Στο βιβλίο αυτό θα εκπαιδευθείτε βιωματικά με τις πιο συναρπαστικές, τεχνολογίες αιχμής της υπολογιστικής και, όπως θα δείτε, με ένα εύκολα ρυθμίσιμο μείγμα πληροφορικής και επιστήμης δεδομένων κατάλληλο για εισαγωγικά μαθήματα σε αυτούς και σε συναφείς τομείς. Και θα προγραμματίσετε σε Python - μία απ τις δημοφιλέστερες γλώσσες παγκοσμίως και την ταχύτερα αυξανόμενη μεταξύ αυτών. Για περισσότερες λεπτομέρειες παρακαλούμε να διαβάσετε τον Πρόλογο:
538 βιωματικά, ρεαλιστικά, παραδείγματα ζωντανού κώδικα σε αποσπάσματα και μελέτες περιπτώσεων 471 ασκήσεις και εργασίες
Aμεση ανάδραση με IPython, Τετράδια Jupyter και 557 ασκήσεις Αυτοεξέτασης
Εστιασμένο σε Βιβλιοθήκες: Χρησιμοποιήστε βιβλιοθήκες της Python και της επιστήμης δεδομένων προκειμένου να φέρετε εις πέρας σημαντικές εργασίες με ελάχιστο κώδικα
Στο βιβλίο αυτό θα εκπαιδευθείτε βιωματικά με τις πιο συναρπαστικές, τεχνολογίες αιχμής της υπολογιστικής και, όπως θα δείτε, με ένα εύκολα ρυθμίσιμο μείγμα πληροφορικής και επιστήμης δεδομένων κατάλληλο για εισαγωγικά μαθήματα σε αυτούς και σε συναφείς τομείς. Και θα προγραμματίσετε σε Python - μία απ τις δημοφιλέστερες γλώσσες παγκοσμίως και την ταχύτερα αυξανόμενη μεταξύ αυτών. Για περισσότερες λεπτομέρειες παρακαλούμε να διαβάσετε τον Πρόλογο: • 538 βιωματικά, ρεαλιστικά, παραδείγματα ζωντανού κώδικα σε αποσπάσματα και μελέτες περιπτώσεων 471 ασκήσεις και εργασίες • Aμεση ανάδραση με IPython, Τετράδια Jupyter και 557 ασκήσεις Αυτοεξέτασης • Εστιασμένο σε Βιβλιοθήκες: Χρησιμοποιήστε βιβλιοθήκες της Python και της επιστήμης δεδομένων προκειμένου να φέρετε εις πέρας σημαντικές εργασίες με ελάχιστο κώδικα • Πλούσια κάλυψη βασικών αρχών: Επίλυση προβλημάτων, ανάπτυξη αλγορίθμων, εντολές ελέγχου, συναρτήσεις. • Συλλογές: Λίστες, πλειάδες, λεξικά, σύνολα, NumPy array (πίνακες), pandas Series & Dataframe • 2D και 3D στατικές, δυναμικές και διαδραστικές απεικονίσεις • Συμβολοσειρές, αρχεία κειμένου, σειριοποίηση JSON, CSV εξαιρέσεις • Διαδικασιακός/συναρτησιακού ύφους/αντικειμενοστραφής προγραμματισμός • Εμπειρίες δεδομένων με σύνολα δεδομένων και πηγές δεδομένων του πραγματικού κόσμου • Ενότητες Εισαγωγής στην Επιστήμη Δεδομένων: Βασικά στατιστικά, προσομοίωση, κινούμενα γραφικά, τυχαίες μεταβλητές, προεπεξεργασία δεδομένων, παλινδρόμηση. • Ιδιωτικότητα, ασφάλεια, δεοντολογία, αναπαραγωγιμότητα, διαφάνεια. • Μελέτες περιπτώσεων ΑΙ, μαζικών δεδομένων και νέφους της επιστήμης δεδομένων: NLP, εξόρυξη δεδομένων Twitter, IBM Watson, μηχανική μάθηση, βαθιά μάθηση, μηχανική όραση, Hadoop, Spark, NoSQL, IoT. • Βιβλιοθήκες ανοικτού κώδικα: NumPy, pandas, Matplotlib, Seaborn, Folium, SciPy, NLTK, TextBlob, spaCy, Textatistic, Tweepy, scikit-learn, Keras, PubNub κ.ά. • Επικοινωνία με τους συγγραφείς στην deitel@deitel.com.
