Hydrostatics  علم تعادل ابگونه ها (علم شار وموازنه ابهای ساکن)

توزیع فشار در جو استاندارد

نیروی روی یک دروازه مسطح

جریان داخلی Viscous

جریان آرام در لوله افقی با مقطع مدور

جریان آشفته رو به پایین در یک لوله عمودی

سه مخزن متصل

جریان خارجی

لایه مرزی در یک صفحه بی نهایت به طور ناگهانی از rest آغاز شده

لایه مرزی Blasius

جریان پتانسیل

ایرفویلهاییJoukowski

جریان کانال  باز

جریان بیولوژیکی

نوشته مکانیک سیالات در متلب اولین بار در ايران متلب. پدیدار شد.

دینامیک ذرات و اجسام صلب

آونگ مسطح

حرکات مداری

ممان اصلی اینرسی

پایداری Rigid Body

سیستم ارتعاشی با یک درجه آزادی

سیستم های خطی: نوسانات آزاد

سیستم های خطی: نوسانات اجباری

سیستم های غیر خطی: نوسانات آزاد

سیستم های غیر خطی: نوسانات اجباری

سیستم های با چند درجه متعدد از آزادی

سیستم نوسانات آزاد و اجباری با دو درجه آزادی

فرکانس های طبیعی و مدهای اشکال

ارتعاشات آزاد و اجباری از پرتو اویلر-برنولی و تیموشنکو

فرکانس های طبیعی از پرتو اویلر-برنولی و تیموشنکو

نوسانات اجباری از پرتو اویلر-برنولی

لینک دانلود

نوشته دینامیک و ارتعاشات در متلب اولین بار در ايران متلب. پدیدار شد.

لینک دانلود

نوشته سیستم های کنترل در متلب اولین بار در ايران متلب. پدیدار شد.

انتقال حرارت در سیستم های بیولوژیکی

انتقال حرارت در بافت پرفیوژن

تعیین ضریب انتقال حرارت

انتقال جرم در سیستم های بیولوژیکی

سیستم بافر بی کربنات

حمل و نقل دی اکسید کربن در خون

حمل و نقل اکسیژن در خون

پرفیوژن راکتور

تامین اکسیژن برای تومور های توپ

کروگ مدل سیلندر اکسیژن در بافت

حمل و نقل بار در سیستم های بیولوژیکی

هوچکین-هاکسلی مدل نورون

هوچکین-هاکسلی پارامترهای راهگاهی

مدل هاجکین و هاکسلی با گام تابع ورودی

پتانسیل عمل

لینک دانلود

نوشته سیستم های بیولوژی در متلب اولین بار در ايران متلب. پدیدار شد.

زندگی مدرن ما تا حد زیادی به سیستم های نهفته وابسته است. چگونگی ساخت سیستم های نهفته ی پیچیده به درستی چالشی بزرگ برای علم کتامپیوتر و نظریه ی کنترل محسوب می شود. اینطور تصور می شود که روش مدل-محور رویکرد مناسبی برای طراحی سیستم های نهفته ی پیچیده باشد. با استفاده از این مدل در ابتدا  مدلی انتزاعی از سیستمی که قرار است ایجاد گردد تعریف می شود. بررسی گسترده و تایید بر روی مدل انتزاعی صورت میگیرند تا خطاها در مراحل اولیه شناسایی و تصحیح شوند. سپس، مدل انتزاعی سطح بالاتر به مدل انتزاعی سطح پایین تر حتی به یک کد منبع و با استفاده از تکنیک های تحول مدل تصویه و تبدیل می شود.

 طراحی مدل-محور با Simulink/Stateflow همخوانی دارد و در صنعت به طور گسترده ای مورد استفاده قرار گرفته اند. در واقع Simulink محیطی برای بررسی و طراحی مدل-محور سیستم های نهفته ی کنترل می باشد که زبان مدل سازی گرافیکی بصری را ارائه می دهد که یادآور نمودارهای مداری است و به همین دلیل برای مهندس درحال تمرین جذاب به نظر می رسد. همچنین، StateFlow جعبه ابزاری است که ابزارهای لازم برای مدل سازی و شبیه سازی سیستم های واکنشگر را از طریق نمودار سلسله مراتبی حالت ارائه می دهد و با این کار دامنه ی Simulink را به شکل های ترکیبی و حالت-محور کنترل نهفته اراقاء می دهد. مدل سازی، بررسی و طراحی با استفاده از Stateflow Simulink/ به استانداردی عملی در صنعت سیستم های نهفته مبدل شده است.

