Full Stack Python is an open source book that explains technical concepts in plain language. Read everything online for free
https://www.fullstackpython.com/
https://www.fullstackpython.com/
Fullstackpython
Full Stack Python
Full Stack Python explains programming concepts in plain language and provides links to the best tutorials for those topics.
Hands_On_Data_Science_with_Anaconda_by_Yuxing_Yan,_James_Yan.epub
13.3 MB
Hands-On Data Science with Anaconda. Yuxing Yan, James Yan. 2018 EPUB
Anaconda is an open source platform that brings together the best tools for data science professionals with more than 100 popular packages supporting Python, Scala, and R languages. Hands-On Data Science with Anaconda gets you started with Anaconda and demonstrates how you can use it to perform data science operations in the real world.
The book begins with setting up the environment for Anaconda platform in order to make it accessible for tools and frameworks such as Jupyter, pandas, matplotlib, Python, R, Julia, and more. You’ll walk through package manager Conda, through which you can automatically manage all packages including cross-language dependencies, and work across Linux, macOS, and Windows. You’ll explore all the essentials of data science and linear algebra to perform data science tasks using packages such as SciPy, contrastive, scikit-learn, Rattle, and Rmixmod.
Anaconda is an open source platform that brings together the best tools for data science professionals with more than 100 popular packages supporting Python, Scala, and R languages. Hands-On Data Science with Anaconda gets you started with Anaconda and demonstrates how you can use it to perform data science operations in the real world.
The book begins with setting up the environment for Anaconda platform in order to make it accessible for tools and frameworks such as Jupyter, pandas, matplotlib, Python, R, Julia, and more. You’ll walk through package manager Conda, through which you can automatically manage all packages including cross-language dependencies, and work across Linux, macOS, and Windows. You’ll explore all the essentials of data science and linear algebra to perform data science tasks using packages such as SciPy, contrastive, scikit-learn, Rattle, and Rmixmod.
Pro_Power_Bi_Desktop_Self_service_Analytics_and_Data_Visualization.pdf
28.7 MB
Pro Power Bi Desktop: Self-service Analytics and Data Visualization for the Power User. Adam Aspin. 2020
What You Will Learn
🏷 Deliver attention-grabbing information, turning data into insight
🏷 Find new insights as you chop and tweak your data as never before
🏷 Build a data narrative through interactive reports with drill-through and cross-page slicing
🏷 Mash up data from multiple sources into a cleansed and coherent data model
🏷 Build interdependent charts, maps, and tables to deliver visually stunning information
🏷 Create dashboards that help in monitoring key performance indicators of your business
🏷 Adapt delivery to mobile devices such as phones and tablets
What You Will Learn
🏷 Deliver attention-grabbing information, turning data into insight
🏷 Find new insights as you chop and tweak your data as never before
🏷 Build a data narrative through interactive reports with drill-through and cross-page slicing
🏷 Mash up data from multiple sources into a cleansed and coherent data model
🏷 Build interdependent charts, maps, and tables to deliver visually stunning information
🏷 Create dashboards that help in monitoring key performance indicators of your business
🏷 Adapt delivery to mobile devices such as phones and tablets
Clark_Dan_Beginning_Microsoft_Power_BI_A_Practical_Guide_to_Self.pdf
22.5 MB
Clark Dan. Beginning Microsoft Power BI: A Practical Guide to Self-Service Data Analytics.pdf
What You Will Learn:
🏷 Simplify data discovery, association, and cleansing
🏷 Build solid analytical data models
🏷 Create robust interactive data presentations
🏷 Combine analytical and geographic data in map-based visualizations
🏷 Publish and share dashboards and reports
What You Will Learn:
🏷 Simplify data discovery, association, and cleansing
🏷 Build solid analytical data models
🏷 Create robust interactive data presentations
🏷 Combine analytical and geographic data in map-based visualizations
🏷 Publish and share dashboards and reports
Horne I. Hands-On Business Intelligence with DAX.pdf
10.7 MB
Horne I. Hands-On Business Intelligence with DAX.pdf
🏷 Understand DAX, from the basics through to advanced topics, and learn to build effective data models
🏷 Write and use DAX functions and expressions with the help of hands-on examples
🏷 Discover how to handle errors in your DAX code, and avoid unwanted results
🏷 Load data into a data model using Power BI, Excel Power Pivot, and SSAS Tabular
🏷 Cover DAX functions such as date, time, and time intelligence using code examples
🏷 Gain insights into data by using DAX to create new information
🏷 Understand the DAX VertiPaq engine and how it can help you optimize data models
