کند. پایتون می تواند به عنوان زبان برنامه نویسی برای اتوماسیون وظایف تکراری مورد استفاده قرار گیرد و همزمان ، پس از وارد کردن کتابخانه های مورد نیاز ، می تواند برای انجام محاسبات علمی مورد استفاده قرار گیرد. بسیاری از برنامه ها API خود را در پایتون دارند. من به راحتی می توانم شرایطی را تصور کنم که برای استفاده از یکی از برنامه های قبلی خود در چنین برنامه ای ، فقط بدون هیچگونه تغییری توابع و قطعات کد پایتون خود را کپی می کنم. اسکریپت های نوشته شده در Matlab در این مورد بی فایده است.
اگر بخواهیم منصف باشیم ، چندین مورد مثبت از محیط Mathwoks نیز وجود دارد. Matlab یکی از پرکاربردترین پلتفرم های محاسباتی در جهان است. سالهاست که توسط دانشمندان در بسیاری از زمینه ها مورد استفاده قرار می گیرد و این استاندارد در دانشگاه ها است. محاسبات انتشارات علمی بیشتر در Matlab انجام می شود و بلوک های کد و الگوریتم ها به زبان Matlab منتشر می شوند. به همین دلیل آشنایی با نحو Matlab سود می برد.
یکی دیگر از مزایای پلتفرم Mathworks نسبت به پایتون این است که یک محیط کامل ، ساده برای نصب و ارائه همه عناصر مورد نیاز برای کار در یک مکان را ارائه می دهد. بلافاصله پس از نصب ، از جمله نصب خودکار جعبه ابزار خریداری شده ، کاربر می تواند یک محیط کامل شامل: پنجره فرمان ، ویرایشگر یکپارچه ، نمای کلی متغیرها در فضاهای کاری ، اشکال زدایی ، نمایه ، سابقه فرمان ، مرورگر فایل ، راهنمای آنلاین و حتی دسترسی به پایگاه داده های اینترنتی اسکریپت های مشترک توسط جامعه متلب. گردش کار با جادوگران واردات و صادرات برای فرمت های رایج فایل ، مدیریت داده های کلیپ بورد یا ابزارهای یکپارچه برای دستکاری شکل ساده می شود. به نظر من این یک متلاب واقعاً بزرگ است ، درست پس از یک نصب ساده کاربر محیط کاملی را در بر می گیرد که دارای ابزارهای زیادی برای ساده سازی گردش کار است.
یکی دیگر از ویژگی های مثبت محصول Mathwork Simulink است - محیطی برای شبیه سازی و طراحی که با Matlab یکپارچه شده است. جعبه ابزار اختصاصی اختیاری را نیز می توانید برای Simulink خریداری کنید. Simulink همراه با Matlab یک پلت فرم قدرتمند است که می تواند رفتار سیستم های پویا ، تجسم شبیه سازی ها ، مدل سازی داده ها و بسیاری دیگر را تجزیه و تحلیل کند. در حال حاضر هیچ نرم افزار واقعاً همزمان برای Simulink وجود ندارد که قابلیت های مشابهی را ارائه دهد.
صفحات زیادی در وب وجود دارد که Matlab و Python و مزایا و معایب آنها را در برنامه های مختلف مقایسه می کند. استدلال های ذکر شده در اینجا ، مزایا و معایب هر یک از دو محیط ، نظر ذهنی من است. من تفاوت هایی را که در برنامه های کاربردی خود قابل توجه می دانستم - محاسبات در زمینه پردازش سیگنال دیجیتال ، اشاره کردم. سایر افراد می توانند بر اساس آن قضاوت های متفاوتی داشته باشند
پایتون در مقابل متلب: آیا یکی از دیگری بهتر است؟
زبانهای مختلفی برای توسعه دهندگان در زمینه هوش مصنوعی و علم داده وجود دارد. با این حال ، دانش آموزان اغلب هنگام تصمیم گیری بین کدام زبان برنامه نویسی برای آنها مناسب تر است ، در یک دو راهی قرار می گیرند. این امر صادق است ، به ویژه هنگامی که گزینه ها Python و MATLAB هستند. هیچ پاسخ قطعی وجود ندارد. متلب برای مدت طولانی در محاسبات علمی حضور داشته است در حالی که پایتون با ظهور هوش مصنوعی ، یادگیری عمیق و یادگیری ماشین به عنوان یک زبان برنامه نویسی کارآمد تکامل یافته است. اگرچه هر دو برای انجام تجزیه و تحلیل داده های مختلف و انجام کارهای مختلف استفاده می شوند ، اما تفاوت های اساسی وجود دارد.
