Γραμμένο για προγραμματιστές με υπόβαθρο σε μία άλλη γλώσσα υψηλού επιπέδου, το βιβλίο αυτό χρησιμοποιεί οδηγίες από πρώτο χέρι για τη διδασκαλία των πλέον σύγχρονων και εξελιγμένων τεχνολογιών πληροφορικής και προγραμματισμού με Python - μία από τις δημοφιλέστερες και ταχύτατα αναπτυσσόμενες γλώσσες. Στα πλαίσια των 500+ παραδειγμάτων του πραγματικού κόσμου, από μεμονωμένα αποσπάσματα μέχρι 40 μεγάλα σενάρια και μελέτες περιπτώσεων πλήρους εφαρμογής, θα χρησιμοποιήσετε τον διαδραστικό διερμηνέα IPython με κώδικα σε Τετράδια Jupyter, ώστε να κατακτήσετε γρήγορα τα πιο σύγχρονα ιδιώματα κώδικα Python. Αφού καλύψετε τα Κεφάλαια 1-5 της Python και μερικά βασικά μέρη των Κεφαλαίων 6-7, θα είστε σε θέση να αντιμετωπίσετε σημαντικά τμήματα των βιωματικών εισαγωγικών μελετών περιπτώσεων ΑΙ στα Κεφάλαια 11-16, τα οποία περιέχουν πληθώρα έξυπνων, δυνατών, σύγχρονων παραδειγμάτων. Αυτά περιλαμβάνουν επεξεργασία φυσικής γλώσσας, εξόρυξη δεδομένων Twitter για ανάλυση συναισθήματος, γνωσιακή υπολογιστική με το IBM WatsonTM, επιτηρούμενη μηχανική μάθηση με ταξινόμηση και παλινδρόμηση, μη επιτηρούμενη μηχανική μάθηση με ομαδοποίηση, μηχανική όραση μέσω βαθιάς μάθησης και συνελικτικών νευρωνικών δικτύων, βαθιά μάθηση με αναδρομικά νευρωνικά δίκτυα, μαζικά δεδομένα με Hadoop, SparkTM και βάσεις δεδομένων NoSQL, το Διαδίκτυο των Αντικειμένων και άλλα. Θα εργασθείτε άμεσα ή έμμεσα με βασισμένες στο νέφος υπηρεσίες, περιλαμβανομένων των Twitter, Google TranslateTM, IBM Watson, Microsoft Azure, OpenMapQuest, PubNub και άλλων.
Χαρακτηριστικά
500+ βιωματικά, ρεαλιστικά, παραδείγματα ζωντανού κώδικα, από αποσπάσματα έως μελέτες περιπτώσεων
IPython + κώδικας σε Jupyter Notebooks
Εστιασμένο σε Βιβλιοθήκες: Χρησιμοποιεί την Πρότυπη Βιβλιοθήκη Python και βιβλιοθήκες της επιστήμης δεδομένων για να φέρει εις πέρας σημαντικές εργασίες με ελάχιστο κώδικα
Γραμμένο για προγραμματιστές με υπόβαθρο σε μία άλλη γλώσσα υψηλού επιπέδου, το βιβλίο αυτό χρησιμοποιεί οδηγίες από πρώτο χέρι για τη διδασκαλία των πλέον σύγχρονων και εξελιγμένων τεχνολογιών πληροφορικής και προγραμματισμού με Python - μία από τις δημοφιλέστερες και ταχύτατα αναπτυσσόμενες γλώσσες. Στα πλαίσια των 500+ παραδειγμάτων του πραγματικού κόσμου, από μεμονωμένα αποσπάσματα μέχρι 40 μεγάλα σενάρια και μελέτες περιπτώσεων πλήρους εφαρμογής, θα χρησιμοποιήσετε τον διαδραστικό διερμηνέα IPython με κώδικα σε Τετράδια Jupyter, ώστε να κατακτήσετε γρήγορα τα πιο σύγχρονα ιδιώματα κώδικα Python. Αφού καλύψετε τα Κεφάλαια 1-5 της Python και μερικά βασικά μέρη των Κεφαλαίων 6-7, θα είστε σε θέση να αντιμετωπίσετε σημαντικά τμήματα των βιωματικών εισαγωγικών μελετών περιπτώσεων ΑΙ στα Κεφάλαια 11-16, τα οποία περιέχουν πληθώρα έξυπνων, δυνατών, σύγχρονων παραδειγμάτων. Αυτά περιλαμβάνουν επεξεργασία φυσικής γλώσσας, εξόρυξη δεδομένων Twitter για ανάλυση συναισθήματος, γνωσιακή υπολογιστική με το IBM WatsonTM, επιτηρούμενη μηχανική μάθηση με ταξινόμηση και παλινδρόμηση, μη επιτηρούμενη μηχανική μάθηση με ομαδοποίηση, μηχανική όραση μέσω βαθιάς μάθησης και συνελικτικών νευρωνικών δικτύων, βαθιά μάθηση με αναδρομικά νευρωνικά δίκτυα, μαζικά δεδομένα με Hadoop, SparkTM και βάσεις δεδομένων NoSQL, το Διαδίκτυο των Αντικειμένων και άλλα. Θα εργασθείτε άμεσα ή έμμεσα με βασισμένες στο νέφος υπηρεσίες, περιλαμβανομένων των Twitter, Google TranslateTM, IBM Watson, Microsoft Azure, OpenMapQuest, PubNub και άλλων.
