Python Tools for Visual Studio. Leverage the power of the Visual Studio IDE to develop better and more efficient Python projects

Martino A Sabia, Jia Shuan Cathy Wang

Python. Uczenie maszynowe

Sebastian Raschka

Sprawdź drugie wydanie tej książki >> --- Uczenie maszynowe, zajmujące się algorytmami analizującymi dane, stanowi chyba najciekawszą dziedzinę informatyki. W czasach, w których generuje się olbrzymie ilości danych, samouczące się algorytmy maszynowe stanowią wyjątkową metodę przekształcania tych danych w wiedzę. W ten sposób powstało wiele innowacyjnych technologii, a możliwości uczenia maszynowego są coraz większe. Nieocenioną pomoc w rozwijaniu tej dziedziny stanowią liczne nowe biblioteki open source, które pozwalają na budowanie algorytmów w języku Python, będącym ulubionym, potężnym i przystępnym narzędziem naukowców i analityków danych. Niniejsza książka jest lekturą obowiązkową dla każdego, kto chce rozwinąć swoją wiedzę o danych naukowych i zamierza w tym celu wykorzystać język Python. Przystępnie opisano tu teoretyczne podstawy dziedziny i przedstawiono wyczerpujące informacje o działaniu algorytmów uczenia maszynowego, sposobach ich wykorzystania oraz metodach unikania poważnych błędów. Zaprezentowano również biblioteki Theano i Keras, sposoby przewidywania wyników docelowych za pomocą analizy regresywnej oraz techniki wykrywania ukrytych wzorców metodą analizy skupień. Nie zabrakło opisu technik przetwarzania wstępnego i zasad oceny modeli uczenia maszynowego. W tej książce: podstawowe rodzaje uczenia maszynowego i ich zastosowanie, biblioteka scikit-learn i klasyfikatory uczenia maszynowego, wydajne łączenie różnych algorytmów uczących, analiza sentymentów — przewidywanie opinii osób na podstawie sposobu pisania, praca z nieoznakowanymi danymi — uczenie nienadzorowane, tworzenie i trenowanie sieci neuronowych. Uczenie maszynowe — odkryj wiedzę, którą niosą dane!

Python. Uczenie maszynowe w przykładach. TensorFlow 2, PyTorch i scikit-learn. Wydanie III

Yuxi (Hayden) Liu

Systemy oparte na uczeniu maszynowym są coraz bardziej wyrafinowane. Spośród wielu narzędzi służących do implementacji algorytmów uczenia maszynowego najpopularniejszy okazał się Python wraz z jego bibliotekami. Znajomość tych narzędzi umożliwia sprawne tworzenie systemów uczących się, jednak uzyskanie spektakularnych wyników wymaga doświadczenia i wprawy. Konieczne są więc ćwiczenia i praktyka w samodzielnym rozwiązywaniu problemów. To trzecie wydanie popularnego podręcznika, który ułatwi Ci zdobycie praktycznej wiedzy o uczeniu maszynowym w Pythonie. Zapoznasz się z różnymi technikami implementacji algorytmów uczenia maszynowego. Przeanalizujesz rzeczywiste przykłady techniki eksploracyjnej analizy danych, inżynierii cech, klasyfikacji danych, regresji, klastrowania i przetwarzania języka naturalnego. To wydanie uzupełniono o najnowsze zagadnienia ważne dla biznesu, takie jak tworzenie systemu rekomendacji, rozpoznawanie twarzy, prognozowanie cen akcji, klasyfikowanie zdjęć, prognozowanie sekwencji danych i zastosowanie uczenia przez wzmacnianie w podejmowaniu decyzji. Dzięki książce poznasz omawiane zagadnienia od strony praktycznej i zdobędziesz wiedzę potrzebną do skutecznego rozwiązywania problemów z systemami uczącymi się. W książce między innymi: gruntowne podstawy uczenia maszynowego i nauki o danych techniki eksploracji i analizy danych za pomocą kodu Pythona trenowanie modeli za pomocą Apache Spark przetwarzanie języka naturalnego przy użyciu bibliotek Pythona praktyczne wdrażanie modeli i algorytmów uczenia maszynowego korzystanie z bibliotek Pythona: TensorFlow 2, PyTorch i scikit-learn Wypróbuj najlepsze praktyki uczenia maszynowego z Pythonem!