بعلاوه، Simulink/Stateflow و استیت فلو به شبیه سازی گسترده طبق محاسبات عددی تایید نشده وابسته هستند تا نیازمندی هخای سیستم را تایید کنند. این امر مستعد پوشش غیرکامل سیستم های باز و عدم صحت بررسی نتایج می باشد که در نتیجه ی خطاهای عددی ایجاد می شود. در نتیجه ی این امر، ممکن است خطاهای مدل طی شبیه سازی سناسایی نشوند. به محض اینکه چنین سیستم نادرستی ایجاد شود، خطای سیستم باعث ایجاد بحران به خصوص در زمینه های حساس به امنیت می شود.

تکنیک های تایید صوری به اصلاح خطاها و مشکلات شبیه سازی کمک می کنند. به طور نمونه، استاندارهای صنعتی از جمله DO-178C, IEC 61508, EN 50128, ISO 26262 از بکارگیری روش های صوری یا نیمه صوری به عنوان مکمل روش های رایج حمایت می کنند تا سیستم های نهفته ای با سطوح امنیت بالا ایجاد شوند.

در واقع، Simulink از آنالیز صوری مدل های S/S حمایت می کند. این مهم از طریق استفاده از ابزار تایید کننده ی طراحی Simulink (Simulink Design Verifier) انجام می گیرد که با اقتباس روش های صوری خطاهای نهفته در طراحی را بدون حرکت های شبیه شازی گسترده شناسایی می کند. با این حال، در حال حاضر این ابزار قادر است تا بلوک های مدل که در نتیجه ی خطاهای سطح پایین مانند سرریز عدد صحیح، منطق مرده، نقض دسترسی آرایه، تقسیم بر صفر  ایجاد شده اند را شناسایی کند. این مدل ویژگی های سطح مدل کامل با جنبه های فیزیکی و محیطی را در نظر نمی گیرد. از سوی دیگر، روش های صوری موجود در پیشینه که به مدل های S/S با پیوستگی زمانی می پردازند فاقد بیان و یا مقیاس پذیری هستند. نیازمندی های قوی ایمنی و سیستم های نهفته برای S/S تکنیک های تایید صوری موثرتری راملزم میدارد.

این کتاب رویکرد صوری جدید و به روزی به نمودارهای پیوستگی زمانی S/S را ارائه می کند. این رویکرد از آنجا قیاسی نامگذاری شده است که به زبان مدل سازی شبیه فرایند و سیستم تایید قیاسی ایجاد شده بر اساس زبان  وابسته است. تایید صوری مدل های S/S با ایجاد یه رابط به نام برگردان های دوسوئه، بین مدل های S/S و مدل های صوری در CSP ترکیبی ایجاد می شود که زبان مدل سازی صوری برای سیستم های ترکیبی گسسته-پیوسته است. از طریق چنین رابطی،  مدل های S/S در ابتدا به HCSP تبدیل شده و صحت چنین تحولی از طریق تاییدیه های صوری یا برگردان معکوس از HCSP به S/S و هم-شبیه ساز تایید می شود. این مسیری به سمت تایید مکانیکی مدل S/S را ایجاد می کند چراکه آنالیز صوری مدل های HCSP توسط سیستم قیاسی تاییدی به نام Hybrid Hoare Logic حمایت می شود که با استفاده از کمک تایید تعاملی به نام Isabelle/HOL اجرا می شود.

رویکرد ارائه شده دارای ویژگی های بارز زیر می باشد: اول اینکه زبان HCSP دارای مجموعه ای غنی از شکلهای هندسی با ترکیب اولیه هستند که مدل سازی همزمانی ها و ارتباطات متعدد نمدار S/S را تسهیل می کند، دوم اینکه استدلال قیاسی مبتنی بر HHL مدل های HCSP ترکیبی بوده و تکنیک های نسل ثابت قدرتمندی اجرا می شوند تا به دینامیک پیوسته  بپردازد و از اکتشاف جامع فضای حالتی جلوگیری کند و مقیاس پذیرتر است. سوم اینکه موثر و مفید بودن روش از طریق مطالعات موردی واقعی که از صنایع ریلی و هوایی نشئت می گیرند نشان داده می شود.

