Библиотека Python разработчика | Книги по питону

Практическое Глубокое обучение для Облачных сервисов, мобильных платформ, и передовых устройств Кул, Ганджу (2020) Независимо от того, являетесь ли вы инженером-программистом, стремящимся войти в мир глубокого обучения, опытным специалистом по обработке данных или любителем с простой мечтой создать следующее вирусное приложение ИИ, вы, возможно, задавались вопросом, с чего начать. Это пошаговое руководство научит вас создавать практические приложения глубокого обучения для облака, мобильных устройств, браузеров и периферийных устройств с использованием практического подхода. Опираясь на многолетний отраслевой опыт преобразования исследований глубокого обучения в отмеченные наградами приложения, Анирудх Коул, Сиддха Ганджу и Мехер Касам проведут вас через процесс преобразования идеи во что-то, что люди в реальном мире могут использовать.

PYTHON PROGRAMMING FOR BEGINNERS A hands-on easy guide for beginners to learn Python programming fast, coding language, Data analysis with tools and tricks John Code (2019) What will you learn from the chapters? The concepts that are core to the mathematical world What Python programming is How you will accomplish to pen down your first running program The core operators you have to master The different data types that include integers, tuples, lists and dictionaries among others How data is analyzed in Python How to come up with conditional statements and the looping cycles How to handle exceptions and functions The secrets you ought to know to succeed with Python programming And many more!!

Линейная алгебра на Python Абдрахманов М.И., Мамонов И.А. (2019) Данная книга - это попытка соединить две области: математику и программирование. В ней вы познакомитесь с базовыми разделами линейной алгебры и прекрасным инструментом для решения задач - языком программирования Python. Основные разделы книги посвящены матрицам и их свойствам, решению систем линейных уравнений, векторам, разложению матриц и комплексным числам.

Deploy Machine Learning Models to Production With Flask, Streamlit, Docker, and Kubernetes on Google Cloud Platform Pramod Singh (2021) Build and deploy machine learning and deep learning models in production with end-to-end examples. This book begins with a focus on the machine learning model deployment process and its related challenges. Next, it covers the process of building and deploying machine learning models using different web frameworks such as Flask and Streamlit. A chapter on Docker follows and covers how to package and containerize machine learning models. The book also illustrates how to build and train machine learning and deep learning models at scale using Kubernetes.

Django Documentation Release 3.1.8.dev Django Software Foundation (2021)

Learn Python in One Day and Learn It Well Python for Beginners with Hands-on Project. The only book you need to start coding in Python immediately Jamie Chan (2015) What you'll learn: What is Python? What software you need to code and run Python programs? What are variables? What mathematical operators are there in Python? What are the common data types in Python? What are Lists and Tuples? How to format strings How to accept user inputs and display outputs How to make decisions with If statements How to control the flow of program with loops How to handle errors and exceptions What are functions and modules? How to define your own functions and modules How to work with external files

Supervised Machine Learning with Python Taylor Smith (2019) Supervised machine learning is used in a wide range of sectors (such as finance, online advertising, and analytics) because it allows you to train your system to make pricing predictions, campaign adjustments, customer recommendations, and much more while the system self-adjusts and makes decisions on its own. As a result, it's crucial to know how a machine “learns” under the hood.

Программирование на языке высокого уровня PYTHON Федоров Дмитрий Юрьевич (2019) Учебное пособие для СПО. Рассматриваются теоритические основы современных технологий и методов программирования, практические вопросы создания программ, а также основные алгоритмические конструкции и их реализация.

Python: Искусственный интеллект, большие данные и облачные вычисления Дейтел П., Дейтел Х. (2020) В вашем распоряжении более пятисот реальных задач — от фрагментов до 40 больших сценариев и примеров с полноценной реализацией. IPython с Jupyter Noteboos позволят быстро освоить современные идиомы программирования Python. Главы 1–5 и фрагменты глав 6–7 сделают понятными примеры решения задач искусственного интеллекта из глав 11–16. Вы познакомитесь с обработкой естественного языка, анализом эмоций в Twitter®, когнитивными вычислениями IBM® Watson™, машинным обучением с учителем в задачах классификации и регрессии, машинным обучением без учителя в задачах кластеризации, распознавания образов с глубоким обучением и сверточными нейронными сетями, рекуррентными нейронными сетями, большими данными с Hadoop®, Spark™ и NoSQL, IoT и многим другим. Вы поработаете (напрямую или косвенно) с облачными сервисами, включая Twitter, Google Translate™, IBM Watson, Microsoft® Azure®, OpenMapQuest, PubNub и др.

PyTorch Artificial Intelligence Fundamentals Jibin Mathew (2020) What you will learn Perform tensor manipulation using PyTorch Train a fully connected neural network Advance from simple neural networks to convolutional neural networks (CNNs) and recurrent neural networks (RNNs) Implement transfer learning techniques to classify medical images Get to grips with generative adversarial networks (GANs), along with their implementation Build deep reinforcement learning applications and learn how agents interact in the real environment Scale models to production using ONNX Runtime Deploy AI models and perform distributed training on large datasets