#MachineLearning #Python 2024

Машинное обучение с использованием Python. Сборник рецептов: практические решения от предобработки до глубокого обучения, 2 изд

Авторы: Кайл Галлатин, Крис Элбон

Книга содержит около 200 задач машинного обучения, таких как загрузка и обработка текстовых или числовых данных, отбор модели и многие другие. Рассмотрена работа с языком Python, библиотеками pandas и scikit-learn. Коды примеров можно вставлять, объединять и адаптировать, создавая собственное приложение. Приведены рецепты решений с использованием: векторов, матриц и массивов; данных из CSV, JSON, SQL, баз данных, облачных хранилищ и других источников; обработки данных, текста, изображений, дат и времени; умень-шения размерности и методов выделения или отбора признаков; оценивания и отбора моделей; линейной и логистической регрессии, деревьев, лесов и k ближайших соседей; опорно-векторных машин (SVM), наивных байесовых классификаторов, кластеризации и нейронных сетей; сохранения и загрузки натренированных моделей.

#НейроСети #Python #ИИ #MachineLearning 2024

Нейросети на Python. Основы ИИ и машинного обучения

Автор: Куликова И.В.

Эта книга является практическим комплексным гидом по изучению ИИ и применению нейросетей. В ней вы найдете информацию о различных типах нейросетей, их архитектуре, принципах работы и различных возможностях использования. Примеры использования библиотек NumPy, PyTorch, Matplotlib, SciPy, NetworkX, TensorFlow, OpenCV, Pandas, scikit-learn, nltk помогут вам лучше понять действия нейросети в реальных условиях. Математические основы машинного обучения, с многочисленными примерами уравнений и формул на языке программирования Python, помогут понять истоки появления нейросетей с научной точки зрения.

#Python #Django #DataScience 2025

Python, Django, Data Science

Авторы: Протодьяконов А.В., Пылов П.А., Майтак Р.В.

Показаны основы работы на Python, а также два его основных ответвления – веб-разработка на Django и область прикладного искусственного интеллекта, являющаяся частью Data Science. Для студентов и сотрудников высших технических учебных заведений, а также специалистов прикладной сферы анализа данных.

#Python 2023

Python. 12 уроков для начинающих

Автор: П. Добряк

В 12 уроках показаны основы программирования и базовые конструкции языка Python. Изложены принципы различных стилей программирования. Даны понятия ввода-вывода, переменных, условий, потока чисел, циклов и списков, массивов, функций и рекурсий. Рассмотрены особенности структурного, объектно-ориентированного и функционального программирования. В каждой главе предложены практические задачи и дано их пошаговое решение с подробным описанием алгоритма.

#Python 2023

Программирование. Основы Python для инженеров

Автор: Никитина Т. П.

Пособие посвящено рассмотрению базовых конструкций языка Python, в частности, сначала приведены примеры простейших программ в императивном стиле программирования и примеры решения несложных задач линейной, разветвляющейся и циклической структуры, задач с последовательностями и файлами. Далее дана реализация в виде программ на Python алгоритмов методов вычислительной математики. Большое внимание уделено практике использования библиотек numpy, matplotlib, pandas и turtle, для анализа данных и их графической интерпретации.

#Python #DataScience 2023

Изучаем основы Python. Практический курс для дата-аналитиков

Автор: П.И. Меликов

Издание представляет собой практический курс, состоящий из 13 разделов (12 из которых интерактивные — для среды JupyterLab). Курс содержит введение в основы языка Python с дальнейшим упором на аналитику данных (работа с наборами данных, статистика, язык SQL, метрики и машинное обучение). Формат материала прост для понимания, а каждый новый раздел включает в себя набор необходимых файлов, ссылок и практических заданий.

Предназначено для широкого круга читателей, интересующихся вопросами программирования и аналитики данных на Python. Благодаря рассмотрению основ языка Python потенциальной аудиторией курса могут являться обучающиеся, ранее не изучавшие программирование.

#R #Python 2022

Анализ поведенческих данных на R и Python

Автор: Бюиссон Ф.



Задействуйте всю мощь поведенческих данных в своей компании, используя инструменты, специально разработанные для их анализа. Общепринятые алгоритмы науки о данных и инструменты предсказательной аналитики трактуют данные о поведении клиентов, такие как клики на веб-сайте или покупки в супермаркете, аналогично любым другим данным. Однако в этой книге представлены мощные методы, специально приспособленные для анализа поведенческих данных. Усовершенствованный экспериментальный дизайн позволяет вам получать максимальную отдачу от ваших A/B-тестов, тогда как причинно-следственные диаграммы позволяют выявлять причины поведений, даже если вы не можете проводить эксперименты. Книга написана в доступном стиле для исследователей данных, бизнес-аналитиков и бихевиористов. Приведены полные примеры и упражнения на ЯП R и Python, которые помогут вам получать более глубокую информацию о ваших данных — и не откладывая в долгий ящик.

#Математика #Python 2022

Практическое введение в решение дифференциальных уравнений в Python

Автор: Ершов Н. М.