این کتاب محققان، فارغ التحصیلان، و مهندسان در حوزه های روش های صوری و سیستم های نهفته مخاطب قرار می دهد. این کتاب به خواننده روش قیاسی مبتنی بر HCSP/HHL و بکارگیری ابزارهای موجود برای تایید صوری نمودار S/S را می آموزد. بعلاوه، برای کسانی که با روش های صوری آشنایی ندارند، کتاب دانشی کلی پیرامون عناصر اساسی و تکنیک های رایج در ایجاد رویکرد قیاسی تایید صوری به خصوص برای سیستم های نهفته ارائه می دهد. در نهایت، بررسی مطالعات موردی موفق خواانده را قادر می سازد تا درک کند که چطور روش های صوری می توانند به صنعت واقعی کمک کنند، و ترغیب می شوند تا رویکرد پیشنهادی را استفاده یا حتی روش های صوری خودشان را در کارهای آتی ایجاد کنند.

لینک دانلود

نوشته کتاب بررسی تصویری نمودارهای Simulink/Stateflow ( رویکردی قیاسی ) اولین بار در ايران متلب. پدیدار شد.

اکثر کاربردهای پردازش دیجیتالی گفتار به تشخیص گفتار یا تشخیص الگوی سخنگو می پردازد. برای فهم اجرای عملی تکنیک های تشخیص گفتار یا سخنگو، ابتدا باید مفاهیم پردازش دیجیتالی گفتار و تشخیص الگو را فرا گرفت.

کتاب حاضر در تلاش است تا نحوه ی برخوردی متعادل با هر یک از دو مففهوم را ارائه دهد. بر همین اساس، کتاب به مفاهیم پردازش گفتار مانند مدل تولید گفتار ، استخراج ویژگی گفتار، فشرده سازی گفتار، و غیره، و مفاهیم تشخیص الگوی ابتدایی که در سیگنال های گفتار مانند PCA, LDA, ICA, SVM, HMM, GMM, BPN, KSOM, بکار میروند می پردازد.

کتاب به نحوی نگاشته شده است تا برای مبتدیانی که قصد دارند در زمینه ی پردازش دیجیتالی گفتار تحقیق کنند مناسب باشد. برای فهم بهتر مباحث، تمامی موارد با استفاده از Matlab به صورت تصویری ارائه شده اند.

لینک دانلود

نوشته پردازش دیجیتال گفتار با استفاده از Matlab اولین بار در ايران متلب. پدیدار شد.

محاسبه کردن به معنای انجام محاسبات ریاضی مهارتی است که بشریت طی هزاران سال ایجاد کرده است. از سویی دیگر، برنامه نویسی با تاریخی که بیش از چند دهه از آن نمی گذرد، در مراحل اولیه خود قرار دارد. هر دو مبحث تا حد زیادی جامع هستند و به طور معمول در موسسات سرتاسر جهان به خصوص در دوره های کارشناسی به عنوان موضوعاتی مجزا آموزش داده می شوند. این کتاب درباره ی ترکیب این دو مهارت است چراکه امروزه مهارت محاسبه زمانیکه با برنامه نویسی ترکیب شود به شدت قدرتمندتر خواهد شد.

اکثر دانشگاه ها و دانشکده ها به طور ضمنی از دانشجویان می خواهند تا به منظور یادگیری برنامه نویسی، در علم کامپیوتر مهارت لازم را کسب کنند به این دلیل که دیگر برنامه های دانشجویی دوره های برنامه نویسی را تا حد حرفه ای شدن ارائه نمی کنند. استدلال های رایج مدعی هستند که مقدمه ای کوتاه کفایت می کند و اینکه اینقدر نرم افزار در دسترس هست که اندک افرادی خودشان برنامه نویسی می کنند. یک پیامد این روند این است که دانشجویان کامپیوتر با دانش سطحی پیرامون برنامه نویسی فارغ التحصیل می شوند مگر اینکه اتفاقی مسیر علم کامپیوتر را انتخاب کنند.

ما فکر میکنیم که این وضعیتی تاسف بار است. شکی نیست که مهندسان و دانشمندان باید با ریاضیات قلم و کاغذی خود آشنا باشند. همچنین، آن ها باید توانایی کار کردن با نرم افزارهای موجود برای فعالیت های استاندارد مهم را داشته باشند و بدون شک این کار هم به دفعات مکرر انجام می دهند. با این حال، مزیت های یادگیری برنامه نویسی بیش از این چیزهاست.