Python. Uczenie maszynowe. Wydanie II

Sebastian Raschka, Vahid Mirjalili

Uczenie maszynowe jest wyjątkowo fascynującą dziedziną inżynierii. Coraz częściej spotykamy się z praktycznym wykorzystaniem tego rodzaju innowacyjnych technologii. Samouczące algorytmy maszynowe pozwalają na uzyskiwanie wiedzy z ogromnych ilości danych. Dla osoby planującej rozwój kariery osiągnięcie biegłości w rozwiązywaniu problemów uczenia maszynowego jest nadzwyczaj atrakcyjną ścieżką. Użycie do tego celu Pythona pozwala dodatkowo skorzystać z bardzo przystępnego, wszechstronnego i potężnego narzędzia przeznaczonego do analizowania danych naukowych. Ta książka jest drugim, wzbogaconym i zaktualizowanym wydaniem znakomitego podręcznika do nauki o danych. Wyczerpująco opisano tu teoretyczne podwaliny uczenia maszynowego. Sporo uwagi poświęcono działaniu algorytmów uczenia głębokiego, sposobom ich wykorzystania oraz metodom unikania istotnych błędów. Dodano rozdziały prezentujące zaawansowane informacje o sieciach neuronowych: o sieciach splotowych, służących do rozpoznawania obrazów, oraz o sieciach rekurencyjnych, znakomicie nadających się do pracy z danymi sekwencyjnymi i danymi szeregów czasowych. Poszczególne zagadnienia zostały zilustrowane praktycznymi przykładami kodu napisanego w Pythonie, co ułatwi bezpośrednie zapoznanie się z tematyką uczenia maszynowego. W tej książce: struktury używane w analizie danych, uczeniu maszynowym i uczeniu głębokim metody uczenia sieci neuronowych implementowanie głębokich sieci neuronowych analiza sentymentów i analiza regresywna przetwarzanie obrazów i danych tekstowych najwartościowsze biblioteki Pythona przydatne w uczeniu maszynowym Uczenie maszynowe: oto droga do wiedzy ukrytej w oceanie danych!

Python. Uczymy się programowania

Ana Bell

Programowanie wielu ludziom kojarzy się z czymś niewiarygodnie skomplikowanym i zarezerwowanym tylko dla profesjonalistów. Tymczasem jest to umiejętność, którą można porównać do pisania, liczenia czy gotowania. Niezależnie od tego, że na świecie istnieją pisarze tworzący bestsellery, światowej sławy matematycy czy mistrzowie kuchni, ich umiejętności można wykorzystywać na co dzień do napisania listu, sprawdzenia domowych wydatków czy ugotowania zdrowego posiłku. Analogicznie każdy może nauczyć się programowania i zacząć pisać kod, który pomoże mu w rozwiązywaniu codziennych, drobnych problemów. Idealnie, jeśli naukę zaczniesz właśnie od Pythona! Dzięki tej książce szybko się przekonasz, że programowanie nie jest wiedzą tajemną, a całkiem praktyczną umiejętnością, która dodatkowo może dać sporo satysfakcji. Znajdziesz tu przystępnie podane podstawy programowania w Pythonie - zamiast rozbudowanej teorii mnóstwo ćwiczeń do samodzielnego wykonania wraz ze szczegółowymi instrukcjami i wskazówkami. Książka składa się z 38 dobrze zaplanowanych lekcji oraz 7 interesujących projektów. Dzięki przejrzystym ilustracjom, ćwiczeniom weryfikującym stopień zrozumienia lekcji oraz wskazówkom co do dalszej pracy wkrótce zaczniesz myśleć jak programista. W efekcie będziesz mógł dalej rozwijać swoje umiejętności z Pythonem lub wybrać jakiś inny język programowania - a może wykorzystasz nowe kompetencje do stworzenia czegoś zupełnie innego? Dzięki tej książce: przygotujesz środowisko pracy i zaprojektujesz strukturę programu zaczniesz posługiwać się instrukcjami, pętlami, zmiennymi, obiektami zrozumiesz, jak działają funkcje przetestujesz i zdebugujesz swój kod nauczysz się korzystać z bibliotek a przede wszystkim zaczniesz myśleć jak programista! Nie musisz być zawodowym programistą, by zabawić się z Pythonem!