🏷 Understand DAX, from the basics through to advanced topics, and learn to build effective data models
🏷 Write and use DAX functions and expressions with the help of hands-on examples
🏷 Discover how to handle errors in your DAX code, and avoid unwanted results
🏷 Load data into a data model using Power BI, Excel Power Pivot, and SSAS Tabular
🏷 Cover DAX functions such as date, time, and time intelligence using code examples
🏷 Gain insights into data by using DAX to create new information
🏷 Understand the DAX VertiPaq engine and how it can help you optimize data models
Practical_Data_Analysis_Using_Jupyter_Notebook_Learn_how_to_speak.pdf
7.7 MB
Practical Data Analysis Using Jupyter Notebook: Learn how to speak the language of data by extracting insights with Python.pdf
🏷 Understand the importance of data literacy and how to communicate effectively using data
🏷 Find out how to use Python packages such as NumPy, pandas, Matplotlib, and the Natural Language Toolkit (NLTK) for data analysis
🏷 Wrangle data and create DataFrames using pandas
Produce charts and data visualizations using time-series datasets
🏷 Discover relationships and how to join data together using SQL
🏷 Use NLP techniques to work with unstructured data to create sentiment analysis models
🏷 Discover patterns in real-world datasets that provide accurate insights
🏷 Understand the importance of data literacy and how to communicate effectively using data
🏷 Find out how to use Python packages such as NumPy, pandas, Matplotlib, and the Natural Language Toolkit (NLTK) for data analysis
🏷 Wrangle data and create DataFrames using pandas
Produce charts and data visualizations using time-series datasets
🏷 Discover relationships and how to join data together using SQL
🏷 Use NLP techniques to work with unstructured data to create sentiment analysis models
🏷 Discover patterns in real-world datasets that provide accurate insights
Lewinson E. Python for Finance Cookbook.pdf
32.8 MB
Lewinson E. Python for Finance Cookbook.pdf
Use powerful Python libraries such as pandas, NumPy, and SciPy
In this book, you’ll cover different ways of downloading financial data and preparing it for modeling. You’ll calculate popular indicators used in technical analysis, such as Bollinger Bands, MACD, and RSI, and backtest automatic trading strategies. Next, you’ll cover time series analysis and models such as exponential smoothing, ARIMA, and GARCH (including multivariate specifications), before exploring the popular CAPM and Fama-French's Three-Factor Model. You’ll then discover how to optimize asset allocation and use Monte Carlo simulations for tasks such as calculating the price of American options and estimating the Value at Risk (VaR). In later chapters, you’ll work through an entire data science project in the finance domain. You’ll also learn how to solve credit card fraud and default problems using advanced classifiers such as random forest, XGBoost, LightGBM, and stacked models.
Use powerful Python libraries such as pandas, NumPy, and SciPy
In this book, you’ll cover different ways of downloading financial data and preparing it for modeling. You’ll calculate popular indicators used in technical analysis, such as Bollinger Bands, MACD, and RSI, and backtest automatic trading strategies. Next, you’ll cover time series analysis and models such as exponential smoothing, ARIMA, and GARCH (including multivariate specifications), before exploring the popular CAPM and Fama-French's Three-Factor Model. You’ll then discover how to optimize asset allocation and use Monte Carlo simulations for tasks such as calculating the price of American options and estimating the Value at Risk (VaR). In later chapters, you’ll work through an entire data science project in the finance domain. You’ll also learn how to solve credit card fraud and default problems using advanced classifiers such as random forest, XGBoost, LightGBM, and stacked models.
Lerner R.M. Python Workout. 50 Essential Exercises.pdf
8.2 MB
Lerner R.M. Python Workout. 50 Essential Exercises.pdf
This book isn’t meant to teach you Python. Rather, it’s meant to give you the practice you need to achieve greater fluency. After going through the exercises in this book—not just skimming through the questions and peeking at the answers—you will write more readable, more idiomatic, and more maintainable Python code.
Python Workout is the result of conversations with students in my corporate Python training classes. Once the course was over, they often asked where they could get additional practice, to continue improving their skills. This book draws upon the hands-on labs that I give my students, as well as discussions that I have had with them during and after class.
This book isn’t meant to teach you Python. Rather, it’s meant to give you the practice you need to achieve greater fluency. After going through the exercises in this book—not just skimming through the questions and peeking at the answers—you will write more readable, more idiomatic, and more maintainable Python code.