چرا برنامه نویسی یاد بگیریم؟

• نرم افزارهای آماده و موجود محدود به مسئله های استاندارد خاصی می باشند. چیکار می کنید اگر مسئله ی مورد نظر شما در نرم افزاری که خریده اید پوشش داده نشده باشد؟

خوشبختانه، بیشتر نرم افزارهای کنونی را می توان از طریق برنامه نویسی ارتقاء داد. در حقیقت، بسیاری از سیستم ها ایجاب می کنند که بخش هایی از ویژگی مسئله (مانند مدل های ماده) با کدهای کامپیوتری مشخص شوند.

• مهارت های برنامه نویسی ما را قادر می سازند تا انعطاف پذیری بسته های نرم افزاری موجود را با ادغام آن ها گسترش دهیم. به طور نمونه، شما می توانید بسته های نرم افزاری که با هم در ارتباط نیستند را از ابتدا با هم ادغام و ترکیب کنید. این امر جریان کار را ساده تر، موثرتر و قابل اعتمادتر می کند و شما را در جایگاهی قرار می دهد تا به مشکل ها و مسئله های جدید حمله کنید.
• استفاده اشتباه از نرم افزارهای عالی موجود خیلی راحت است. بینش موجود در برنامه نویسی و ریاضی برای فهم نرم افزارهای پیچیده، پرهیز از خطا و تبدیل شدن به کاربری امن لازم و حیاتی است.
• اشکال (خطاهای موجود در کدهای کامپیوتری) در برنامه های کامپیوتری بزرگ تر وجود دارند (همچنین در کامپیوترهای موجود در مغازه ها). چیکار میکنید اگر نرم افزار دردسترس شما نتایجی غیرمنتظره ارائه کند؟ آیا این یک اشکال، کاربرد نادرست و یا نتیجه ی ریاضی درستی می باشد؟ تجربه در زمینه ی برنامه نویسی ریاضی به شما این امکان را می دهد تا به این پرسش ها پاسخ دهید. کسی که می تواند برنامه نویسی کند همچنین می تواند برای  مشکلی ساده شده، کدهای خاصی را ایجاد کند و از آن ها برای تایید محاسبات انجام گرفته با نرم افزار موجود استفاده کند.
• بسیاری از افراد خبره در جهان مشکلات محاسباتی را با نوشتن کدهای خود حل می کنند و این کدها را به طور رایگان در اینترنت در دسترس قرار می دهند. برای اینکه از این منبع مفید و عالی نرم افزاری به روشی مطمئن بهره مند شویم، فرد میبایست کد کامپیوتری پیشنهاد شده توسط دیگران را بفهمد و احتمالا آن را نیز تغییر دهد.
• در سرتاسر جهان اینطور به نظر می رسد که دانشجویان به سختی با ریاضی و فیزیک دست و پنجه نرم می کنند و افراد زیادی این مباحث را دشوار و طاقت فرسا توصیف می کنند. از طریق برنامه نویسی، ما قادر خواهیم بود تا مباحث خوب قدیمی را به روشی کاملا جدید اجرا کنیم! طبق تجربه ی شخصی خود نویسنده، زمانیکه برنامه نویسی به بخش لاینفکی از دوره های ریاضی و علموم فیزیک تبدیل می شود، مباحث ترغیب کننده و لذت بخش می شوند. به طور خاص، مسئله ای که در حال حل شدن است می تواند به مراتب واقعی تر از زمانی باشد که ریاضی به چیزیکه می توان با قلم و کاغذ انجام داد محدود شده باشد.
• در نهایت، استدلال مهم خود برای یادگیری برنامه نویسی کامپیوتری را ارئه می کنیم: تفکر الگوریتمی که حین فرایند نوشتن برنامه ای برای مسئله ی محاسباتی ایجاد می شود باعث فهم عمیقی از مسئله و روش حل می شود. در اینجا می توانیم به سادگی از دانشمند کامپیوتر نروژی نقل قول کنیم: “برنامه نویسی فهمیدن است”.

