Web Scraping with Python. Successfully scrape data from any website with the power of Python

Richard Penman

Wielkie umysły programowania. Jak myślą i pracują twórcy najważniejszych języków

Federico Biancuzzi, Shane Warden

Poznaj z bliska największe autorytety świata informatyki! Jak powstają języki programowania? Jaka jest ich przyszłość? Jak szybko nauczyć się takiego języka? Droga od pomysłu do gotowej aplikacji jest długa i kręta. Najprawdopodobniej jednym z najdłuższych jej odcinków jest ten poświęcony na programowanie. Sztab ludzi, wiele języków programowania, technologii i narzędzi. Dzięki świetnej znajomości tych narzędzi powstają coraz nowsze, bardziej niezawodne aplikacje. Ale skąd biorą się języki programowania? Jak powstają i kto za tym stoi? Na półce księgarni znajdziesz tysiące książek poświęconych językom programowania - i tylko tą jedną, która odpowiada na pytanie, co było na początku. Książka stanowi zbiór wywiadów z twórcami najbardziej znanych i najpopularniejszych języków. W trakcie pasjonującej lektury dowiesz się, co kierowało ludźmi, którzy postanowili stworzyć nowy język programowania, jakie mieli problemy, jak oceniają swoje dzieła z perspektywy czasu i jaką wróżą im przyszłość. Lektura tego tomu to niezwykła podróż przez historię informatyki w niesamowitym wydaniu. W książce znajdziesz wywiady z autorami takich języków, jak: C++ Python APL Forth BASIC AWK Lua Haskell ML SQL Java C# Perl Inspirująca i pouczająca podróż przez historię informatyki!

Wysoko wydajny Python. Efektywne programowanie w praktyce. Wydanie II

Micha Gorelick, Ian Ozsvald

Python jest językiem łatwym do opanowania i przyjemnym dla programisty. Jednak łatwość projektowania nie przekłada się na szybkość działania kodu. W konsekwencji przetwarzanie dużych wolumenów danych czy próba skalowania aplikacji kończą się problemami z wydajnością lub niezawodnością. Niekiedy rozwiązaniem jest zastosowanie procesów szeregowych, w innych przypadkach warto sięgnąć do architektury wielordzeniowej, klastrów lub układów GPU. Relatywnie często okazuje się, że dobre wyniki uzyskuje się w efekcie takiego zmodyfikowania technik kodowania, aby przy wykorzystaniu potencjału Pythona stosować sprawdzone metody poprawy wydajności kodu. Dzięki drugiemu, poszerzonemu i zaktualizowanemu wydaniu tej książki zdobędziesz wszechstronną wiedzę o czynnikach wpływających na wydajność kodu. Dowiesz się, jakie procesy zachodzą w tle komputera, na jakich zasadach odbywa się przydzielanie pamięci, oraz zyskasz nowe spojrzenie na proces kompilacji do postaci kodu maszynowego. Zapoznasz się z zagadnieniem współbieżności i obliczeń klastrowych. Zaczniesz swobodnie posługiwać się najlepszymi narzędziami Pythona, takimi jak NumPy czy moduł multiprocessing. Z pewnością docenisz techniki zapewniające korzystanie z minimum zasobów, takich jak czas procesora czy pamięć RAM. Opisane tu zagadnienia zilustrowano przykładami kodu oraz poradami najlepszych specjalistów z branży. W książce: narzędzia NumPy, Cython i Docker znajdowanie wąskich gardeł związanych z wykorzystaniem czasu procesora i pamięci wydajność kodu a odpowiednie struktury danych przyspieszanie obliczeń opartych na macierzach i wektorach zarządzanie wieloma operacjami obliczeniowymi i wejścia-wyjścia przetwarzanie współbieżne i uruchamianie kodu w klastrze Programowanie w Pythonie: przede wszystkim wydajność i niezawodność!

Zaawansowana analiza danych. Jak przejść z arkuszy Excela do Pythona i R

George Mount

Sukces przedsiębiorstwa zależy od jakości podejmowanych decyzji. Spośród strategii, które wspierają ten proces, na szczególną uwagę zasługuje zastosowanie analizy danych. Jest to jednak dość złożona dziedzina. Podstawowym narzędziem wielu analityków danych jest arkusz kalkulacyjny. Ma on tę zaletę, że ułatwia solidne zrozumienie prawideł statystyki i analizy danych. Po zdobyciu takich podstaw warto jednak pójść dalej i nauczyć się eksploracyjnej analizy danych za pomocą języków programowania. Dzięki tej książce przejście od pracy z arkuszami Excela do samodzielnego tworzenia kodu w Pythonie i R będzie płynne i bezproblemowe. Rozpoczniesz od ugruntowania swoich umiejętności w Excelu i dogłębnego zrozumienia podstaw statystyki i analizy danych. Ułatwi Ci to rozpoczęcie pisania kodu w języku R i w Pythonie. Dowiesz się, jak dokładnie przebiega proces oczyszczania danych i ich analizy w kodzie napisanym w języku R. Następnie zajmiesz się poznawaniem Pythona. Jest to wszechstronny, łatwy w nauce i potężny język programowania, ulubiony język naukowców i... analityków danych. Nauczysz się płynnego przenoszenia danych z Excela do programu napisanego w Pythonie, a także praktycznych metod ich analizy. Dzięki ćwiczeniom, które znajdziesz w końcowej części każdego rozdziału, utrwalisz i lepiej zrozumiesz prezentowane treści. W książce: badanie relacji między danymi za pomocą Excela stosowanie Excela w analizach statystycznych i badaniu danych podstawy języka R proces oczyszczania i analizy danych w R przenoszenie danych z Excela do kodu Pythona pełna analiza danych w Pythonie Eksploracyjna analiza danych? I w Excelu, i w Pythonie!