Python Unlocked. Become more fluent in Python—learn strategies and techniques for smart and high-performance Python programming

Python is a versatile programming language that can be used for a wide range of technical tasks—computation, statistics, data analysis, game development, and more. Though Python is easy to learn, it’s range of features means there are many aspects of it that even experienced Python developers don’t know about. Even if you’re confident with the basics, its logic and syntax, by digging deeper you can work much more effectively with Python – and get more from the language.Python Unlocked walks you through the most effective techniques and best practices for high performance Python programming - showing you how to make the most of the Python language. You’ll get to know objects and functions inside and out, and will learn how to use them to your advantage in your programming projects. You will also find out how to work with a range of design patterns including abstract factory, singleton, strategy pattern, all of which will help make programming with Python much more efficient. Finally, as the process of writing a program is never complete without testing it, you will learn to test threaded applications and run parallel tests. If you want the edge when it comes to Python, use this book to unlock the secrets of smarter Python programming.

Python w analizie danych. Przetwarzanie danych za pomocą pakietów Pandas i NumPy oraz środowiska IPython. Wydanie II

Wes McKinney

Analiza danych stała się samodzielną dyscypliną wiedzy interesującą specjalistów z wielu branż: analityków biznesowych, statystyków, architektów oprogramowania czy też osoby zajmujące się sztuczną inteligencją. Wydobywanie informacji ze zbiorów danych pozwala na uzyskanie wiedzy niedostępnej w inny sposób. W tym celu dane trzeba odpowiednio przygotować, oczyścić, przetworzyć i oczywiście poddać analizie. Warto również zadbać o ich wizualizację. Do tych wszystkich zadań najlepiej wykorzystać specjalne narzędzia opracowane w języku Python. Prezentowana książka jest drugim, zaktualizowanym i uzupełnionym, wydaniem klasycznego podręcznika napisanego z myślą o analitykach, którzy dotychczas nie pracowali w Pythonie, oraz o programistach Pythona, którzy nie zajmowali się dotąd analizą danych ani obliczeniami naukowymi. Przedstawiono tu możliwości oferowane przez Pythona 3.6 oraz najnowsze funkcje pakietów Pandas i NumPy, a także środowisk IPython i Jupyter. Przy opisie poszczególnych narzędzi analitycznych wyjaśniono ich działanie i zaprezentowano przykłady ich wykorzystania w sposób efektywny i kreatywny. Ta książka powinna się znaleźć w podręcznej bibliotece każdego analityka danych! Najważniejsze zagadnienia: Eksploracja danych za pomocą powłoki IPython i środowiska Jupyter Korzystanie z pakietów NumPy i Pandas Tworzenie wizualizacji danych za pomocą pakietu Matplotlib Praca z danymi regularnych i nieregularnych szeregów czasowych Rozwiązywanie rzeczywistych problemów analitycznych Python: poznaj idealne narzędzie do analizy danych!

Python w analizie danych. Przetwarzanie danych za pomocą pakietów pandas i NumPy oraz środowiska Jupyter. Wydanie III

Wes McKinney

Wprawny analityk danych potrafi z nich uzyskać wiedzę ułatwiającą podejmowanie trafnych decyzji. Od kilku lat można do tego używać nowoczesnych narzędzi Pythona, które zbudowano specjalnie do tego celu. Praca z nimi nie wymaga głębokiej znajomości statystyki czy algebry. Aby cieszyć się uzyskanymi rezultatami, wystarczy się wprawić w stosowaniu kilku pakietów i środowisk Pythona. Ta książka jest trzecim, starannie zaktualizowanym wydaniem wyczerpującego przewodnika po narzędziach analitycznych Pythona. Uwzględnia Pythona 3.0 i bibliotekę pandas 1.4. Została napisana w przystępny sposób, a poszczególne zagadnienia bogato zilustrowano przykładami, studiami rzeczywistych przypadków i fragmentami kodu. W trakcie lektury nauczysz się korzystać z możliwości oferowanych przez pakiety pandas i NumPy, a także środowiska IPython i Jupyter. Nie zabrakło wskazówek dotyczących używania uniwersalnych narzędzi przeznaczonych do ładowania, czyszczenia, przekształcania i łączenia zbiorów danych. Pozycję docenią analitycy zamierzający zacząć pracę w Pythonie, jak również programiści Pythona, którzy chcą się zająć analizą danych i obliczeniami naukowymi. Dzięki książce nauczysz się: eksplorować dane za pomocą powłoki IPython i środowiska Jupyter korzystać z funkcji pakietów NumPy i pandas używać pakietu matplotlib do tworzenia czytelnych wizualizacji analizować i przetwarzać dane regularnych i nieregularne szeregi czasowe rozwiązywać rzeczywiste problemy analityczne Wes McKinney zaktualizował swoją książkę, aby była podstawowym źródłem informacji o wszystkich zagadnieniach związanych z analizą danych przy użyciu języka Python i biblioteki pandas. Gorąco polecam tę pozycję! Paul Barry, wykładowca i autor książek

