Python

Издание описывает новые интересные возможности, которые позволят вам оставаться в авангарде этой стремительно развивающейся сферы. Большие языковые модели, генеративный ИИ, инновации в области глубокого обучения — все эти революционные достижения формируют будущее технологии. Такие темы, как облачно-ориентированные архитектуры, инженерия данных, облачная оптимизация, модернизация мейнфреймов и создание экономичных и безопасных архитектур, продолжают оставаться актуальными в современной технологической сфере. В книге рассматриваются эти перспективные и ключевые технологии, а также приводится пошаговое описание процесса проектирования архитектур решений, начиная с ключевых принципов. Она снабдит вас знаниями, необходимыми, чтобы стать успешным архитектором решений. Кроме того, книга поможет усовершенствовать гибкие навыки и тем самым получить возможность для развития карьеры. Раскройте потенциал передовых технологий, изучайте практические выводы на реальных сценариях и повышайте мастерство.

Хотите создавать собственные ИИ-приложения, но вас пугает сложность технологий? Эта книга - практический гид для разработчиков, аналитиков данных и энтузиастов, которые только начинают свой путь в машинном обучении. Вы с нуля освоите ключевые концепции: от основ ML и глубокого обучения до архитектуры трансформеров, лежащей в основе современных LLM. Особое внимание уделяется прикладным аспектам: промпт-инжинирингу, работе с локальными LLM, тонкой настройке моделей на частных данных и созданию автономных AI-агентов. Приводятся примеры реальных решений, таких как интеллектуальная обработка SQL-запросов и автоматизация работы с изображениями. Подходит для разработчиков и аналитиков данных с базовыми знаниями Python, желающих освоить генеративный ИИ. Книга сочетает необходимую теорию с пошаговыми примерами, чтобы вы не просто поняли, а сразу смогли применить полученные знания на практике. Станьте специалистом по генеративному ИИ уже сегодня!

Python — простой в изучении и практическом использовании язык программирования, который свободно доступен на компьютерах под управлением Mac OS, Windows и Linux. Изучив Python, вы сможете использовать его в своей профессиональной деятельности, не покупая какое-либо программное обеспечение.

Узнайте тонкости работы алгоритмов ML, чтобы эффективно решать задачи и повышать производительность используемых моделей. Познакомьтесь с фундаментальными математическими основами важнейших алгоритмов машинного обучения и вариантами их реализации на Python. Особое внимание уделяется вероятностным методам. В книге анализируются и объясняются десятки алгоритмов, применяемых в различных сферах, в частности, финансах, компьютерном зрении и обработке естественного языка. Каждый алгоритм сначала выводится математически, а потом иллюстрируется кодом на Python, снабженным подробными пояснениями и информативными графиками. Особую ценность представляет данная автором ясная интерпретация байесовских алгоритмов для моделей Монте-Карло и марковских цепей.

После прочтения этой книги вы без труда сможете: Писать программный код на Python. Хранить информацию в структурах данных. Создавать алгоритмы в рамках объектно-ориентированного программирования. Благодаря практическим заданиям вы получите отличное представление об основах программирования на языке Python. Просто следуйте инструкциям – и научитесь создавать простые программы, разберетесь с ключевыми концепциями разработки и поймете, как применять Python для решения практических задач.

Книга посвящена современным технологиям для программирования и поддержки серверной части (бэкенда) на Python. Рассказано о программировании на Python в облачной среде, управляемой через Docker и Kubernetes, о фреймворке Flask для веб-разработки на Python, о поглощении и преобразовании данных через FastAPI, об интеграции новых приложений и модулей Python с устоявшимися базами данных с применением SQLAlchemy, авторизации и аутентификации с применением OAuth, взаимодействии с брокерами сообщений Kafka и RabbitMQ, а также о повышении производительности языка Python и об эффективной работе с унаследованным кодом.

6 книг

Не верьте, что программирование для начинающих это трудно. Просто начните заниматься каждый день по часу и вы поймете, что ничего в этом сложного нет. Весь материал структурирован таким образом, чтобы каждый читатель за минимум времени смог освоить максимум информации.

В книге освещаются основополагающие вопросы, относящиеся к структурам данных в Python. Теоретические концепции и абстрактные понятия подкреплены простыми примерами. Порядок следования глав соотносится с задачами обработки структур данных.

Учебно-методическое пособие содержит теоретические представления и практические рекомендации по использованию языка программирования Python в задачах программной разработки и машинного обучения. В данной работе представлено описание основ анализа данных, которые включают описание базовых структур языка Python, основ объектно-ориентированного программирования и веб-разработки на нем.

Учебное пособие представляет собой практический курс, состоящий из 13 занятий (12 из которых интерактивные — для среды JupyterLab). Курс содержит введение в основы языка Python с упором на аналитику данных (работа с наборами данных, статистика, язык SQL, метрики и машинное обучение).

Готовые рецепты автоматизации на Python. Научитесь писать скрипты для мониторинга, деплоя, тестирования и анализа данных. Автоматизируйте рутину и повысьте свою эффективность в разы. Получите доступ к репозиторию с кодом всех примеров из книги. Python прочно вошел в число самых популярных языков программирования благодаря своей простоте, универсальности и богатой экосистеме библиотек. Его возможности выходят далеко за рамки вебразработки и Data Science — Python является идеальным инструментом для автоматизации рутинных задач в разработке и системном администрировании.