Zaawansowana analiza danych w PySpark. Metody przetwarzania informacji na szeroką skalę z wykorzystaniem Pythona i systemu Spark

Akash Tandon, Sandy Ryza, Uri Laserson, Sean Owen, ...

Potrzeby w zakresie analizy dużych zbiorów danych i wyciągania z nich użytecznych informacji stale rosną. Spośród dostępnych narzędzi przeznaczonych do tych zastosowań szczególnie przydatny jest PySpark - interfejs API systemu Spark dla języka Python. Apache Spark świetnie się nadaje do analizy dużych zbiorów danych, a PySpark skutecznie ułatwia integrację Sparka ze specjalistycznymi narzędziami PyData. By jednak można było w pełni skorzystać z tych możliwości, konieczne jest zrozumienie interakcji między algorytmami, zbiorami danych i wzorcami używanymi w analizie danych. Oto praktyczny przewodnik po wersji 3.0 systemu Spark, metodach statystycznych i rzeczywistych zbiorach danych. Omówiono w nim zasady rozwiązywania problemów analitycznych za pomocą interfejsu PySpark, z wykorzystaniem dobrych praktyk programowania w systemie Spark. Po lekturze można bezproblemowo zagłębić się we wzorce analityczne oparte na popularnych technikach przetwarzania danych, takich jak klasyfikacja, grupowanie, filtrowanie i wykrywanie anomalii, stosowane w genomice, bezpieczeństwie systemów IT i finansach. Dodatkowym plusem są opisy wykorzystania przetwarzania obrazów i języka naturalnego. Zaletą jest też szereg rzeczywistych przykładów dużych zbiorów danych i ich zaawansowanej analizy. Dzięki książce poznasz: model programowania w ekosystemie Spark podstawowe metody stosowane w nauce o danych pełne implementacje analiz dużych publicznych zbiorów danych konkretne przypadki użycia narzędzi uczenia maszynowego kod, który łatwo dostosujesz do swoich potrzeb PySpark: systemowa odpowiedź na problemy inżyniera danych!

Zaawansowana inżynieria sieci w Pythonie. Automatyzacja, monitorowanie i zarządzanie chmurą. Wydanie IV

Eric Chou

Programiści cenią Pythona za wyrazistość i zwięzłość kodu, a także za bogatą kolekcję narzędzi i bibliotek. Z tych zalet mogą korzystać również inżynierowie sieci. Programistyczne zarządzanie siecią stanowi odpowiedź na rozwój technologii ― tradycyjny interfejs wiersza poleceń i pionowo zintegrowane metody kontroli sieci nie są już najlepszymi sposobami zarządzania współczesnymi sieciami. Oto uzupełnione i zaktualizowane wydanie bestsellerowego przewodnika dla inżynierów sieci. Dzięki niemu przejdziesz trudną (ale ekscytującą!) drogę od tradycyjnej platformy do platformy sieciowej opartej na najlepszych praktykach programistycznych. Zaczniesz od zagadnień podstawowych, aby następnie zagłębić się w tajniki stosowania bibliotek Pexpect, Paramiko czy Netmiko do komunikacji z urządzeniami sieciowymi. W kolejnych rozdziałach znajdziesz solidny przegląd różnych narzędzi wraz ze sposobami ich użycia: Cisco NX-API, Meraki, Juniper PyEZ, Ansible, Scapy, PySNMP, Flask, Elastic Stack i wielu innych. Rozeznasz się również w kwestiach związanych z kontenerami Dockera, a także usługami sieciowymi chmur AWS i Azure. Lektura tej książki pozwoli Ci się w pełni przygotować na następną generację sieci! W książce między innymi: interakcja Pythona z urządzeniami sieciowymi uzyskiwanie informacji o sieci i analiza danych sieciowych tworzenie wysokopoziomowych API korzystanie z biblioteki AsyncIO paradygmat programowania sterowanego testami w Pythonie zastosowanie GitLab w praktykach DevOps w kontekście zagadnień sieciowych Chcesz mieć sieć najnowszej generacji? Python jest dla Ciebie!

