Python | Программирование

📓 Анализ поведенческих данных на R и Python. • Если вы анализируете данные в бизнесе на R или Python, то эта книга для вас. Я использую слово «бизнес» в широком смысле для обозначения любой коммерческой, некоммерческой или правительственной организации, где важны правильные идеи и практические выводы, которые движут действиями. • С точки зрения математики и статистики, не имеет значения, кем вы являетесь: деловым аналитиком, строящим ежемесячные прогнозы, исследователем опыта пользователей (UX), изучающим поведения на основе кликабельности, или исследователем данных, строящим модели машинного обучения. У этой книги есть одно фундаментальное условие: вы должны быть хотя бы немного знакомы с линейной и логистической регрессией. Если вы понимаете регрессию, то вы сможете проследить за аргументами этой книги и извлечь из нее большую пользу. #RU

📓 Python, Django и PyCharm для начинающих. • Книга посвящена вопросам разработки веб-приложений с использованием языка Python, фреймворка Django и интерактивной среды разработки PyCharm. Рассмотрены основные технологии и рабочие инструменты создания приложений, даны основы языка Python. Описаны фреймворк Django и структура создаваемых в нем веб-приложений. • На простых примерах показаны обработка и маршрутизация запросов пользователей, формирование ответных веб-страниц. Рассмотрено создание шаблонов веб-страниц и форм для пользователей. Показано взаимодействие пользователей с различными типами баз данных через модели. Описана работа с базами данных через встроенные в Django классы без использования SQL-запросов. Приведен пошаговый пример создания сайта от формирования шаблона до его администрирования и развертывания в сети Интернет. Электронный архив на сайте издательства содержит коды всех примеров. #RU

📓 Прикладное машинное обучение без учителя с использованием Python. • По мнению многих отраслевых экспертов, обучение без учителя — передовой рубеж технологий искусственного интеллекта (ИИ) и, возможно, ключ к созданию сильного ИИ. Автор книги показывает, как реализовать обучение без учителя на основе двух платформ Python: Scikit-learn и TensorFlow/Keras. • Используя готовый код и практические примеры, специалисты по работе с данными смогут выявлять скрытые закономерности в информационных массивах, более глубоко анализировать деловые данные, а также выполнять автоматическое конструирование признаков и генерировать наборы данных. #RU

📓 Python: Machine Learning Projects. • This book will set you up with a Python programming environment if you don’t have one already, then provide you with a conceptual understanding of machine learning in the chapter “An Introduction to Machine Learning.” What follows next are three Python machine learning projects. They will help you create a machine learning classifier, build a neural network to recognize handwritten digits, and give you a background in deep reinforcement learning through building a bot for Atari. #Eng

📓 Python. Лучшие практики и инструменты. • Лучшие практики и инструменты» даст вам инструменты для эффективного решения любой задачи разработки и сопровождения софта. Авторы начинают с рассказа о новых возможностях Python 3.7 и продвинутых аспектах синтаксиса Python. Продолжают советами по реализации популярных парадигм, в том числе объектно-ориентированного, функционального и событийно-ориентированного программирования. Также авторы рассказывают о наилучших практиках именования, о том, какими способами можно автоматизировать развертывание программ на удаленных серверах. Вы узнаете, как создавать полезные расширения для Python на C, C++, Cython и CFFI. #RU

📓 Python: быстрый старт. • Эта книга написана, чтобы помочь вам быстро изучить Python — и изучить хорошо. Она не требует от читателя опыта программирования. Даже стопроцентный новичок обнаружит, что в этой книге просто объясняются сложные концепции. Если вы — опытный разработчик, переходящий на Python, материал обладает достаточной глубиной, чтобы вы могли немедленно взяться за программирование. Зачем изучать Python? Есть огромное количество языков программирования высокого уровня, например C, C ++ и Java. • Хорошая новость заключается в том, что все высокоуровневые языки очень похожи друг на друга. Они различаются главным образом синтаксисом, доступными библиотеками и способом доступа к ним. Библиотека — это набор ресурсов из заранее написанного кода, которые можно использовать при написании собственных программ. Если вы хорошо выучите один язык, то легко сможете выучить новый за короткое время. #RU

📓 Python. Искусственный интеллект, большие данные и облачные вычисления. • Пол и Харви Дейтелы предлагают по-новому взглянуть на Python и использовать уникальный подход для решения современных проблем. Основные темы: • Основы Python; • Машинное обучение: классификация, регрессия и кластеризация; • Обработка естественного языка и анализ эмоций в Twitter; • Нейронные сети и рекуррентные нейронные сети; • Глубокое обучение с Keras и распознавание образов; • Работа с облачными сервисами: Google Translate, OpenMapQuest, Microsoft Azure, PubNub и др. #RU

📓 Классические задачи Computer Science на языке Python. • Многие задачи в области CS, которые на первый взгляд кажутся новыми или уникальными, на самом деле уходят корнями в классические алгоритмы, методы кодирования и принциnы разработки. И устоявшиеся техники по-прежнему остаются лучшим способом решения таких задач! • Научитесь писать оптимальный код для веб-разработки, обработки данных, ML и других актуальных сфер применения Python. Книга даст вам возможность глубже освоить язык Python, проверить себя на испытанных временем задачах, упражнениях и алгоритмах. Вам предстоит решать десятки заданий по программированию: от самых простых (например, найти элементы списка с помощью двоичной сортировки), до сложных (выполнить кластеризацию данных методом k-средних). Прорабатывая примеры, посвященные поиску, кластеризации, графам и пр., вы вспомните то, о чем успели позабьгrь, и овладеете классическими приемами решения повседневных задач. #RU

📓 Python для программирования криптовалют. • Это руководство поможет вам разобраться в технологии биткойна. Его автор, Джимми Сонг, являющийся одним из ведущих специалистов, обучающих программированию биткойна, поясняет программирующим на языке Python разработчикам, как приступить к построению библиотеки для биткойна "с чистого листа". В этой книге излагаются основы этой популярной ныне криптовалюты, в том числе математический аппарат, криптографические понятия, блоки и транзакции, а также ее платежная система в виде цепочки боков (или блокчейна). #RU

📓 Основы искусственного интеллекта в примерах на Python. • Описаны инструментальные средства для разработки приложений искусственного интеллекта. Даны основы языка программирования Python. Раскрыты основные понятия и определения искусственного интеллекта. Рассмотрены вопросы программной реализации элементов нейронной сети и построения многослойных нейронных сетей. Большое внимание уделено применению специализированных библиотек PyBrain, Scikit-learn, Keras, TensorFlow для формирования структуры нейронных сетей и их обучения и библиотек ImageAI и OpenCV для обработки изображений. • Материал иллюстрирован простыми и понятными примерами, демонстрирующими использование предварительно обученных нейронных сетей для распознавания объектов на изображениях, создания собственных наборов данных, формирования структуры сети, ее обучения и практического применения. #RU #PyBrain #Keras #TensorFlow #ImageAI #OpenCV