پایتون
این زبان برنامه نویسی تعاملی و شی گرا شبیه به PERL یا Ruby است. عمدتا به گونه ای طراحی شده است که خواندن آن آسان و پیاده سازی آن بسیار ساده است. منبع باز است ، به این معنی که استفاده از آن رایگان است. پایتون می تواند روی تمام سیستم عامل ها اجرا شود. پایتون توسط Guido van Rossum توسعه داده شد و در سال 1991 راه اندازی شد. علاوه بر نحو و قابلیت خواندن کد ، پایتون همچنین با تعدادی کتابخانه معمولی برای انجام کارهای کاملاً متفاوت برنامه نویسی و محاسبات ارائه شده است.
متلب
مخفف عبارت Matrix Laboratory است. در اواخر دهه 1970 ، کلیو مولر توسعه MATLAB را آغاز کرد. توسعه یافته توسط MathWorks ، محاسبه عددی چند پارادایمی را ارائه می دهد که محیط دسکتاپ تنظیم شده برای تجزیه و تحلیل های تکراری و فرایندهای طراحی را با یک زبان برنامه نویسی که به طور مستقیم ریاضیات ماتریس و آرایه را بیان می کند ، ترکیب می کند. ویرایشگر زنده آن شامل ایجاد اسکریپت هایی است که کد ، خروجی و متن قالب بندی شده را در یک نوت بوک اجرایی ترکیب می کند.
تفاوت در چیست؟
MATLAB یک برنامه نرم افزاری منبع بسته و یک محصول تجاری اختصاصی است. این بدان معناست که فرد باید مبلغ هنگفتی را برای استفاده از MATLAB بپردازد. در مقابل ، پایتون یک زبان برنامه نویسی منبع باز است ، به این معنی که کاملاً رایگان است. فقط کافی است Python را بارگیری و نصب کرده و برای به دست آوردن نتایج ، تغییراتی در کد منبع ایجاد کنید.
بعد ، MATLAB دارای یک محیط توسعه یکپارچه است. این یک رابط کاربری مرتب با یک کنسول است که در مرکز آن قرار دارد و کاربر می تواند دستورات را در آن تایپ کند ، در حالی که یک اکسپلورر متغیر در سمت راست و یک فهرست فهرست در سمت چپ قرار دارد. متأسفانه ، پایتون یک محیط توسعه پیش فرض را شامل نمی شود. کاربران باید یک IDE را انتخاب کنند که متناسب با مشخصات مورد نیاز آنها باشد.
در حالی که MATLAB از دستورات پایانی به عنوان بسته استفاده می کند (به عنوان مثال ، برای نشان دادن پایان یک بلوک) ، پایتون دامنه یک بلوک را بر اساس تورفتگی تعیین می کند. این برنامه نویسان پایتون را مجبور می کند تا بلوک های کد را تورفت کنند. علاوه بر این ، پایتون از براکت های مربعی برای نمایه سازی و پرانتز برای فراخوانی عملکرد و روش استفاده می کند. MATLAB برای هر دو از پرانتز استفاده می کند. استفاده از براکت مربع برای نمایه سازی برای خوانایی مهم است و زندگی برنامه نویسان را که باید با چندین زبان کار کنند راحت تر می کند. استفاده از پرانتز برای نمایه سازی و فراخوانی عملکردها درک آن را دشوار می کند و یک منبع اشکال مکرر است. پایتون همچنین از نمایه سازی مبتنی بر صفر استفاده می کند که بهتر از نمایه سازی تک پایه MATLAB است. علاوه بر این ، پایتون از تکالیف تقویت شده و استفاده نامحدود از کلمات تحت اللفظی در عبارات پشتیبانی می کند.