Python Workout is the result of conversations with students in my corporate Python training classes. Once the course was over, they often asked where they could get additional practice, to continue improving their skills. This book draws upon the hands-on labs that I give my students, as well as discussions that I have had with them during and after class.
How_Matt_The_Modern_Data_Warehouse_in_Azure_Building_with_Speed.pdf
9.6 MB
How Matt. The Modern Data Warehouse in Azure: Building with Speed and Agility on Microsoft’s Cloud Platform.pdf
What You Will Learn
🏷 Choose the appropriate Azure SQL engine for implementing a given data warehouse
🏷 Develop smart, reusable ETL/ELT processes that are resilient and easily maintained
🏷 Automate mundane development tasks through tools such as PowerShell
🏷 Ensure consistency of data by creating and enforcing data contracts
🏷 Explore streaming and event-driven architectures for data ingestion
🏷 Create advanced staging layers using Azure Data Lake Gen 2 to feed your data warehouse
What You Will Learn
🏷 Choose the appropriate Azure SQL engine for implementing a given data warehouse
🏷 Develop smart, reusable ETL/ELT processes that are resilient and easily maintained
🏷 Automate mundane development tasks through tools such as PowerShell
🏷 Ensure consistency of data by creating and enforcing data contracts
🏷 Explore streaming and event-driven architectures for data ingestion
🏷 Create advanced staging layers using Azure Data Lake Gen 2 to feed your data warehouse
Всё для изучения Python: 181 бесплатный материал + бонус
https://tproger.ru/digest/data-science-python/
https://tproger.ru/digest/data-science-python/
Tproger
Всё для изучения Python: 181 бесплатный материал + бонус
Статья на Tproger — Всё для изучения Python: 181 бесплатный материал + бонус
👍1
PYTHON_FOR_DATA_SCIENCE_Guide_to_computer_programming_and_web_coding.epub
8.3 MB
PYTHON FOR DATA SCIENCE: Guide to computer programming and web coding. Learn machine learning, artificial intelligence, NumPy and Pandas packages for data analysis. Step-by-step exercises included
✓ The basics of Python programming
✓ Differences among programming languages: Vba, SQL, R, Python
✓ 4 reasons why Python is fundamental for Data Science
✓ Introduction to some Python libraries like NumPy, Pandas, Matplotlib,
✓ Python design patterns
✓ Fit Python Data Analysis to your business
✓ Optimal tools and techniques for data visualization
✓ Analysis of popular Python projects templates
✓ Game creation with Pyhton
✓ The basics of Python programming
✓ Differences among programming languages: Vba, SQL, R, Python
✓ 4 reasons why Python is fundamental for Data Science
✓ Introduction to some Python libraries like NumPy, Pandas, Matplotlib,
✓ Python design patterns
✓ Fit Python Data Analysis to your business
✓ Optimal tools and techniques for data visualization
✓ Analysis of popular Python projects templates
✓ Game creation with Pyhton
Master_Data_Science_and_Data_Analysis_With_Pandas_By_Arun_by_Arun.pdf
24.7 MB
Master Data Science and Data Analysis With Pandas By Arun by Arun.pdf
Pandas has became an important and a must tool for data analysis. This book covers various scenarios that occurs in real life data and thus helps reader to relate the issues directly and apply the solution. The book has been developed in such a way that everyone can easily understand and run through the concepts. This book has been created for both beginners and experienced ones as the beginners can learn the technology from scratch and experienced ones can brush their concepts and can relate their issues and understand the concept in depth.
Pandas has became an important and a must tool for data analysis. This book covers various scenarios that occurs in real life data and thus helps reader to relate the issues directly and apply the solution. The book has been developed in such a way that everyone can easily understand and run through the concepts. This book has been created for both beginners and experienced ones as the beginners can learn the technology from scratch and experienced ones can brush their concepts and can relate their issues and understand the concept in depth.