زبان کامپیوتر: Matlab

ما به این دلیل از زبان برنامه نویسی Matlab استفاده کردیم که این زبان کدی فشرده و خوانا ارائه می دهد که تا حد زیادی شبیه دستور ریاضی است که با آن مسئله حل می شود. همچنین این زبان منحنی یادگیری دقیقی دارد. در صورتی که آن زبان ترجیح داده شود، همسان Phyton این کتاب نیز موجود است. مقایسه ی ورژن های دوگانه ی این کتاب به خوبی نشان می دهد که چقدر این زبان ها شبیه همدیگر هستند. در این کتاب از واژه ی Matlab برای اشاره به نرم افزار تجاری MATLAB یا جایگزین آن Octave ]4[ استفاده می شود ]12[.  زبان های کامپیوتری دیگر مانند Fortran، C و C++ در علم و مهندسی جایگاهی ویژه دارند. با این حال، طی دو دهه ی اخیر، توجه و تمرکز از این زبان های تالیف یافته به زبان های سطح بالاتر و خواناتر مانند Matlab، Phyton، R، Maple، Mathematica، و IDL تغییر کرده است. این گروه آخر از ربان ها از لحاظ محاسباتی چندان کارآمد نیستند اما با توجه به کارآمدی حل مسئله انسان، این برنامه ها در سطح بالاتری قرار دارند. این کتاب به جای تمرکز بر جزئیات تخصصی زبان، تاکید می کند که چطور مانند یک برنامه نویسی فکر کرد. بنابراین، تصور می شود کتاب خواننده را برای یادگیری دیگر زبان های برنامه نویسی شامل Fortran، C، و C++ در جایگاه بهتری قرار دهد.

لینک دانلود

نوشته برنامه نویسی برای محاسبات با MATLAB/Octave ( مقدمه ای بر شبیه سازی های عددی با MATLAB/Octave ) اولین بار در ايران متلب. پدیدار شد.

لینک دانلود

در قسمتی از این آموزش ، طراحی سیستم فازی در سیمولینک مطرح شده است.

سرفصل مطالب :

بستن یک مدار کنترلی در سیمولینک
کنترل دور موتور DC
کتابخانه simpowersystem
معرفی پورتهای ماشین DC
نکته مهم در طراحی کنترل کننده
پورت m (سرعت w/m و جریان آرمیچر و جریان میدان و گشتاور الکتریکی N.m )
خروجی گرفتن از ماشین قدرت با مولتی پلکسر
اسکوپ scope چند ورودی
فرق سیگنال الکتریکی و سیگنال کنترلی
انتخاب نوع میدان ( wound و permanent magnet )
نکات مهم در شبیه سازی
چک کردن هر عنصر به طور جداگانه
بلوک powergui
تنظیم سرعت اولیه موتور
دلیل جریان اولیه زیاد موتور
پارامتر Ra و La
تاثیر جریان اولیه و Ra
تاثیر پارامتر اینرسی
دلیل ریپل ripple موتور
اندازه گیر جریان current measurement
چک کردن dx
حل معادلات دیفرانسیل کنترلی در نرم افزارهای شبیه سازی
روش اویلر در mathematica
Fixed step و variable step
تنظیم step size در شبیه سازی
درجه معادله دیفرانسیل در شبیه سازی
ماکزیمم و مینیمم dx
ماکزیمم dx چه معیاری در شبیه سازی را تنظیم می کند؟
مینیمم dx چه معیاری در شبیه سازی را تنظیم می کند؟
دلیل خروجی اشتباه سیمولینک متلب
تنظیم maximum step size
تنظیم minimum step size
طراحی کنترل کننده
قبل از طراحی کنترل کننده چه کارهایی باید انجام داد؟
تعیین ورودی ها و خروجی ها
بررسی نحوه تغییر خروجی نسبت به ورودی
ورودی ramp

معرفی سه مبحث
کنترل کننده PID
کنترل کننده فازی و عصبی
بهینه سازی ضرایب کنترلر با الگوریتم های بهینه سازی

معرفی عنصر PID
ورودی PID معمولا چیست؟
تاثیر ضرایب Kp وKi و Kd در عنصر PID
Limiter
گزینه damping در PID
حد بالا و پایین اشباع saturation
نامگذاری شکل موجها روی اسکوپ scope
اعمال خطا به سیستم کنترلی
مقدار مرجع
دلیل استفاده از بهینه سازی در طراحی کنترلر
استفاده از الگوریتم ژنتیک در طراحی کنترلر
یافتن ضرایب کنترلر PID با بهینه سازی
زمان نمونه برداری
انتقال خروجی از سیمولینک به m-file
رسم خروجی سیمولینک در m-file
ابزار plot پیشرفته
حالت ماندگار steady state
مقدار اولیه initial value
بلوک PLL (Phase Locked Loop)
Transparent delay
طراحی کنترل کننده فازی
استفاده از کنترل کننده فازی در کنترل دور موتور
دلیل مختلط شدن شبیه سازی

حجم کل فایل فشرده شده : 1.18 گیگا بایت

زمان کل : 493 دقیقه

پیش نمایش اول

لینک دانلود (کیفیت اصلی)
لینک آپارات
لینک youtube

پیش نمایش دوم

لینک دانلود (کیفیت اصلی)
لینک آپارات
لینک youtube

پیش نمایش سوم

لینک دانلود (کیفیت اصلی)
لینک آپارات
لینک youtube

لینک دانلود

نوشته مباحث پیشرفته در سیمولینک اولین بار در ايران متلب. پدیدار شد.