پایتون برای برنامه نویسی تحت وب مناسب است ، در حالی که MATLAB اجازه می دهد دستکاری های ماتریس ، رسم توابع و داده ها و ایجاد رابط کاربر انجام شود. در مهندسی ، پایتون همچنین به شبیه سازی ، ارتعاشات ، مدل سازی مهندسی و حرکت پویا کمک می کند. در همین حال ، جعبه ابزار IC برای پردازش تصویر در MATLAB آن را به گزینه ای بهتر برای تقسیم بندی ، استخراج و تجزیه و تحلیل داده های تصویر تبدیل می کند. اما در پایتون ، پردازش تصویر به بسته های خارجی متکی است. کتابخانه های Numpy و Scipy پایتون الگوریتم های زیادی برای پردازش تصویر ارائه می دهند.
نتایج در پایتون اساساً مشابه این است که نشان می دهد توابع OLS statsmodels فوق العاده پیشرفته هستند. سپس ، MATLAB ارتقاء سرعت عظیمی را نشان می دهد و نشان می دهد که چگونه کد ریاضی مبتنی بر متغیر مستقیم محلی برای سرعت مطلوب است. برای این مدل ، MATLAB چندین برابر سریعتر از پایتون است.
مقابل آموزش با متلب
در پاییز 2020 ، من قرار بود دوره ریاضی محاسباتی نیمسال اول خود را با استفاده از کتاب مشترکم با چند صد کد متلب آموزش دهم. سپس یک دانشجوی ممتاز در مورد انجام بخش افتخارات اضافی با من تماس گرفت. من هرگز نمی دانم با اینها چه کنم. چگونه می توان بدون افزودن یک تن تلاش اضافی برای من و دانش آموزان ، تجربه غنی تری را ایجاد کرد؟
با این حال ، زمان بندی جالب بود. مدتی روی نسخه جولیا کتاب کار می کردم و نیاز به آزمایش میدانی داشتم. بنابراین من پنج خوکچه هندی داوطلب داشتم ، در میان بهترین و با انگیزه ترین دانش آموزان. اگر آنها نتوانستند کار کنند ، احتمالاً تعداد کمی از دانش آموزان می توانستند.
به طور خلاصه ، آن آزمون میدانی موفق تر از آن چیزی بود که من انتظار داشتم. دانش آموزان ممتاز به طور شگفت انگیزی به آموزش کوچکی از طریق نصب و استفاده از جولیا ، بسته ای برای نرم افزار کتاب و Jupyter نیاز داشتند. اشکالات قابل توجهی وجود نداشت.
آنچه پیش بینی نکرده بودم این بود که آموزش گروهی از دانش آموزان به طور همزمان به هر دو زبان محاسباتی برای من جالب باشد. با توجه به انتخاب خود دانش آموزان ، این یک آزمایش نیست. به طور خاص ، گروه MATLAB شامل دانش آموزان قوی و بسیار ضعیف تر بود. اما برخی تفاوت ها در مورد موارد استفاده آموزشی مورد تاکید قرار گرفت.