Эта книга — универсальное руководство для начинающих разработчиков программного обеспечения, желающих освоить популярный язык программирования Python с нуля. Здесь представлено все самое необходимое для уверенного старта: от основ синтаксиса, логики кода до работы с данными и создания собственных программ. Благодаря продуманной структуре подачи материала и ясному языку объяснения читатели смогут сразу же с головой погрузиться в программирование, даже не имея технического образования. В издании используется современный подход к обучению: оно не перегружено теорией, в нем делается упор на понимание через действие.

Серия "IT для начинающих и опытных" подробно объясняет принципы работы с Python. Начиная с базового синтаксиса и заканчивая более сложными аспектами, в том числе применением инструментария объектно-ориентированного программирования на практике. В ней представлены также основы Kotlin и инструментарий для продвинутых программистов, что даст возможность новичкам быстро повысить уровень своих компетенций и наработать практический опыт. Ряд материалов посвящен сравнению языков программирования Java и Kotlin. Также представлено краткое и емкое руководство по JavaScript, в котором собрана только самая важная информация для быстрого освоения этого крайне востребованного языка программирования. Здесь рассматриваются ключевые концепции, начиная с основ синтаксиса, работы с переменными, типами данных и операторами и заканчивая продвинутыми темами, такими как замыкания, асинхронное программирование, объектно-ориентированный подход и модули.

В современном мире, основанном на данных, умение эффективно анализировать и интерпретировать информацию становится как никогда важным, особенно в сфере бизнеса. Книга «Python для пользователей Excel: руководство для начинающих» предназначена для студентов бизнес-факультетов и профессионалов, которые хорошо владеют Microsoft Excel, но готовы начать свое путешествие в мир Python. Python — мощный и универсальный язык программирования, который стал незаменимым инструментом для анализа данных. Эта книга устраняет разрыв между Excel и Python, предлагая параллельные упражнения, которые демонстрируют, как Python может расширить возможности бизнес-аналитики с непревзойденной эффективностью и гибкостью. Переводя знакомые задачи Excel в динамичную и универсальную экосистему Python, вы не только улучшите свои навыки анализа данных, но и обретете уверенность в программировании.

Получите всестороннее представление о разработке продуктов IoT с использованием микроконтроллеров ESP32. Эта книга проведет читателей от примера интерфейса датчика до примера продукта на базе ESP32, где мы обсудим все аспекты продукта, включая быстрое прототипирование, облачный интерфейс, предоставление продукта и управление парком устройств. Мы начнем с введения в серию микроконтроллеров ESP32 и обсудим варианты языков программирования для платформы ESP32. Далее мы рассмотрим публикацию данных датчиков в облаке с помощью ESP32. Затем мы рассмотрим использование ESP32 для извлечения данных из общедоступного источника и их отображения с помощью визуальных средств. В следующих главах мы продемонстрируем создание недорогого Bluetooth датчика с использованием ESP32, агрегирование данных с помощью ESP32, где собираются и публикуются данные, агрегированные из радиосетей с низким энергопотреблением, а также разработку пограничных устройств с использованием ESP32. В этой книге мы будем использовать MicroPython для всех проектов. Читатели, имеющие некоторый опыт в области электроники и знающие хотя бы один язык программирования, смогут извлечь максимальную пользу из этой книги.

Практическое руководство для новичков, которые хотят понять основы машинного обучения. Здесь представлены ключевые алгоритмы, такие как линейная регрессия, деревья решений, методы опорных векторов и нейронные сети, а также объясняется работа с данными и инструменты Python.
Четкие объяснения, примеры кода и практические задачи помогут быстро освоить теорию и начать применять машинное обучение в реальных проектах. Книга идеально подходит для студентов, аналитиков и разработчиков, делающих первые шаги в этой области.

Создавайте креативные и мощные приложения с использованием графовых данных и станьте экспертом в графовых нейронных сетях! Всего через десять лет после своего появления графовые нейронные сети стали одной из самых интересных архитектур в глубоком обучении. Технологические компании пытаются применить их повсюду: в сфере разработки лекарств, в системах рекомендаций еды, видео и поиска романтических партнеров, для выявления фейковых новостей. В этой книге представлены основы теории графов для data science и машинного обучения, а также практические задачи, которые решаются с помощью графовых нейронных сетей.

Практическое руководство по использованию Python для решения задач машинного обучения. В книге подробно рассмотрены ключевые концепции, методы и инструменты, которые необходимы для построения эффективных моделей и работы с различными типами данных. Читатели узнают, как подготовить данные, применить популярные алгоритмы классификации и регрессии, а также освоят методы для работы с временными рядами, изображениями и текстом. Особое внимание уделено важным аспектам МО, таким как выбор признаков, регуляризация моделей, методы ансамблей, а также эффективная настройка гиперпараметров. Книга подходит как для новичков, так и для опытных специалистов, поскольку включает как базовые, так и более продвинутые темы, такие как глубокое обучение, обработка изображений и использование трансферного обучения. Используя примеры реальных задач и подробные инструкции, книга поможет вам освоить Python в контексте машинного обучения и применить полученные знания для решения практических проблем.

Книга содержит более 200 рецептов по работе с микрокомпьютером Raspberry Pi, рассматривающих как программные, так и аппаратные задачи. Показана установка и настройка операционной системы для Raspberry Pi, подключение датчиков и двигателей, способы интеграции Raspberry Pi в систему умного дома и сеть Интернета вещей.

Идеально подходит тем, кто хочет освоить ключевые инструменты и методологии, включая CNN для компьютерного зрения и NLP-модели с TensorFlow 2. Предлагаются полезные проекты и продвинутые концепции, такие как механизмы внимания, трансформеры и GAN. Автор делится опытом создания сложных моделей и разработки современных приложений ИИ, делая акцент на практическое освоение технологий.