.

.

.

.

.

.

بعد از مدتها ایران متلب تصمیم گرفت فیلم آموزشی تهیه شده توسط مهندس قیصری مدیر گروه ایران متلب را برای استفاده کاربران ایران متلب جهت دانلود قرار دهد.

این فیلم آموزشی یک محصول منحصربفرد از ایران متلب می باشد که هیچ جای دیگری مشابه آن را پیدا نخواهید کرد. آموزش های متلب زیاد هستند اما آموزشی که توسط متخصص با تجربه و با سابقه متلب تهیه شده است ، کمیاب است.

مهندس قیصری دارای سابقه نه ساله در کدنویسی متلب در پروژه های مختلف دانشجویی و صنعتی می باشد. ایشان تاکنون بیش از چند میلیون خط کد متلب را نوشته است و با بیشتر قسمت ها و دستورات متلب آشنایی دارند.

این مجموعه فیلم آموزشی بیش از 100 قسمت یا 200 قسمت شاید هم بیشتر خواهد بود که به مرور برای خریداران این محصول ایمیل خواهد شد. کاربران محترمی که می خواهند بقیه قسمت ها را به مرور دریافت کنند ، می توانند هزینه این آموزش را پرداخت کنند.

مهندس قیصری قصد دارند در این محموعه بزرگ فیلم آموزشی ، همه چیزهایی که از متلب بلد هستند را به دیگران یاد بدهند. 

چرا این آموزش به مرور برای کاربران ایمیل می شود؟

یادگیری یک نرم افزار برنامه نویسی مانند متلب یک شبه اتفاق نمی افتد و نیاز به تمرین و ممارست دارد. لذا ایران متلب تصمیم گرفت قسمت های آموزش را به مرور برای کاربران خود ارسال کند تا زمان داشته باشند با تمرین های مختلف آموزش را در ذهن خود نهادینه کنند.

هر چند مدت یک بار قسمتی از این آموزش ایمیل خواهد شد؟

به طور متوسط هر هفته ، سه تا چهار قسمت ایمیل خواهد شد.

لینک دانلود

نوشته سیر تا پیاز متلب MATLAB اولین بار در ايران متلب. پدیدار شد.

بعد از وارد کردن داده ها به محیط متلب ، برنامه ای نوشته می شود که بر روی این داده ها بر اساس هدف پروژه ، عملیاتی انجام شود.

به عنوان مقال فرض کنید می خواهید یک مدلسازی با شبکه عصبی انجام دهید. داده های ورودی شما در یک تعداد فایل اکسل جمع آوردی شده اند و شما می خواهید این داده ها را وارد محیط متلب کنید و سپس برنامه شبکه عصبی آن را بنویسید و مدلسازی برای شما انجام شود.

در این فیلم آموزشی ما به شما سه روش را برای وارد کردن داده های یک فایل ورودی به متلب را آموزش می دهیم. این فایل ورودی می تواند فایل اکسل یا متنی و … باشد.

این آموزش را در هیچ جای اینترنت نمی توانید پیدا کنید. بعضی از این روشها ابتکاری می باشد که در هیچ کتابی قابل دسترسی نیست .

در این آموزش هم کدنویسی و هم بدون کدنویسی نحوه وارد کردن فایل اکسل آموزش داده می شود.

مدت زمان : 45 دقیقه

.

.

.

.

لینک دریافت

خلاصه قسمت 1 :

لینک مشاهده خلاصه 1 در یوتیوب

خلاصه قسمت 2 :

لینک مشاهده خلاصه 2 در یوتیوب

خلاصه قسمت 3 :

لینک مشاهده خلاصه 3 در یوتیوب

خلاصه قسمت 4 :

لینک مشاهده خلاصه 4 در یوتیوب

نوشته فیلم آموزشی وارد کردن داده های فایل اکسل به متلب اولین بار در ايران متلب. پدیدار شد.