Recenzie čitateľov
Zhrnutie:Kniha získala zmiešané recenzie od používateľov s rozsiahlym programátorským vzdelaním, najmä v jazyku Java alebo iných nízkoúrovňových jazykoch. Zatiaľ čo niektorí používatelia oceňujú jej podrobné vysvetlenia a rozsah tém v jazyku Python, strojovom učení a umelej inteligencii, iní ju kritizujú za zlú organizáciu, zastarané príklady kódu a nedostatok obsahu vhodného pre začiatočníkov. Niektorí ju považujú za užitočnú, ale ohromujúcu, zatiaľ čo iní ju dôrazne neodporúčajú kúpiť kvôli rôznym problémom vrátane nejasného obsahu a zlej kvality tlače.
Výhody:⬤ Dobre napísaná a informatívna
⬤ poskytuje pevné základy v jazyku Python pre tých, ktorí majú skúsenosti s programovaním
⬤ obsahuje komplexné pokrytie tém jazyka Python a strojového učenia
⬤ konkrétne príklady uvedené
⬤ niektorí používatelia považujú kapitoly o pokročilých témach za mimoriadne užitočné.
Nevýhody:⬤ Predpokladá predchádzajúce znalosti programovania, takže je nevhodná pre začiatočníkov
⬤ zastarané alebo chybné ukážky kódu
⬤ zle organizovaná a ťažko sa v nej orientuje
⬤ niektorí používatelia uvádzajú, že je príliš teoretická
⬤ problémy s kvalitou tlače a farbami
⬤ niektorí tvrdia, že obsahuje propagačný jazyk namiesto praktických pokynov.
(na základe 24 čitateľských recenzií)
Pôvodný názov:
Python for Programmers
Obsah knihy:
Príručka Deitel(R) pre profesionálnych programátorov o jazyku Python(R) s úvodnými prípadovými štúdiami umelej inteligencie
Príručka Python pre programátorov, napísaná pre programátorov so skúsenosťami s iným vysokoúrovňovým jazykom, využíva praktické inštrukcie na výučbu súčasných najzaujímavejších, špičkových počítačových technológií a programovania v jazyku Python - jednom z najpopulárnejších a najrýchlejšie sa rozvíjajúcich jazykov na svete. Podrobnejšie informácie nájdete v schéme obsahu na prednej strane obálky a v predslove.
V kontexte viac ako 500 príkladov z reálneho sveta, od jednotlivých úryvkov až po 40 veľkých skriptov a úplných implementačných prípadových štúdií, budete používať interaktívny interpreter IPython s kódom v zošitoch Jupyter Notebook, aby ste si rýchlo osvojili najnovšie idiómy kódovania v jazyku Python. Po zvládnutí kapitol 1 - 5 o jazyku Python a niekoľkých kľúčových častí kapitol 6 - 7 budete schopní zvládnuť značnú časť praktických úvodných prípadových štúdií o umelej inteligencii v kapitolách 11 - 16, ktoré sú nabité skvelými, výkonnými a súčasnými príkladmi. Patrí medzi ne spracovanie prirodzeného jazyka, dolovanie dát z Twitteru(R) na analýzu sentimentu, kognitívne výpočty s IBM(R) Watson(TM), strojové učenie pod dohľadom s klasifikáciou a regresiou, strojové učenie bez dohľadu so zhlukovaním, počítačové videnie pomocou hlbokého učenia a konvolučných neurónových sietí, hlboké učenie s rekurentnými neurónovými sieťami, veľké dáta s Hadoop(R), Spark(TM) a NoSQL databázami, internet vecí a ďalšie. Budete tiež priamo alebo nepriamo pracovať s cloudovými službami vrátane Twitter, Google Translate(TM), IBM Watson, Microsoft(R) Azure(R), OpenMapQuest, PubNub a ďalších.
Funkcie.
⬤ 500+ praktických, reálnych, živých príkladov kódu od fragmentov po prípadové štúdie.
⬤ IPython + kód v Jupyter(R) Notebooks.
⬤ Zameranie na knižnicu: Používa štandardnú knižnicu Pythonu a knižnice dátovej vedy na vykonávanie významných úloh s minimálnym množstvom kódu.
⬤ Bohaté pokrytie jazyka Python: Riadiace príkazy, funkcie, reťazce, súbory, serializácia JSON, CSV, výnimky.
⬤ Procedurálne, funkcionálne a objektovo orientované programovanie.
⬤ Kolekcie: Zoznamy, tuply, slovníky, množiny, NumPy polia, pandas Series & DataFrames.
⬤ Statické, dynamické a interaktívne vizualizácie.
⬤ Skúsenosti s reálnymi dátovými súbormi a dátovými zdrojmi.
⬤ Úvod do sekcií dátovej vedy: AI, základy štatistiky, simulácia, animácia, náhodné premenné, spracovanie údajov, regresia.
⬤ Prípadové štúdie z oblasti dátovej vedy v oblasti umelej inteligencie, veľkých dát a cloudu: Hadoop(R), Spark(TM), NoSQL, IoT. 10. kapitola: NLP, dolovanie dát Twitter(R), IBM(R) Watson(TM), strojové učenie, hlboké učenie, počítačové videnie.
⬤ Knižnice s otvoreným zdrojovým kódom: NumPy, pandas, Matplotlib, Seaborn, Folium, SciPy, NLTK, TextBlob, spaCy, Textatistic, Tweepy, scikit-learn(R), Keras a ďalšie.
Zaregistrujte svoj produkt, aby ste získali prístup k aktualizovaným kapitolám a materiálom, ako aj k materiálom na stiahnutie, budúcim aktualizáciám a/alebo opravám, keď budú k dispozícii. Viac informácií nájdete vo vnútri knihy.