Python w pigułce. Podręczny przewodnik po wersjach 3.10 i 3.11

Alex Martelli, Anna Martelli Ravenscroft, Steve Holden, Paul McGuire

Język Python został ostatnio sklasyfikowany w indeksie TIOBE jako najpopularniejszy obecnie język programowania, co zawdzięcza szerokim możliwościom stosowania go w projektowaniu, prototypowaniu, testach, wdrażaniu i konserwacji oprogramowania. To zaktualizowane i rozszerzone czwarte wydanie pokazuje, jak najlepiej używać Pythona, niezależnie od tego, czy jesteś profesjonalnym programistą, czy też chcesz użyć tego języka do rozwiązywania problemów w konkretnej dziedzinie. Nowe wydanie, starannie przygotowane przez uznawanych ekspertów dziedzinowych, skupia się na wersji 3.10, zapewniając pełną aktualność tej kluczowej pozycji dla pięciu ostatnich wersji języka, od 3.7 po niedawno wydaną wersję 3.11. Ten podręczny przewodnik pozwoli ci: - Nauczyć się tego, jak Python reprezentuje dane i sam program jako obiekty - Zrozumieć przydatnośc i zastosowania adnotacji typów - Dowiedzieć się, które funkcje języka pojawiły się w niedawnych wersjach i w której - Opanować idiomatyczne posługiwanie się nowoczesnym Pythonem - Poznać sposoby właściwego strukturyzowania projektów w Pythonie - Nauczyć się testować, debugować i optymalizować kod Pythona "Pogłębiony, zaktualizowany, przejrzysty i użyteczny opis języka Python. Doskonałe kompendium z wieloma spostrzeżeniami i poradami, które zaspokoi każdego, od średniozaawansowanych po ekspertów". -Mark Summerfield Dyrektor Qtrac Ltd. Cała czwórka autorów to członkowie Python Software Foundations, zaś troje z nich to zdobywcy Frank Willison Memorial Award. Są powszechnie uznawani za swój wkład w Pythona i jego społeczność. Ich łączne doświadczenie obejmuje najrozmaitsze środowiska i platformy, od akademickich, poprzez startupy, aż po międzynarodowe korporacje i instytucje rządowe. Wspólnie opracowali autorytatywny podręcznik składni i funkcjonalności języka Python, biblioteki standardowej oraz wybranych innych pakietów.

Python w uczeniu maszynowym

Matthew Kirk

Ten praktyczny przewodnik pozwoli osiągnąć biegłość w stosowaniu uczenia maszynowego w codziennej pracy. Autor, Matthew Kirk, bez akademickich rozważań pokazuje, jak integrować i testować algorytmy uczenia maszynowego w swoim kodzie. Książka przedstawia wykorzystanie testów z użyciem bibliotek naukowych NumPy, Pandas, Scikit-Learn oraz SciPy dla języka Python, ilustrując je licznymi wykresami oraz przykładami kodu. Książka ta pomoże programistom i analitykom biznesowym zainteresowanym badaniem danych w: Zapoznaniu się z rzeczywistymi przykładami testowania poszczególnych algorytmów poprzez zajmujące ćwiczenia praktyczne. Stosowaniu programowania sterowanego testami do pisania i uruchamiania testów przed rozpoczęciem kodowania. Badaniu technik poprawiających nasze modele uczenia maszynowego poprzez wydobywanie danych i opracowywanie funkcjonalności. Zwracaniu uwagi na ryzyka związane z uczeniem maszynowym takie jak niedopasowanie danych. Pracy z algorytmem K najbliższych sąsiadów, sieciami neuronowymi, klastrami i innymi technikami. Matthew Kirk jest konsultantem, autorem i międzynarodowym prelegentem, specjalizującym się w uczeniu maszynowym i analizie danych z wykorzystaniem języków Ruby i Python. Mieszka w Seattle i lubi pomagać innym programistom w integrowaniu analizy danych ze stosowanymi przez nich technologiami. Więcej zasobów dotyczących uczenia maszynowego można znaleźć pod adresem www.matthewkirk.com.