Книга посвящена вопросам практического применения символьных вычислений для решения дифференциальных уравнений и их систем с использованием библиотеки символьных вычислений SymPy языка программирования Python. В каждой главе книги рассматривается какая-либо одна прикладная модель из области физики, химии, биологии и т. д. После теоретического вывода возникающих в модели дифференциальных уравнений максимально детально описывается процесс формализации модели и решения соответствующих дифференциальных уравнений с использованием библиотеки SymPy. Особое внимание при этом уделяется анализу и визуализации найденных решений с помощью библиотеки Matplotlib. Изложение материала сопровождается большим числом иллюстраций и упражнений.
Издание ориентировано на школьников старших классов, студентов, преподавателей и всех интересующихся проблемами математического моделирования.

#Causal_inference #Python 2025

Causal Inference на Python. Причинно-следственные связи в IT-разработке

Автор: Факур Матеуш

Сколько покупателей привлечет дополнительный доллар, вложенный в онлайн-рекламу? Какие клиенты будут покупать только по скидочному купону? Как разработать оптимальную стратегию ценообразования? Причинно-следственный анализ (casual inference) — лучший способ разобраться, как влиять на бизнес-метрики, которыми вы хотите управлять. И для этого понадобится всего пара строк кода на Python. Матеуш Факур рассказывает про малоизвестные применения причинно-следственного анализа, с помощью которых можно оценить влияние воздействия на результат. Менеджеры, специалисты по работе с данными и бизнес-аналитики познакомятся как с классическими методами причинно-следственного анализа (A/B тестами, линейной регрессией, мерой склонности, синтетическим контролем, разностью разностей), так и с современными подходами (применением машинного обучения для оценки гетерогенных эффектов). Каждый метод проиллюстрирован практическим примером.

#Хакинг #Python 2025

Хакинг на Python

Автор: Бухарев Р.С.

Данное практическое руководство по хакингу на Python позволит вам погрузиться в захватывающий мир кибербезопасности и изучить основные аспекты использования Python в этой области.

Книга предназначена для широкого круга пользователей и не требует серьезных знаний для большинства задач, кроме уверенных навыков работы с компьютером. А для тех, кто хочет освоить приемы «посерьезнее», потребуется знание основ программирования.

#Python #MachineLearning 2024

Конформное прогнозирование в Python

Автор: Манохин В.

Данная книга предлагает углубленное изучение конформного прогнозирования — новейшего подхода, позволяющего управлять неопределенностью в различных задачах машинного обучения. Вы узнаете, как конформное прогнозирование создает точно откалиброванные прогнозные интервалы для регрессии и решает задачи прогнозирования временных рядов и несбалансированных данных. Практические примеры на Python, а также использование реальных наборов данных, экспертных рекомендаций и открытых библиотек обеспечат вам глубокое понимание этого подхода.

#Python 2025

Python для начинающих. Учимся программировать с помощью мини-игр и загадок

Автор: Юэнс-Кларк Кен

В книге "Python для начинающих" читатели найдут задания, позволяющие изучить этот язык программирования через решение увлекательных головоломок и создание игр. Каждая глава предлагает новую программу: от создания паролей до генерации шекспировских оскорблений. Издание подойдет для читателей с нулевым или начальным опытом в программировании, а также для тех, кто уже имеет опыт, но хочет изучить новый язык.

#Python #ИИ 2025

Разработка приложений на базе GPT-4 и ChatGPT, 2-е издание

Авторы: Оливье Келен, Мари-Алис Блете

Эта небольшая книга представляет собой подробное руководство для разработчиков на Python, желающих научиться создавать приложения с использованием больших языковых моделей. Авторы расскажут об основных возможностях и преимуществах моделей GPT-4 и GPT-3.5, а также принципах их работы. Здесь же вы найдете пошаговые инструкции по разработке приложений с использованием библиотеки для Python от OpenAI, в том числе инструментов для генерирования текста, отправки вопросов и получения ответов и создания интеллектуальных ассистентов. Издание содержит множество легковоспроизводимых примеров, которые помогут применить модели в своих проектах. Все примеры кода на Python доступны в репозитории GitHub. Решили использовать возможности LLM в своих приложениях? Тогда вы выбрали правильную книгу.

#Python 2025

Парсинг с помощью Python. Веб-скрапинг в действии. 3-е межд. изд.

Автор: Райан Митчелл

Если программирование — магия, то веб-скрапинг — настоящее колдовство. Написав простую автоматизированную программу, можно отправлять запросы веб-серверам, получать ответы с данными, а затем анализировать эти данные и извлекать необходимую информацию. Это обновленное третье издание книги не только познакомит вас с веб-скрапингом, но и послужит исчерпывающим руководством по сбору практически любых видов данных в современном Интернете. В части I основное внимание уделено механике веб-скрапинга: как с помощью Python отправлять запросы веб-серверам, обрабатывать ответы и автоматизировать взаимодействие с сайтами. В части II исследуются более конкретные инструменты и приложения, которые пригодятся при любом сценарии веб-скрапинга. Книга покажет, как: • анализировать сложные HTML-страницы; • разрабатывать веб-сканеры с помощью фреймворка Scrapy; • хранить данные, полученные с помощью скрапинга; • читать и извлекать данные из документов; • очищать и нормализовывать плохо отформатированные данные; • читать и записывать информацию на естественных языках; • выполнять поиск по формам и страницам входа; • выполнять скрапинг jаvascript-кода и работать с API; • писать и использовать программы для преобразования изображений в текст; • обходить противоскрапинговые ловушки и блокаторы ботов; • тестировать свои веб-сайты с помощью скрапинга.