Χαρακτηριστικά • 500+ βιωματικά, ρεαλιστικά, παραδείγματα ζωντανού κώδικα, από αποσπάσματα έως μελέτες περιπτώσεων • IPython + κώδικας σε Jupyter Notebooks • Εστιασμένο σε Βιβλιοθήκες: Χρησιμοποιεί την Πρότυπη Βιβλιοθήκη Python και βιβλιοθήκες της επιστήμης δεδομένων για να φέρει εις πέρας σημαντικές εργασίες με ελάχιστο κώδικα • Πλούσια κάλυψη Python: Εντολές ελέγχου, συναρτήσεις, συμβολοσειρές, αρχεία, σειριοποίηση JSON, CSV, εξαιρέσεις • Διαδικασιακός, συναρτησιακού ύφους και αντικειμενοστραφής προγραμματισμός • Συλλογές: Λίστες, πλειάδες, λεξικά, σύνολα, NumPy array (πίνακες), pandas Series & Dataframe • Στατικές, δυναμικές και διαδραστικές απεικονίσεις • Εμπειρίες δεδομένων με σύνολα δεδομένων και πηγές δεδομένων του πραγματικού κόσμου • Ενότητες Εισαγωγής στην Επιστήμη Δεδομένων: ΑΙ, βασικά στατιστικά, προσομοίωση, κινούμενα γραφικά, τυχαίες μεταβλητές, προεπεξεργασία δεδομένων, παλινδρόμηση • Μελέτες περιπτώσεων ΑΙ, μαζικών δεδομένων και νέφους της επιστήμης δεδομένων: NLP, εξόρυξη δεδομένων Twitter, IBM WatsonTM, μηχανική μάθηση, βαθιά μάθηση, μηχανική όραση, Hadoop, SparkTM, NoSQL, IoT • Βιβλιοθήκες ανοικτού κώδικα: NumPy, pandas, Matplotlib, Seaborn, Folium, SciPy, NLTK, TextBlob, spaCy, Textatistic, Tweepy, scikit-learn, Keras και άλλες.