برای من ، تقریباً هیچ چیز مهم به ویژگی های بزرگ مانند اعزام و ارسال چندگانه در جولیا یا بسته های برنامه های بالغ در MATLAB بر نمی گردد. این چیزها خارج از محدوده آنچه من می توانم ارائه دهم ، است که تمرین برنامه نویسی مناسب در خدمت یادگیری مفاهیم است. در عوض ، تفاوت هایی که من در هنگام آموزش با آنها روبرو می شوم بیشتر با آنچه شما در هنگام آشنایی با یک زبان و اکوسیستم آن می توانید از کیفیت زندگی نام ببرید ، ارتباط دارد.
به نفع متلب
بسته بندی. MathWorks چندین دهه است که MATLAB را می فروشد و روند نصب آن به همان اندازه ای که یک برنامه قفل شده با مجوز می تواند انجام شود ، روان است. ارتشی از ماموران خدمات برای کمک ایستاده اند ، اگرچه من همیشه چیزهای خوبی در مورد آن تجربه نمی شنوم. حتی برخی از بسته های مدیریتی نیز در آن تعبیه شده است.
(برای اولین بار نیست ، من حیرت آور و دلسرد کننده به نظر می رسم که علیرغم اینکه پیوندی به فایلهای کتاب به صورت نصب یک کلیک داده شده است ، بسیاری از دانش آموزان در تایپ کردن توابع-در نتیجه معرفی اشتباهات-یا حتی کپی کردن از PDF به در ویرایشگر قرار دهید.)
مدیر بسته جولیا فوق العاده است ، احتمالاً بی نظیر ، و بیشتر از راه خارج می شود. با این حال ، مسائلی را نشان می دهد که به سادگی برای کاربران MATLAB نوزاد وجود ندارد. JuliaPro یک پاسخ است ، اما هنوز از Atom/Juno استفاده می کند و در حال حاضر از نسخه جولیا عقب است. برای من شخصاً ، زندگی آنقدر ارزشمند است که آن را صرف راه اندازی JupyterHub کنم. برخی از راه حل های ابری وجود دارد ، اگرچه پس از آن پرداختن به یک مشکل تبدیل می شود.
مستندات. اسناد موجود در MATLAB بی نظیر است. همه اینها در وب منعکس شده و همچنین در IDE و خط فرمان یکپارچه شده است. در مقابل ، اسناد در جولیا بسیار متغیر است. حتی وقتی وب سایت های عالی و مفیدی وجود دارد ، مستندسازی عملکردهای جداگانه (خارج از پایگاه) اغلب نادرست است و گاهی اوقات کاربر پیچیده ای را هدف قرار می دهد. حتی وقتی مستندات خوبی وجود داشته باشد ، پیدا کردن آنچه که برای یک تابع می خواهید با روش های مختلف دشوار است. نوشتن اسناد سخت و تقریباً شکرگزار است ، بنابراین جای تعجب نیست که یک سازمان از بالا به پایین با پول زیاد و یک سرپوش بزرگ از مزیت برخوردار باشد. تا زمانی که من در جولیا عکس های قابل توجهی در اینجا می گیرم ، گزارش خطا نیز ... فوق العاده نیست.
کمک. یک بهمن از متون ، فیلم ها و آموزش های تعاملی برای یادگیری تقریباً هر چیزی برای MATLAB وجود دارد ، از جمله یک تقاطع غیرحرفه ای رایگان و با کیفیت بالا. MATLAB سازگاری با گذشته را آنقدر خوب حفظ کرده است که تقریباً همه این کمکها دقیق است ، اگرچه گاهی منسوخ شده است. نکته منفی این است که شاگردان شما ممکن است کمی بیش از حد کمک کنند.
در مقابل ، جولیا هنوز جوان است و چنین هدفی متحرک که جستجوی گوگل برای کمک می تواند یک ماجراجویی باشد. در حالی که جوامع مفید و پاسخگو در گفتمان و Reddit وجود دارد ، به عنوان مثال ، دانش آموزان اکثراً خجالتی هستند؟/گناهکارند؟/تعلل می کنند؟ تا از آنها کمک اولیه بخواهیم.