Теоретически веб-скрапинг - это сбор данных с помощью любых средств, кроме программ, использующих API (или через браузер пользователя). Чаще всего для этого пишут программу, которая автоматически отправляет запрос на веб-сервер, получает данные ( обычно в формате HTML или других форматах веб-страниц), а затем парсирует их для извлечения полезной информации.

На практике веб-скрапинг и парсинг включают в себя широкий спектр методов и технологий программирования, таких как анализ данных, синтаксический анализ естественного языка и информационная безопасность. Поскольку эта область очень широка, в первой части книги будут рассмотрены фундаментальные основы веб-скрапинга и краулинга, а во второй - более углубленные темы. Я рекомендую всем читателям внимательно изучить первую часть и по мере необходимости погружаться в более специализированные разделы второй части.

#Python 2023

Основы математического моделирования и оптимизации на языке Python

Автор: Головинский П.

В пособии представлены основные методы применения языка Python для решения задач моделирования, оптимизации и обработки данных. Каждая рассмотренная тема включает краткие теоретические сведения, подробный разбор практической работы, индивидуальные варианты заданий и контрольные вопросы по теме.

#DevOps #Python #Terraform 2025

Инфраструктура как код. С примерами на Python и Terraform

Автор: Ванг Р.

Инфраструктура как код (IaC) – это набор методов и процессов для построения и обслуживания инфраструктуры с использованием скриптов, файлов конфигурации или языков программирования. IaC значительно облегчает тестирование компонентов, реализацию функций и масштабирование системы. Но самое главное – поскольку IaC следует классическим методам разработки, для внесения изменений в масштабах системы достаточно нескольких коммитов кода! Прочитав эту книгу, вы научитесь создавать виртуальные серверы, сети, балансировщики нагрузки, брандмауэры и другие компоненты с помощью Python и Terraform, а также уверенно обновлять инфраструктуру, не прерывая работу системы.

#MSOffice #Python #R #DataScience 2025

Excel с Python и R: раскройте потенциал расширенной обработки и визуализации данных

Автор: Сандерсон Стивен

Интеграция Python и R с Excel изменит ваш подход к анализу данных с использованием электронных таблиц. Вы сможете автоматизировать задачи статистического анализа и создавать мощные визуализации, научитесь выполнять разведочный анализ данных и анализ временных рядов и даже интегрировать различные API для максимальной эффективности. И новички, и эксперты найдут в этой книге все необходимое, чтобы раскрыть весь потенциал Excel и поднять навыки анализа данных на новый уровень.

#Python #КомпГрафика 2024

Графика на PYTHON. Создание 2D- и 3D-изображений для научной графики и презентаций

Автор: Коритес Бернар

В книге на наглядных примерах показано, как использовать встроенные графические примитивы Python – точки, линии и стрелки — для создания сложной графики, визуализации двух- и трехмерных объектов, диаграмм с данными и технических иллюстраций.Изучив книгу, вы сможете:• cоздавать 2D- и 3D-изображения;• добавлять к ним текст и символы;• затенять 3D-объекты;• строить отбрасываемые ими тени;• использовать цвет для максимального эффекта;• представлять наборы 2D- и 3D-данных;• аппроксимировать линии и кривые к наборам данных.Показано, как визуализировать электронные облака (плотность вероятности нахождения электронов вокруг ядра), представлять изменение климата, экологическое разнообразие, динамику популяций и демонстрировать управление ресурсами.После прочтения книги вы сможете создавать привлекательные графические изображения, не ограничиваясь функциями, доступными в существующих библиотеках Python. Исходный код Python включен во все приложения, что делает материал более доступным для начинающих программистов.

#Python 2025

Python. Основы программирования

Автор: Суков Я.

Книга охватывает широкий спектр тем, связанных с использованием Python для решения различных задач. Каждая глава посвящена отдельной области применения Python, предоставляя подробное описание библиотек, инструментов и примеров их использования. Изучение этих тем позволяет разработчикам, ученым и специалистам в различных областях эффективно использовать язык программирования Python для решения сложных задач и создания надежных и эффективных решений.

#Python 2025

250 скриптов на языке Python

Автор: В. Ткачев

Эта книга предназначена как для пользователей, изучающих Python, так и использующих его для решения практических задач. Python позволяет применять его для решения проблем на основе проверенных и легко читаемых скриптов. Особенности Python дают возможность использовать его как на Linux, так и на Windows. Цель настоящей книги дать пользователю проверенные на практике простые скрипты, необходимые как составные части при решении сложных задач. Чтобы изучить и освоить Python, требуется длительное время. Использование данной книги позволяет ускорить данный процесс.