Python w zadaniach. Programowanie dla młodzieży. Poziom podstawowy

Urszula Wiejak, Adrian Wojciechowski

Opanuj Pythona od strony praktycznej! Poznaj konstrukcje języka Python Naucz się stosować je w praktyce Wykorzystaj standardowe biblioteki Rozwiąż 139 zadań i sprawdź swoje rozwiązania Python to bardzo popularny, wydajny i elastyczny język programowania ogólnego przeznaczenia, którego prosta, czytelna i zwięzła składnia zdobyła uznanie rzesz programistów na całym świecie. Duże możliwości, przenośność kodu, możliwość pisania skryptów - wszystko to sprawia, że Python znajduje zastosowanie w najróżniejszych dziedzinach i wspiera rozwój wielu popularnych serwisów internetowych. Bez wątpienia warto się go nauczyć! Jeśli chcesz poznać ten język, jesteś na dobrej drodze! Książka omawia najważniejsze elementy programowania w Pythonie. Co ważne, wiedza została usystematyzowana w formie konkretnych zadań do wykonania. Poznasz dzięki nim typy danych i składnię języka, dowiesz się, jak debugować programy, nauczysz się korzystać z funkcji oferowanych przez biblioteki i opanujesz podstawy tworzenia graficznych interfejsów użytkownika. To podręcznik przeznaczony dla młodzieży, ale doskonale sprawdzi się również w przypadku osób dorosłych, które rozpoczynają przygodę z programowaniem. Instalowanie oraz konfigurowanie środowiska i niezbędnych narzędzi Podstawowe informacje na temat języka i programowania Typy danych, zmienne proste i tablicowe Operatory, instrukcje warunkowe oraz instrukcje pętli Operacje wejścia-wyjścia w konsoli i na plikach Biblioteki graficzne, dźwiękowe i wideo Korzystanie z funkcji wbudowanych i tworzenie własnych Programowanie obiektowe, obsługa wątków i wyjątków Tworzenie graficznych interfejsów użytkownika Zadania do samodzielnego wykonania i praktyczny projekt gry Poznaj Pythona, rozwiązuj zadania, zostań programistą!

Python Web Development with Sanic. An in-depth guide for Python web developers to improve the speed and scalability of web applications

Adam Hopkins

Today’s developers need something more powerful and customizable when it comes to web app development. They require effective tools to build something unique to meet their specific needs, and not simply glue a bunch of things together built by others. This is where Sanic comes into the picture. Built to be unopinionated and scalable, Sanic is a next-generation Python framework and server tuned for high performance.This Sanic guide starts by helping you understand Sanic’s purpose, significance, and use cases. You’ll learn how to spot different issues when building web applications, and how to choose, create, and adapt the right solution to meet your requirements. As you progress, you’ll understand how to use listeners, middleware, and background tasks to customize your application. The book will also take you through real-world examples, so you will walk away with practical knowledge and not just code snippets.By the end of this web development book, you’ll have gained the knowledge you need to design, build, and deploy high-performance, scalable, and maintainable web applications with the Sanic framework.

Python Web Penetration Testing Cookbook. Over 60 indispensable Python recipes to ensure you always have the right code on hand for web application testing

Benjamin May, Cameron Buchanan, Andrew Mabbitt, Dave Mound, ...

