Recenzii ale cititorilor
Rezumat:Cartea a primit recenzii mixte din partea utilizatorilor cu experiență substanțială în programare, în special în Java sau alte limbaje de nivel scăzut. În timp ce unii utilizatori apreciază explicațiile sale detaliate și amploarea subiectelor din Python, învățarea automată și inteligența artificială, alții o critică pentru organizarea slabă, exemplele de cod învechite și lipsa de conținut accesibil începătorilor. Unii l-au găsit util, dar copleșitor, în timp ce alții sfătuiesc cu tărie să nu-l cumpere din cauza diferitelor probleme, inclusiv conținutul neclar și calitatea slabă a imprimării.
Avantaje:⬤ Bine scris și informativ
⬤ oferă o bază solidă în Python pentru cei cu experiență în programare
⬤ include o acoperire cuprinzătoare a subiectelor legate de Python și machine learning
⬤ oferă exemple concrete
⬤ unii utilizatori consideră capitolele pe subiecte avansate deosebit de utile.
Dezavantaje:⬤ Presupune cunoștințe prealabile de programare, ceea ce îl face nepotrivit pentru începători
⬤ exemple de cod învechite sau pline de erori
⬤ prost organizat și greu de navigat
⬤ unii utilizatori raportează că este prea teoretic
⬤ probleme cu calitatea și culoarea imprimării
⬤ unii susțin că conține limbaj promoțional în loc de instrucțiuni practice.
(pe baza a 24 recenzii ale cititorilor)
Titlul original:
Python for Programmers
Conținutul cărții:
Ghidul Deitel(R) al programatorului profesionist pentru Python(R) cu studii de caz introductive de inteligență artificială
Scris pentru programatorii cu experiență într-un alt limbaj de nivel înalt, Python pentru programatori utilizează instrucțiuni practice pentru a preda cele mai convingătoare tehnologii de calcul de vârf din prezent și programarea în Python - unul dintre cele mai populare limbaje din lume și cu cea mai rapidă creștere. Pentru mai multe detalii, vă rugăm să citiți diagrama cuprinsului din interiorul copertei și Prefața.
În contextul a peste 500 de exemple reale, variind de la fragmente individuale la 40 de scripturi mari și studii de caz complete de implementare, veți utiliza interpretorul interactiv IPython cu cod în Jupyter Notebooks pentru a stăpâni rapid cele mai recente expresii de codificare Python. După acoperirea capitolelor 1-5 din Python și a câtorva părți cheie din capitolele 6-7, veți putea să vă ocupați de porțiuni semnificative din studiile de caz practice introductive privind inteligența artificială din capitolele 11-16, care sunt încărcate cu exemple cool, puternice și contemporane. Acestea includ procesarea limbajului natural, extragerea datelor Twitter(R) pentru analiza sentimentelor, calculul cognitiv cu IBM(R) Watson(TM), învățarea mașinilor supravegheată cu clasificare și regresie, învățarea mașinilor nesupravegheată cu clustering, viziunea computerizată prin învățare profundă și rețele neuronale convoluționale, învățarea profundă cu rețele neuronale recurente, big data cu Hadoop(R), Spark(TM) și baze de date NoSQL, internetul obiectelor și multe altele. De asemenea, veți lucra direct sau indirect cu servicii bazate pe cloud, inclusiv Twitter, Google Translate(TM), IBM Watson, Microsoft(R) Azure(R), OpenMapQuest, PubNub și multe altele.
Caracteristici.
⬤ 500+ exemple practice, reale, de coduri live, de la snippets la studii de caz.
⬤ IPython + cod în Jupyter(R) Notebooks.
⬤ Centrat pe biblioteci: Utilizează biblioteca standard Python și bibliotecile de știință a datelor pentru a îndeplini sarcini semnificative cu cod minim.
⬤ Rich Python coverage: Instrucțiuni de control, funcții, șiruri, fișiere, serializare JSON, CSV, excepții.
⬤ Programare procedurală, în stil funcțional și orientată pe obiect.
⬤ Colecții: Liste, tupluri, dicționare, seturi, matrici NumPy, pandas Series & DataFrames.
⬤ Vizualizări statice, dinamice și interactive.
⬤ Experiențe de date cu seturi de date și surse de date din lumea reală.
⬤ Secțiuni de introducere în știința datelor: AI, statistici de bază, simulare, animație, variabile aleatorii, prelucrarea datelor, regresie.
⬤ Studii de caz AI, big data și cloud data science: NLP, data mining Twitter(R), IBM(R) Watson(TM), machine learning, deep learning, computer vision, Hadoop(R), Spark(TM), NoSQL, IoT.
⬤ Biblioteci open-source: NumPy, pandas, Matplotlib, Seaborn, Folium, SciPy, NLTK, TextBlob, spaCy, Textatistic, Tweepy, scikit-learn(R), Keras și altele.
Înregistrați-vă produsul pentru a avea acces la capitole și materiale actualizate, precum și la descărcări, actualizări viitoare și/sau corecturi pe măsură ce acestea devin disponibile. Consultați interiorul cărții pentru mai multe informații.