Data Engineering 101: Automating Your First Data Extract | by SeattleDataGuy | Better Programming | Medium
https://medium.com/better-programming/data-engineering-101-automating-your-first-data-extract-845c84f119cc
https://medium.com/better-programming/data-engineering-101-automating-your-first-data-extract-845c84f119cc
Medium
Data Engineering 101: Automating Your First Data Extract
Pulling live data from San Francisco’s 311 feed
Python HOW: Getting Facebook Data and Insights Using facebook-sdk | by Gabriel Harris Ph.D. | Medium
https://medium.com/@DrGabrielHarris/python-how-getting-facebook-data-and-insights-using-facebook-sdk-9de14d3c12fb
https://medium.com/@DrGabrielHarris/python-how-getting-facebook-data-and-insights-using-facebook-sdk-9de14d3c12fb
Medium
Python HOW: Getting Facebook Data and Insights Using facebook-sdk
At the end of this article you will learn how to get valuable data and insights of a page you’re an admin of and its posts. Codes to write…
Forwarded from FEDOR BORSHEV
Запись стрима в прошлый понедельник
У меня наконец дошли руки добавить тайм-кодов, так что ловите запись.
Вот, что было интересного:
02:53 Как работаешь с техдолгом в команде?
08:50 Как планировать спринты, чтобы всё успевать?
11:01 Как выращивать людей в команде?
14:31 Что делать с легаси? Пример igooods
20:45 Как разработчику увеличить свой доход в 10 раз?
26:42 Получилось ли с Саматом заработать кучу денег?
27:04 Когда лучше брать джунов,
31:19 Как архитектурно правильно начинать новый проект?
37:24 Как следишь за производительностью программистов в команде?
40:41 Как видишь перспективы развития no-code?
45:54 Как понять, что у проекта исчерпывающая документация?
47:23 Где искать мотивацию работать, когда начинаешь ненавидеть проект?
51:44 Нет хобби кроме работы
52:24 Что значит взять на себя ответственность? Как и чем отвечать за неудачу?
57:46 Что будет с фронтендом и бекендом через 20–30 лет?
59:52 Куда лучше пойти джуну — на галеру или в стартап?
01:02:22 Переквалифицироваться в программисты после 40, миф или реальность?
01:05:36 Как тимлиду правильно устроить процесс делегирования задач, чтобы самому всё не контролировать?
01:08:45 Как развиваться project-менеджеру? Будет ли профессия актуальна в будущем?
01:10:29 Как продакту понять, о чём говорят разработчики?
01:12:16 Как думаешь, схлопнется ли скоро пузырь AI и ML?
01:14:30 Как совмещать семью и работу?
01:15:54 Как лучше учиться фундаментальным знаниям? Посоветуешь доступные гуманитарию книги и курсы?
01:18:18 Как найти и распознать техлида, способного лидить бек, фронт и тест-активности?
01:21:45 Важна ли декомпозиция задач, или это вмешательство в художественный процесс разработки?
01:25:19 Куда и как развиваться синьёру (в техническом плане)?
01:26:45 Инвестириуешь? Через какого брокера? В кого?
01:28:10 Что делать, если понимаешь, что коллеги технически не растут?
01:30:29 Как ты повышаешь у разработчиков ответственность за задачи?
01:32:39 В чём тебе стоило бы улучшить свои навыки? Какие области роста видишь у себя?
01:36:27 Как онбордить новых разработчиков, если документации и сервисов с интеграциями очень много?
01:37:20 Резко упало качество и скорость разработки, выросла сложность задач. Что делать?
01:39:08 Девопс в команде. Дань хайпу или есть польза?
01:41:20 Какие технические знания не устареют через 10 лет?
01:42:14 Есть ли жизнь без скрама и спринтов?
01:43:21 Как проджект-менеджеру перейти во фронтенд? Может сначала в QA?
01:44:11 Как ты вёл два беклога, для бизнеса в трелло, а для команды — в гитхабе?
01:46:53 Что такое высокая инженерная культура и как её распознать?
01:49:52 Как выбираешь на чём сфокусировать команду в устаревающем проекте на саппорте?
01:50:34 Как приучал себя к регулярным повторяющимся активностям, таким как блог или телеграм?
01:51:41 Можно ли долго вести проект без код-ревью? Как уменьшить временные затраты на этот этап?
01:53:44 О чём писать в блоге разработчика?
Честно говоря, я крайне не доволен стримом — пересматривая запись я понимаю, что мог бы ответить гораздо полнее и интереснее. Ну, ничего страшного — теперь я знаю, как готовиться, поэтому через пару недель устроим ещё один.
Ну и спасибо всем, кто пришёл!
У меня наконец дошли руки добавить тайм-кодов, так что ловите запись.
Вот, что было интересного:
02:53 Как работаешь с техдолгом в команде?
08:50 Как планировать спринты, чтобы всё успевать?
11:01 Как выращивать людей в команде?
14:31 Что делать с легаси? Пример igooods
20:45 Как разработчику увеличить свой доход в 10 раз?