انواع عددی انعطاف پذیر اگرچه می توانید در صورت تمایل در مورد انواع عددی در MATLAB دقیق باشید ، اما به طور پیش فرض هر عدد به طور بالقوه یک شناور پیچیده است. در حالی که انواع عددی دقیق تر برای نوشتن برنامه ها مهم است ، اما می تواند برای کاربران معمولی و جدید مانعی ایجاد کند.
به عنوان مثال نمی توان پیش بینی کرد که مقدار دهی اولیه بردار نیوتن با 0 یا 1 باعث خطا می شود وقتی بعداً سعی می کنید شناور را به آن بردار وارد کنید ، و پیام InexactError که دریافت می کنید در بهترین حالت رمزآلود است. برای مبتدیان ، استفاده از 0. یا ریخته گری با شناور در ابتدا امری بی اهمیت است و اگر فراموش کردید منبع مشکل را تشخیص دهید. اما برای دانش آموزانی که با آن دست و پنجه نرم می کنند
مروری بر مزایای MATLAB
راه حل های MATLAB برای یادگیری عمیق به کاربران اجازه می دهد تا با استفاده از چند خط ، شبکه های عصبی پیچیده را طراحی ، ساخته و تجسم کنند. حتی با داشتن دانش فنی محدود ، کاربران می توانند مدلهای استقرار شده را تا 7 برابر سریعتر از سایر نرم افزارهای مشابه اجرا کنند. کاربران می توانند به مدل های به روز شده مانند GoogLeNet ، VGG-16 ، VGG-19 ، AlexNet ، ResNet-50 ، ResNet-101 و Inception-v3 دسترسی داشته باشند.
MATLAB با انواع راه حل ها برای پردازش تصویر و بینایی رایانه یکپارچه شده است. کاربران می توانند تصاویر و فیلم ها را از سخت افزار تصویربرداری تهیه کنند ، از ابزارهای گرافیکی برای تجسم و دستکاری آنها استفاده کرده و آنها را به نرم افزارهای جاسازی شده منتقل کنند. کتابخانه های الگوریتم های استاندارد مرجع نیز به تولید ایده های جدیدتر و تازه کمک می کنند.
MATLAB استفاده از تکنیک های پردازش سیگنال را برای کشف و تجزیه و تحلیل داده های سری زمانی آسان می کند. این نرم افزار گردش کار یکپارچه ای را برای توسعه سیستم های جاسازی شده و برنامه های پخش کننده جریان ارائه می دهد. سیگنال ها را می توان از منابع متعدد به دست آورد ، اندازه گیری و ارزیابی کرد. الگوریتم های جریان برای دستگاه های صوتی ، حسگر هوشمند ، ابزار دقیق و IoT را می توان با استفاده از ویژگی های گسترده MATLAB توسعه ، آزمایش و پیاده سازی کرد.
MATLAB برای سازمان های مالی سودمند است زیرا مدل های تست ریسک و استرس با کیفیت ، شفاف ، مستند و قابل تکرار را توسعه می دهد. این ابزار دارای ابزارهای آسان برای استفاده است تا بتوان مدل ها را در عرض چند روز ایجاد کرد ، که با توجه به تغییرات سریع نظارتی و محیط های تجاری امروز بسیار مهم است. می توان از خطرات مدل و عملکرد اجتناب کرد زیرا این نرم افزار به کاربران اجازه می دهد هنگام اجرای کنترل و اتوماسیون مدل ، بهترین شیوه های توسعه دهنده "آگاه به ریسک" را به کار گیرند. یک پشته مدل ریسک واحد می تواند چندین رژیم مطابقت و عملکردهای دفتر مرکزی و میانی را ارائه دهد ، بنابراین سازمان ها را مولدتر می کند.