Zaawansowane uczenie maszynowe z językiem Python

John Hearty

Uczenie maszynowe przyczyniło się do powstania wielu innowacyjnych technologii. Pojazdy autonomiczne, mechanizmy rozpoznawania obrazów, badania genetyczne, a także dynamiczne dostosowywanie prezentowanych treści do preferencji odbiorcy to tylko niektóre przykłady. Możliwości związane z rozwojem tych technik sprawiają, że analityka danych i zaawansowane uczenie maszynowe stają się wyjątkowo cenną wiedzą. Dotyczy to szczególnie nowatorskich technik analizy danych, takich jak głębokie uczenie, algorytmy częściowo nadzorowane i metody zespołowe. Niniejsza książka jest przystępnie napisanym podręcznikiem, dzięki któremu poznasz niektóre zaawansowane techniki uczenia maszynowego. Szczególną uwagę poświęcono tu algorytmom uczenia maszynowego: zostały dokładnie wyjaśnione, opisano ich zastosowanie oraz topologię, metody uczenia i miary wydajności. Każdy rozdział uzupełniono o wykaz źródeł, pomocny w dalszym zgłębianiu tematu. Dodatkowo przedstawiono wiele cennych wskazówek dotyczących specyfiki pracy analityka danych. Do prezentacji przykładów wybrano język Python z uwagi na jego wszechstronność, elastyczność, prostotę oraz możliwość stosowania do specjalistycznych zadań. Najważniejsze zagadnienia przedstawione w książce: identyfikacja struktur i wzorców w zbiorach danych stosowanie sieci neuronowych praca z językiem naturalnym modele zespołowe i poprawa ich elastyczności narzędzia uczenia maszynowego w Pythonie Zaawansowane uczenie maszynowe — poznaj algorytmy przyszłości! John Hearty — jest autorytetem w dziedzinie analityki danych i inżynierii infrastruktury. Przez pewien czas zajmował się modelowaniem zachowań gracza i infrastrukturą dużych zbiorów danych w Microsofcie. Ważniejszymi jego projektami były modelowanie umiejętności gracza w grach asymetrycznych i modele segmentacji graczy mające na celu zindywidualizowanie rozgrywki. Obecnie Hearty jest niezależnym ekspertem, szczególnie cenionym przez zespoły zajmujące się eksploracją danych. W wolnym czasie tworzy modele uczenia maszynowego w Pythonie.

Zaawansowany Python. Jasne, zwięzłe i efektywne programowanie

Luciano Ramalho

Prostota języka Python pozwala szybko osiągnąć produktywność, ale oznacza to również, że często nie wykorzystujemy wszystkiego, co ma da zaoferowania. Dzięki temu praktycznemu poradnikowi Czytelnik nauczy się, jak pisać efektywny, idiomatyczny kod Pythona dzięki wykorzystaniu jego najlepszych   i zapewne najbardziej lekceważonych   cech. Autor, Luciano Ramalho, prowadzi Czytelnika poprzez podstawowe cechy języka i biblioteki i pokazuje, jak sprawić, aby kod był jednocześnie krótszy, szybszy i bardziej czytelny. Wielu doświadczonych programistów próbuje nagiąć Pythona do wzorców, których nauczyli się z innych języków i nigdy nie odkrywa możliwości, które wykraczają poza ich doświadczenie. Dzięki tej książce ci programiści będą mogli się nauczyć, jak osiągnąć biegłość w języku Python 3. Książka obejmuje: Model danych Pythona: pozwala zrozumieć, że metody specjalne są kluczem do spójnego zachowania obiektów Struktury danych: umożliwia w pełni wykorzystać wbudowane typy i zrozumieć dualizm tekstowo-bajtowy w erze Unicode Funkcje jako obiekty: wgląd w funkcje Pythona jako obiekty pierwszej klasy i wyjaśnienie, jak wpływa to na popularne wzorce projektowania Idiomy zorientowane obiektowo: budowanie klas poprzez poznawanie odwołań, zmienności, interfejsów, przeciążanie operatorów i wielokrotne dziedziczenie Przepływ sterowania: wykorzystanie menedżerów kontekstu, generatorów, współprogramów i współbieżności przy użyciu pakietów concurrent.futures i asyncio Metaprogramowanie: wykorzystanie właściwości, deskryptorów atrybutów, dekoratorów klas i metaklas Luciano Ramalho, programista Pythona od roku 1998, jest członkiem Python Software Foundation, współwłaścicielem Python.pro.br   brazylijskiej firmy szkoleniowej i współzałożycielem Garoa Hacker Clube, pierwszego w Brazyli klubu hackerskiego. Prowadzi zespoły projektowania oprogramowania i wykłada stosowanie Pythona dla sektora medialnego, bankowego i rządowego. „Jestem dumny, że zostałem recenzentem technicznym tej książki   nie tylko pomoże ona wielu średnio zaawanowanym programistom w ich drodze do mistrzostwa, ale ja sam nauczyłem się z niej kilku rzeczy!” —Alex Martelli Python Software Foundation „Zaawansowany Python to skarbiec pełen użytecznych programistycznych trików, przydatnych tak średnio, jak i bardzo doświadczonym programistom, którzy chcą rozszerzyć granice swojej wiedzy.” —Daniel i Audrey Roy Greenfeld autorzy Two Scoops of Django