PYTHON ΓΙΑ ΠΡΟΓΡΑΜΜΑΤΙΣΤΕΣBKS.0012822BKS.0012822DEITEL HARVEY, DEITEL PAULDEITEL HARVEY, DEITEL PAULΠΛΗΡΟΦΟΡΙΚΗΚατηγορία: ΠΛΗΡΟΦΟΡΙΚΗ •DEITEL HARVEY, DEITEL PAUL στην κατηγορία ΠΛΗΡΟΦΟΡΙΚΗ ISBN: 978-960-512-718-3 Συγγραφέας: DEITEL HARVEY, DEITEL PAUL Εκδοτικός οίκος: ΓΚΙΟΥΡΔΑΣ Μ. Μετάφραση: ΤΡΟΧΑΝΗΣ ΑΡΙΣΤΟΝΟΥΣ Σελίδες: 656 Διαστάσεις: 17X24 Ημερομηνία Έκδοσης: Σεπτέμβριος 2020 Γραμμένο για προγραμματιστές με υπόβαθρο σε μία άλλη γλώσσα υψηλού επιπέδου, το βιβλίο αυτό χρησιμοποιεί οδηγίες από πρώτο χέρι για τη διδασκαλία των πλέον σύγχρονων και εξελιγμένων τεχνολογιών πληροφορικής και προγραμματισμού με Python - μία από τις δημοφιλέστερες και ταχύτατα αναπτυσσόμενες γλώσσες. Στα πλαίσια των 500+ παραδειγμάτων του πραγματικού κόσμου, από μεμονωμένα αποσπάσματα μέχρι 40 μεγάλα σενάρια και μελέτες περιπτώσεων πλήρους εφαρμογής, θα χρησιμοποιήσετε τον διαδραστικό διερμηνέα IPython με κώδικα σε Τετράδια Jupyter, ώστε να κατακτήσετε γρήγορα τα πιο σύγχρονα ιδιώματα κώδικα Python. Αφού καλύψετε τα Κεφάλαια 1-5 της Python και μερικά βασικά μέρη των Κεφαλαίων 6-7, θα είστε σε θέση να αντιμετωπίσετε σημαντικά τμήματα των βιωματικών εισαγωγικών μελετών περιπτώσεων ΑΙ στα Κεφάλαια 11-16, τα οποία περιέχουν πληθώρα έξυπνων, δυνατών, σύγχρονων παραδειγμάτων. Αυτά περιλαμβάνουν επεξεργασία φυσικής γλώσσας, εξόρυξη δεδομένων Twitter για ανάλυση συναισθήματος, γνωσιακή υπολογιστική με το IBM WatsonTM, επιτηρούμενη μηχανική μάθηση με ταξινόμηση και παλινδρόμηση, μη επιτηρούμενη μηχανική μάθηση με ομαδοποίηση, μηχανική όραση μέσω βαθιάς μάθησης και συνελικτικών νευρωνικών δικτύων, βαθιά μάθηση με αναδρομικά νευρωνικά δίκτυα, μαζικά δεδομένα με Hadoop, SparkTM και βάσεις δεδομένων NoSQL, το Διαδίκτυο των Αντικειμένων και άλλα. Θα εργασθείτε άμεσα ή έμμεσα με βασισμένες στο νέφος υπηρεσίες, περιλαμβανομένων των Twitter, Google TranslateTM, IBM Watson, Microsoft Azure, OpenMapQuest, PubNub και άλλων. Χαρακτηριστικά• 500+ βιωματικά, ρεαλιστικά, παραδείγματα ζωντανού κώδικα, από αποσπάσματα έως μελέτες περιπτώσεων• IPython + κώδικας σε Jupyter Notebooks• Εστιασμένο σε Βιβλιοθήκες: Χρησιμοποιεί την Πρότυπη Βιβλιοθήκη Python και βιβλιοθήκες της επιστήμης δεδομένων για να φέρει εις πέρας σημαντικές εργασίες με ελάχιστο κώδικα• Πλούσια κάλυψη Python: Εντολές ελέγχου, συναρτήσεις, συμβολοσειρές, αρχεία, σειριοποίηση JSON, CSV, εξαιρέσεις• Διαδικασιακός, συναρτησιακού ύφους και αντικειμενοστραφής προγραμματισμός• Συλλογές: Λίστες, πλειάδες, λεξικά, σύνολα, NumPy array (πίνακες), pandas Series & Dataframe• Στατικές, δυναμικές και διαδραστικές απεικονίσεις• Εμπειρίες δεδομένων με σύνολα δεδομένων και πηγές δεδομένων του πραγματικού κόσμου• Ενότητες Εισαγωγής στην Επιστήμη Δεδομένων: ΑΙ, βασικά στατιστικά, προσομοίωση, κινούμενα γραφικά, τυχαίες μεταβλητές, προεπεξεργασία δεδομένων, παλινδρόμηση• Μελέτες περιπτώσεων ΑΙ, μαζικών δεδομένων και νέφους της επιστήμης δεδομένων: NLP, εξόρυξη δεδομένων Twitter, IBM WatsonTM, μηχανική μάθηση, βαθιά μάθηση, μηχανική όραση, Hadoop, SparkTM, NoSQL, IoT• Βιβλιοθήκες ανοικτού κώδικα: NumPy, pandas, Matplotlib, Seaborn, Folium, SciPy, NLTK, TextBlob, spaCy, Textatistic, Tweepy, scikit-learn, Keras και άλλες. PYTHON ΓΙΑ ΠΡΟΓΡΑΜΜΑΤΙΣΤΕΣ
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