MATLAB برای محققان و مهندسان روباتیک مفید است. این فناوری می تواند الگوریتم ها را طراحی و تنظیم کند ، سیستم های دنیای واقعی را مدل کند و به طور خودکار کد را با استفاده از یک پلت فرم یکپارچه تولید کند. کاربران می توانند با استفاده از الگوریتم های توسعه یافته به ربات خود متصل شده و آن را کنترل کنند. ابزارهایی برای ایجاد الگوریتم سخت افزاری-آگنوستیک و اتصال به سیستم عامل ربات (ROS) نیز موجود است. کاربران می توانند با اتصال به طیف وسیعی از سنسورها و محرک ها ، سیگنال های کنترلی ارسال کرده یا چندین نوع داده را تجزیه و تحلیل کنند.
دانشجویان و فارغ التحصیلان با متلب
ما از دانشجویان فارغ التحصیل حمایت می کنیم زیرا سرمایه گذاری های کمی ارزشمندتر از آینده بلند مدت ما وجود دارد.
هنگامی که یک شرکت نوپا در سال 1985 به دنبال اولین مشتری خود بود ، MIT موافقت کرد که 10 نسخه از نرم افزار امضای خود ، MATLAB را خریداری کند. امروزه بیش از 4 میلیون نفر در سراسر جهان از محصولات MathWorks استفاده می کنند ، از جمله اساتید و دانشجویان در دانشکده مهندسی MIT.
MathWorks که توسط Jack Little '78 و Cleve Moler تأسیس شد ، بر این اساس ساخته شد که مهندسان و دانشمندان محیط های محاسباتی قدرتمندتر و مولد تری را ارائه می دهند. MATLAB توسعه الگوریتم ، تجزیه و تحلیل داده ها ، تجسم و محاسبه عددی را امکان پذیر می کند. Simulink ، یکی دیگر از محصولات امضا شده این شرکت ، محیط بلوک دیاگرام را برای شبیه سازی و طراحی مبتنی بر مدل سیستم های مهندسی چند حوزه ای و تعبیه شده فراهم می کند.
MathWorks اخیراً 35 سال افزایش سرعت علم و مهندسی را جشن گرفت. برای نشان دادن این نقطه عطف ، شرکت چند ملیتی از طریق هدیه قابل توجهی از بورسیه ها به دانشکده مهندسی MIT به MIT پس داده است. در مجموع ، 165 عضو MathWorks - که همه آنها از کاربران فعال MATLAB یا Simulink هستند - کشف و نوآوری را در رشته های مختلف پیش خواهند برد. آنها ، به قول جک لیتل ، "برای افزایش دانش بشری و بهبود عمیق سطح زندگی ما اقدام خواهند کرد."
نرم افزار MATLAB اکنون برای همه دانشجویان ، کارکنان و اساتید UCLA به صورت رایگان قابل دسترسی است
دانشجویان ، اساتید و کارکنان می توانند از طریق مجوز دانشگاهی که توسط مدیران UCLA پرداخت شده است ، به صورت رایگان به MATLAB دسترسی داشته باشند. دانشجویانی که این نرم افزار را بین 23 سپتامبر و پنجشنبه خریداری کرده اند ، واجد شرایط دریافت بازپرداخت هستند. (Niveda Tennety/دستیار ویرایشگر عکس)
نویسنده: مرلین چاوز-مارتینز
3 نوامبر 2019 10:09 بعد از ظهر
هم اکنون جامعه UCLA می تواند از طریق مجوز در سطح دانشگاه به صورت رایگان به نرم افزار برنامه نویسی MATLAB دسترسی پیدا کند.
مدیران UCLA روز پنجشنبه یک ایمیل در سراسر دانشگاه ارسال کردند و اعلام کردند که UCLA مجوز نرم افزار در سراسر دانشگاه را برای دانشجویان ، اساتید و کارکنان ارائه می دهد. دانشجویانی که این نرم افزار را بین 23 سپتامبر و پنجشنبه خریداری کرده اند ، واجد شرایط دریافت بازپرداخت هستند.