ΕΙΣΑΓΩΓΗ ΣΤΗΝ PYTHON ΓΙΑ ΤΙΣ ΕΠΙΣΤΗΜΕΣ ΥΠΟΛΟΓΙΣΤΩΝ ΚΑΙ ΔΕΔΟΜΕΝΩΝBKS.0012823BKS.0012823DEITEL HARVEY, DEITEL PAULDEITEL HARVEY, DEITEL PAULΠΛΗΡΟΦΟΡΙΚΗΚατηγορία: ΠΛΗΡΟΦΟΡΙΚΗ •DEITEL HARVEY, DEITEL PAUL στην κατηγορία ΠΛΗΡΟΦΟΡΙΚΗ ISBN: 978-960-512-744-2 Συγγραφέας: DEITEL HARVEY, DEITEL PAUL Εκδοτικός οίκος: ΓΚΙΟΥΡΔΑΣ Μ. Μετάφραση: ΤΡΟΧΑΝΗΣ ΑΡΙΣΤΟΝΟΥΣ Σελίδες: 912 Διαστάσεις: 17X24 Ημερομηνία Έκδοσης: Ιανουάριος 2021 Στο βιβλίο αυτό θα εκπαιδευθείτε βιωματικά με τις πιο συναρπαστικές, τεχνολογίες αιχμής της υπολογιστικής και, όπως θα δείτε, με ένα εύκολα ρυθμίσιμο μείγμα πληροφορικής και επιστήμης δεδομένων κατάλληλο για εισαγωγικά μαθήματα σε αυτούς και σε συναφείς τομείς. Και θα προγραμματίσετε σε Python - μία απ τις δημοφιλέστερες γλώσσες παγκοσμίως και την ταχύτερα αυξανόμενη μεταξύ αυτών. Για περισσότερες λεπτομέρειες παρακαλούμε να διαβάσετε τον Πρόλογο:• 538 βιωματικά, ρεαλιστικά, παραδείγματα ζωντανού κώδικα σε αποσπάσματα και μελέτες περιπτώσεων 471 ασκήσεις και εργασίες• Aμεση ανάδραση με IPython, Τετράδια Jupyter και 557 ασκήσεις Αυτοεξέτασης• Εστιασμένο σε Βιβλιοθήκες: Χρησιμοποιήστε βιβλιοθήκες της Python και της επιστήμης δεδομένων προκειμένου να φέρετε εις πέρας σημαντικές εργασίες με ελάχιστο κώδικα• Πλούσια κάλυψη βασικών αρχών: Επίλυση προβλημάτων, ανάπτυξη αλγορίθμων, εντολές ελέγχου, συναρτήσεις.• Συλλογές: Λίστες, πλειάδες, λεξικά, σύνολα, NumPy array (πίνακες), pandas Series & Dataframe• 2D και 3D στατικές, δυναμικές και διαδραστικές απεικονίσεις• Συμβολοσειρές, αρχεία κειμένου, σειριοποίηση JSON, CSV εξαιρέσεις• Διαδικασιακός/συναρτησιακού ύφους/αντικειμενοστραφής προγραμματισμός• Εμπειρίες δεδομένων με σύνολα δεδομένων και πηγές δεδομένων του πραγματικού κόσμου• Ενότητες Εισαγωγής στην Επιστήμη Δεδομένων: Βασικά στατιστικά, προσομοίωση, κινούμενα γραφικά, τυχαίες μεταβλητές, προεπεξεργασία δεδομένων, παλινδρόμηση.• Ιδιωτικότητα, ασφάλεια, δεοντολογία, αναπαραγωγιμότητα, διαφάνεια.• Μελέτες περιπτώσεων ΑΙ, μαζικών δεδομένων και νέφους της επιστήμης δεδομένων: NLP, εξόρυξη δεδομένων Twitter, IBM Watson, μηχανική μάθηση, βαθιά μάθηση, μηχανική όραση, Hadoop, Spark, NoSQL, IoT.• Βιβλιοθήκες ανοικτού κώδικα: NumPy, pandas, Matplotlib, Seaborn, Folium, SciPy, NLTK, TextBlob, spaCy, Textatistic, Tweepy, scikit-learn, Keras, PubNub κ.ά.• Επικοινωνία με τους συγγραφείς στην deitel@deitel.com. ΕΙΣΑΓΩΓΗ ΣΤΗΝ PYTHON ΓΙΑ ΤΙΣ ΕΠΙΣΤΗΜΕΣ ΥΠΟΛΟΓΙΣΤΩΝ ΚΑΙ ΔΕΔΟΜΕΝΩΝ
Η ιστοσελίδα χρησιμοποιεί cookies για την ευκολία της περιήγησης, την εξατομίκευση περιεχομένου και διαφημίσεων και την ανάλυση της επισκεψιμότητάς μας. Δείτε τους ανανεωμένους όρους χρήσης για την προστασία δεδομένων και τα cookies. ΠληροφορίεςΡυθμίσειςΑπόρριψηΑποδοχή
Αναγκαία-Λειτουργικότητας: Τα αναγκαία cookies είναι ουσιαστικής σημασίας για την ορθή λειτουργία της ιστοσελίδας μας επιτρέποντάς σας να κάνετε περιήγηση και να χρησιμοποιήσετε τις λειτουργίες της. Αυτά τα cookies δεν αναγνωρίζουν την ατομική σας ταυτότητα. Χωρίς αυτά τα cookies, δεν μπορούμε να προσφέρουμε αποτελεσματική λειτουργία της ιστοσελίδας μας.
Επιδόσεων: Τα cookies αυτά συλλέγουν πληροφορίες σχετικά με τον τρόπο που ανώνυμα οι επισκέπτες χρησιμοποιούν την ιστοσελίδα μας, για παράδειγμα, ποιές σελίδες έχουν τις πιο συχνές επισκέψεις.
Διαφήμισης: Αυτά τα cookies χρησιμοποιούνται για την παροχή περιεχομένου, που ταιριάζει περισσότερο στα ενδιαφέροντά σας. Μπορεί να χρησιμοποιηθούν για την αποστολή στοχευμένης διαφήμισης/προσφορών ή την μέτρηση αποτελεσματικότητας μιας διαφημιστικής καμπάνιας. Μπορεί να χρησιμοποιηθούν για να καθορίσουμε ποια ηλεκτρονικά κανάλια marketing είναι πιο αποτελεσματικά.
Αποθήκευση