Эта книга предназначена для начинающих, которые хотят изучить Python и не знают, с чего начать. Она фокусируется на том, как сочетать различные структурные элементы языка для создания скриптов и приложений.

Авторы книги используют принцип 80/20, предлагая освоить ключевые концепции, благодаря которым читатели сразу смогут решать реальные задачи, избегая скучного перечисления возможностей языка.

В этой книге рассматриваются современные интерпретаторы языка Python. Описываются механизмы работы таких вредоносных компонентов, как reverse shell, файловые вирусы, трояны, локеры и шифровальщики.

Также представлены различные инструменты для автоматического сбора информации о компьютере и динамического анализа вредоносного кода, включая использование API VirusTotal.

Кроме того, рассмотрены примеры программ, предназначенных для решения капчи, поиска людей на видео, работы со сложными веб-формами и автоматизации процессов на iOS. Показано, как создать новый навык для голосового помощника «Алиса» с помощью Python, а также различные программы для одноплатных компьютеров.

Курс для новичков в разработке, который даст крепкую стартовую базу для вашего развития в IT-сфере.

В нём вы изучите основы языка программирования Python, сделаете своего Telegram-бота и напишите веб-приложение с помощью фреймворка Django.

С помощью этого курса вы освоите обработку данных на реальных проектах с использованием Python, изучите его библиотеки для анализа данных и машинного обучения, сможете визуализировать данные.

Научитесь применять алгоритмы supervised learning и unsupervised learning, включая логистическую и линейную регрессию, деревья решений, случайные леса, SVM и кластеризацию K-means.

Также изучите модели временных рядов и ансамблевое обучение (AdaBoost, Gradient Boosting, XGBoost). Попробуете построить рекомендательные системы и заняться text mining. Познакомитесь с deep learning, используя TensorFlow и Keras для работы с Convolutional и Recurrent Neural Networks.

Книга предлагает техники ускорения кода на Python, особенно для работы с большими данными. Она охватывает оптимизацию встроенных структур данных, сокращение объема памяти без потери точности и повышение производительности библиотек, таких как NumPy и pandas. Подход в книге — комплексный: от оптимизации кода до масштабирования всей архитектуры. Подходит для разработчиков Python, знакомых с базовыми принципами языка и конкурентного выполнения.

Цель этой книги — помочь тебе научиться писать более красивые, надёжные и легко
сопровождаемые программы на Python. То, о чём мы здесь будем говорить, это не
начальный уровень владения языком, предполагается, что ты уже минимально
умеешь программировать, но хочешь научиться делать это лучше.

Данная книга предлагает углубленное изучение конформного прогнозирования — новейшего подхода, позволяющего получить количественную оценку неопределенности, необходимую для принятия уверенных и надежных решений в различных задачах машинного обучения. Вы познакомитесь с практическим применением этого подхода в таких задачах машинного обучения, как классификация, регрессия, прогнозирование временных рядов, компьютерное зрение и обработка естественного языка.Издание предназначено специалистам по data science, ML-инженерам, ученым и всем, кто хочет улучшить свои навыки в области количественной оценки неопределенности в машинном обучении.Для изучения материала понадобятся базовые знания в области машинного обучения и программирования на Python.

Научитесь публиковать Python-пакеты в PyPI, создавая проекты, доступные для глобального сообщества, управлять документацией и создавать профессиональные файлы README, а также разберётесь в лицензировании программного обеспечения. Вы освоите передовые стандарты упаковки Python, подготовитесь к работе с реальными приложениями, научитесь эффективно управлять пакетами и устранять неполадки в проектах.

Книга посвящена основам анализа данных и реализации базовых алгоритмов машинного обучения на Python. Ее цель — формирование у студентов теоретических знаний и практических навыков в этой области, а также освоение инструментов и методов машинного обучения.

Книга посвящена созданию интеллектуального робота с использованием доступных компонентов: датчиков, двигателей, камер, микрофонов, динамиков, светодиодов и Raspberry Pi. Рассматриваются компьютерное зрение, голосовое управление и перспективы робототехники.

Подходит как новичкам, так и опытным программистам, желающим применить Python в аппаратных проектах. Требуются базовые знания языка, включая циклы, условия и функции.

Научитесь публиковать Python-пакеты в PyPI, создавая проекты, доступные для глобального сообщества, управлять документацией и создавать профессиональные файлы README, а также разберётесь в лицензировании программного обеспечения. Вы освоите передовые стандарты упаковки Python, подготовитесь к работе с реальными приложениями, научитесь эффективно управлять пакетами и устранять неполадки в проектах.

Эта книга предлагает 120 задач, охватывающих различные области, такие как: анализ данных, прогнозирование, классификация и распознавание образов, и многое другое.

Каждая задача детально демонстрирует методы глубокого обучения и нейронных сетей: выбор архитектуры, подготовку данных, обучение и оценку. Примеры кода на Python делают материал доступным для практического освоения.

Книга полезна для специалистов по данным, исследователей, студентов и всех интересующихся современными методами глубокого обучения для науки, технологий и бизнеса.

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.