MATLAB برنامه ای است که در آن کاربران می توانند داده ها را برای هر دو کلاس و تحقیق تجزیه و تحلیل کنند. دانشجویانی که ملزم به استفاده از این برنامه برای مهندسی ، علوم و ریاضیات یا سایر موضوعات مانند روانشناسی یا اقتصاد هستند ، می توانند تا زمانی که آدرس ایمیل UCLA داشته باشند به نرم افزار دسترسی پیدا کنند.
قبلاً ، UCLA SEASnet دسترسی به MATLAB را به صورت رایگان در برخی از دوره های مهندسی به دانش آموزان ارائه می داد ، اما این برنامه فقط در هفته نهایی در دسترس بود. این نرم افزار همچنین در سرورهای بخش مهندسی موجود بود.
مایکل بک ، معاون صدراعظم ، در بیانیه ای از طریق ایمیل به دیلی بروین گفت که دانشگاه دریافت می کند که می تواند مجوز سایت دانشگاهی را برای همان میزان دپارتمان ها و اساتید که معمولاً برای این نرم افزار هزینه می کنند - بدون احتساب هزینه دانشجویان برای مجوز - دریافت کند.
مجوز جدید برای دانشگاه تقریباً 200،000 دلار در سال هزینه خواهد داشت و از مبلغی است که گروه ها و اعضای هیات علمی به طور معمول هزینه می کنند.
هزینه خرید نرم افزار بین 50 تا 100 دلار برای دانشجویان متغیر است. برای اعضای هیئت علمی یا کارکنان ، قیمت نرم افزار بین 250 تا 500 دلار متغیر است.
Vaibhav Gupta ، دانشجوی سال دوم مهندسی برق ، در حال حاضر در کلاسی است که به متلب نیاز دارد. او گفت که فکر می کند در دسترس قرار دادن این برنامه برای همه در محوطه دانشگاه ممکن است دانش آموزان را تشویق به یادگیری زبان های مختلف برنامه نویسی در زمان خود کند.
گوپتا می گوید: "ایده این است که در حال حاضر به شما این امکان را می دهد تا زمانی که می خواهید زبان را یاد بگیرید و نه فقط زمانی که نیاز دارید."
زک نوبلز ، دانشجوی سال سوم مهندسی مکانیک ، شش کلاس گذرانده است که نیاز به MATLAB دارد. او می گوید در گذشته از یک دسکتاپ از راه دور استفاده می کرد که به او اجازه می داد به نرم افزار دسترسی داشته باشد.
با این حال ، وی افزود که استفاده از دسکتاپ از راه دور مشکل است.
نوبلز می گوید: "صرفه جویی در پرونده ها و ذخیره کردن آنها بسیار دشوار بود زیرا در واقع به فایل هایی که استفاده می کردید دسترسی نداشتید." "آنها در سرور دیگری در جایی بودند. من فکر می کنم آنها نسخه رایگان MATLAB را داشتند که می توانستید دریافت کنید ، اما توابع مورد نیاز ما را شامل نمی شد. "
نابلس گفت که این نرم افزار اساساً برای برخی از دوره های مهندسی ضروری است ، اما فکر می کند این نرم افزار برای دانشجویان رشته های مختلف نیز مفید است.
"من فکر می کنم MATLAB کمی به عنوان یک نرم افزار مهندسی شهرت پیدا می کند ، اما واقعاً شبیه دستکاری ماتریسی است ، مانند این که اعداد را جابجا می کنید و می توانید کارهای خارق العاده ای با آن خارج از مهندسی یا ریاضی انجام دهید." اشراف گفتند.
بک گفت که این مجوز بخشی از یک برنامه آزمایشی دو ساله است و انتظار می رود بر اساس آن در صورتی که محوطه دانشگاه به نفع آن باشد ادامه یابد.