26:42 Получилось ли с Саматом заработать кучу денег?
27:04 Когда лучше брать джунов,
31:19 Как архитектурно правильно начинать новый проект?
37:24 Как следишь за производительностью программистов в команде?
40:41 Как видишь перспективы развития no-code?
45:54 Как понять, что у проекта исчерпывающая документация?
47:23 Где искать мотивацию работать, когда начинаешь ненавидеть проект?
51:44 Нет хобби кроме работы
52:24 Что значит взять на себя ответственность? Как и чем отвечать за неудачу?
57:46 Что будет с фронтендом и бекендом через 20–30 лет?
59:52 Куда лучше пойти джуну — на галеру или в стартап?
01:02:22 Переквалифицироваться в программисты после 40, миф или реальность?
01:05:36 Как тимлиду правильно устроить процесс делегирования задач, чтобы самому всё не контролировать?
01:08:45 Как развиваться project-менеджеру? Будет ли профессия актуальна в будущем?
01:10:29 Как продакту понять, о чём говорят разработчики?
01:12:16 Как думаешь, схлопнется ли скоро пузырь AI и ML?
01:14:30 Как совмещать семью и работу?
01:15:54 Как лучше учиться фундаментальным знаниям? Посоветуешь доступные гуманитарию книги и курсы?
01:18:18 Как найти и распознать техлида, способного лидить бек, фронт и тест-активности?
01:21:45 Важна ли декомпозиция задач, или это вмешательство в художественный процесс разработки?
01:25:19 Куда и как развиваться синьёру (в техническом плане)?
01:26:45 Инвестириуешь? Через какого брокера? В кого?
01:28:10 Что делать, если понимаешь, что коллеги технически не растут?
01:30:29 Как ты повышаешь у разработчиков ответственность за задачи?
01:32:39 В чём тебе стоило бы улучшить свои навыки? Какие области роста видишь у себя?
01:36:27 Как онбордить новых разработчиков, если документации и сервисов с интеграциями очень много?
01:37:20 Резко упало качество и скорость разработки, выросла сложность задач. Что делать?
01:39:08 Девопс в команде. Дань хайпу или есть польза?
01:41:20 Какие технические знания не устареют через 10 лет?
01:42:14 Есть ли жизнь без скрама и спринтов?
01:43:21 Как проджект-менеджеру перейти во фронтенд? Может сначала в QA?
01:44:11 Как ты вёл два беклога, для бизнеса в трелло, а для команды — в гитхабе?
01:46:53 Что такое высокая инженерная культура и как её распознать?
01:49:52 Как выбираешь на чём сфокусировать команду в устаревающем проекте на саппорте?
01:50:34 Как приучал себя к регулярным повторяющимся активностям, таким как блог или телеграм?
01:51:41 Можно ли долго вести проект без код-ревью? Как уменьшить временные затраты на этот этап?
01:53:44 О чём писать в блоге разработчика?
Честно говоря, я крайне не доволен стримом — пересматривая запись я понимаю, что мог бы ответить гораздо полнее и интереснее. Ну, ничего страшного — теперь я знаю, как готовиться, поэтому через пару недель устроим ещё один.
Ну и спасибо всем, кто пришёл!
YouTube
Fedor Borshev Live — Стрим без темы #1
Общаемся на свободные темы.
02:53 Как работаешь с техдолгом в команде?
08:50 Как планировать спринты, чтобы всё успевать?
11:01 Как выращивать людей в команде?
14:31 Что делать с легаси? Пример igooods
20:45 Как разработчику увеличить свой доход в 10 раз?…
02:53 Как работаешь с техдолгом в команде?
08:50 Как планировать спринты, чтобы всё успевать?
11:01 Как выращивать людей в команде?
14:31 Что делать с легаси? Пример igooods
20:45 Как разработчику увеличить свой доход в 10 раз?…
Creating PDF Reports with Python, Pdfkit, and Jinja2 Templates | by Mark Nagelberg | Towards Data Science
http://www.marknagelberg.com/creating-pdf-reports-with-python-pdfkit-and-jinja2-templates/
http://www.marknagelberg.com/creating-pdf-reports-with-python-pdfkit-and-jinja2-templates/
Mark Nagelberg
Creating PDF Reports with Python, Pdfkit, and Jinja2 Templates
Once in a while as a data scientist, you may need to create PDF reports of your analyses. This seems somewhat “old school” nowadays, but here are a couple situations why you might want to consider …