Python Web Scraping Cookbook. Over 90 proven recipes to get you scraping with Python, microservices, Docker, and AWS

Michael Heydt

Python Web Scraping Cookbook is a solution-focused book that will teach you techniques to develop high-performance scrapers and deal with crawlers, sitemaps, forms automation, Ajax-based sites, caches, and more. You'll explore a number of real-world scenarios where every part of the development/product life cycle will be fully covered. You will not only develop the skills needed to design and develop reliable performance data flows, but also deploy your codebase to AWS. If you are involved in software engineering, product development, or data mining (or are interested in building data-driven products), you will find this book useful as each recipe has a clear purpose and objective. Right from extracting data from the websites to writing a sophisticated web crawler, the book's independent recipes will be a godsend. This book covers Python libraries, requests, and BeautifulSoup. You will learn about crawling, web spidering, working with Ajax websites, paginated items, and more. You will also learn to tackle problems such as 403 errors, working with proxy, scraping images, and LXML.By the end of this book, you will be able to scrape websites more efficiently and able todeploy and operate your scraper in the cloud.

Python Web Scraping. Hands-on data scraping and crawling using PyQT, Selnium, HTML and Python - Second Edition

Katharine Jarmul

The Internet contains the most useful set of data ever assembled, most of which is publicly accessible for free. However, this data is not easily usable. It is embedded within the structure and style of websites and needs to be carefully extracted. Web scraping is becoming increasingly useful as a means to gather and make sense of the wealth of information available online.This book is the ultimate guide to using the latest features of Python 3.x to scrape data from websites. In the early chapters, you'll see how to extract data from static web pages. You'll learn to use caching with databases and files to save time and manage the load on servers. Aftercovering the basics, you'll get hands-on practice building a more sophisticated crawler using browsers, crawlers, and concurrent scrapers.You'll determine when and how to scrape data from a JavaScript-dependent website using PyQt and Selenium. You'll get a better understanding of how to submit forms on complex websites protected by CAPTCHA. You'll find out how to automate these actions with Python packages such as mechanize. You'll also learn how to create class-based scrapers with Scrapy libraries and implement your learning on real websites.By the end of the book, you will have explored testing websites with scrapers, remote scraping, best practices, working with images, and many other relevant topics.

Python. Wprowadzenie. Wydanie V

Mark Lutz

Python jest wieloparadygmatowym, wszechstronnym językiem programowania, zoptymalizowanym pod kątem efektywności pracy, czytelności kodu i jakości oprogramowania. Jego popularność rośnie, co wynika z wielości i różnorodności zastosowań oraz z tego, że jest darmowy i łatwo przenośny, można się go szybko nauczyć, a tworzenie kodu Pythona sprawia sporo przyjemności. Wszystkie te cechy dają zespołom deweloperskim strategiczną przewagę w dużych i małych projektach. Aby wykorzystać zalety Pythona, konieczne jest zdobycie solidnych podstaw tego języka, a następnie dogłębne zrozumienie bardziej zaawansowanych koncepcji i porządne ich przećwiczenie podczas pisania własnego kodu. To kompleksowy podręcznik do nauki programowania w Pythonie. Jego piąte wydanie zostało gruntownie zaktualizowane i rozbudowane o dodatkowe treści. Omówiono tu najnowsze wersje Pythona w liniach 3.X i 2.X, czyli 3.3 i 2.7, i dodano opisy nowych lub rozszerzonych mechanizmów, takich jak obsługa formatu JSON, moduł timeit, pakiet PyPy, metoda os.popen, generatory, rekurencje, słabe referencje, atrybuty i metody __mro__, __iter__, super, __slots__, metaklasy, deskryptory, funkcja random, pakiet Sphinx i wiele innych. W książce znalazło się mnóstwo ćwiczeń, quizów, pomocnych ilustracji oraz przykładów kodu. Jest to kompendium dla każdego, kto chce szybko zacząć programować w Pythonie i tworzyć wydajny kod o wysokiej jakości. W tej książce przedstawiono między innymi: składnię Pythona i koncepcje związane z iteracjami dokładny opis ważniejszych wbudowanych typów obiektów i ich możliwości struktury programistyczne wyższego poziomu programowanie funkcyjne i programowanie zorientowane obiektowo zaawansowane zagadnienia dla profesjonalistów Już dziś zacznij pisać znakomity kod w Pythonie!