Python
Burkhard Meier
Python is a multi-domain, interpreted programming language that is easy to learn and implement. With its wide support for frameworks to develop GUIs, you can build interactive and beautiful GUI-based applications easily using Python. This third edition of Python GUI Programming Cookbook follows a task-based approach to help you create effective GUIs with the smallest amount of code. Every recipe in this book builds upon the last to create an entire, real-life GUI application. These recipes also help you solve problems that you might encounter while developing GUIs. This book mainly focuses on using Python’s built-in tkinter GUI framework. You'll learn how to create GUIs in Python using simple programming styles and object-oriented programming (OOP). As you add more widgets and expand your GUI, you will learn how to connect to networks, databases, and graphical libraries that greatly enhance the functionality of your GUI. You’ll also learn how to use threading to ensure that your GUI doesn't become unresponsive. Toward the end, you’ll learn about the versatile PyQt GUI framework, which comes along with its own visual editor that allows you to design GUIs using drag and drop features. By the end of the book, you’ll be an expert in designing Python GUIs and be able to develop a variety of GUI applications with ease.
Burkhard Meier
Python is a multi-domain, interpreted programming language. It is a widely used general-purpose, high-level programming language. It is often used as a scripting language because of its forgiving syntax and compatibility with a wide variety of different eco-systems. Python GUI Programming Cookbook follows a task-based approach to help you create beautiful and very effective GUIs with the least amount of code necessary.This book will guide you through the very basics of creating a fully functional GUI in Python with only a few lines of code. Each and every recipe adds more widgets to the GUIs we are creating. While the cookbook recipes all stand on their own, there is a common theme running through all of them. As our GUIs keep expanding, using more and more widgets, we start to talk to networks, databases, and graphical libraries that greatly enhance our GUI’s functionality. This book is what you need to expand your knowledge on the subject of GUIs, and make sure you’re not missing out in the long run.
Alan D. Moore
Tkinter is widely used to build GUIs in Python due to its simplicity. In this book, you’ll discover Tkinter’s strengths and overcome its challenges as you learn to develop fully featured GUI applications.Python GUI Programming with Tkinter, Second Edition, will not only provide you with a working knowledge of the Tkinter GUI library, but also a valuable set of skills that will enable you to plan, implement, and maintain larger applications. You’ll build a full-blown data entry application from scratch, learning how to grow and improve your code in response to continually changing user and business needs. You’ll develop a practical understanding of tools and techniques used to manage this evolving codebase and go beyond the default Tkinter widget capabilities. You’ll implement version control and unit testing, separation of concerns through the MVC design pattern, and object-oriented programming to organize your code more cleanly.You’ll also gain experience with technologies often used in workplace applications, such as SQL databases, network services, and data visualization libraries. Finally, you’ll package your application for wider distribution and tackle the challenge of maintaining cross-platform compatibility.
Python GUI programming with Tkinter. Develop responsive and powerful GUI applications with Tkinter
Alan D. Moore
Tkinter is a lightweight, portable, and easy-to-use graphical toolkit available in the Python Standard Library, widely used to build Python GUIs due to its simplicity and availability. This book teaches you to design and build graphical user interfaces that are functional, appealing, and user-friendly using the powerful combination of Python and Tkinter.After being introduced to Tkinter, you will be guided step-by-step through the application development process. Over the course of the book, your application will evolve from a simple data-entry form to a complex data management and visualization tool while maintaining a clean and robust design. In addition to building the GUI, you'll learn how to connect to external databases and network resources, test your code to avoid errors, and maximize performance using asynchronous programming. You'll make the most of Tkinter's cross-platform availability by learning how to maintain compatibility, mimic platform-native look and feel, and build executables for deployment across popular computing platforms.By the end of this book, you will have the skills and confidence to design and build powerful high-end GUI applications to solve real-world problems.
Dr. Gabriele Lanaro
Python is a versatile language that has found applications in many industries. The clean syntax, rich standard library, and vast selection of third-party libraries make Python a wildly popular language. Python High Performance is a practical guide that shows how to leverage the power of both native and third-party Python libraries to build robust applications. The book explains how to use various profilers to find performance bottlenecks and apply the correct algorithm to fix them. The reader will learn how to effectively use NumPy and Cython to speed up numerical code. The book explains concepts of concurrent programming and how to implement robust and responsive applications using Reactive programming. Readers will learn how to write code for parallel architectures using Tensorflow and Theano, and use a cluster of computers for large-scale computations using technologies such as Dask and PySpark. By the end of the book, readers will have learned to achieve performance and scale from their Python applications.
Sebastian Kondracki
Sztuczna inteligencja według Pythona. Sięgnij po potężne wsparcie dla swojego e-sklepu E-commerce wspierany przez potężną moc sztucznej inteligencji ― to dla wielu właścicieli rodzimych firm internetowych wciąż brzmi jak odległa przyszłość. Może gdzieś tam, w Kalifornii, może u technologicznych gigantów, może Apple, Amazon, a bliżej nas, powiedzmy, Allegro korzysta lub będzie korzystać z chatbotów czy data-driven marketingu. Ale nasza firma do tej pory świetnie sobie radziła, to i dalej będzie sobie radzić z prostym mechanizmem sklepu online i kilkoma osobami obsługi. Marzenie ściętej głowy. Do 2025 roku w Polsce brakować będzie 200 tysięcy specjalistów w dziedzinie AI. I to nie w wielkich korporacjach. Głód programistów potrafiących kodować algorytmy sztucznej inteligencji odczują przede wszystkim firmy mniejsze i średnie. Jeśli jesteś właścicielem biznesu bazującego na sprzedaży w sieci, jeśli jesteś początkującym programistą albo działasz już jako programista e-commerce, ale chcesz się w tym kierunku rozwijać ― ta "książka kucharska" jest dla Ciebie. Dlaczego "książka kucharska"? Ponieważ podręcznik zawiera gotowe przepisy na algorytmy optymalizacyjne, systemy rekomendacyjne, przetwarzanie ogromnych ilości danych z ruchu odnotowanego w sklepie i zamianę ich w wiedzę o kliencie. Wszystko to już dziś wdrożysz w dowolnym e-sklepie stosunkowo małym kosztem. Zarówno przy użyciu gotowych programów napisanych w Pythonie przez ogromną społeczność miłośników AI i Pythona, jak i sprytnych produktów w modelu SaaS (ang. software as a service), sprzedawanych przez rzeszę polskich i zagranicznych startupów.
Python i Asyncio. Programowanie asynchroniczne
Caleb Hattingh
Programowanie współbieżne jest ważną techniką w tworzeniu nowoczesnych rozwiązań sieciowych. Programiści Pythona często w tym celu korzystają z wątków i mechanizmu wywłaszczania. Z tym że nie jest to optymalne rozwiązanie - z uwagi na ryzyko naruszenia bezpieczeństwa. Istnieje też możliwość programowania asynchronicznego z wykorzystaniem biblioteki asyncio, która została dodana w Pythonie 3.4. Złożoność API Asyncio budzi jednak obawy programistów Pythona, również biegle posługujących się tym językiem. Mimo to wysiłek włożony w zrozumienie działania Asyncio jest opłacalny, gdyż biblioteka ta pozwala na skuteczne rozwiązywanie problemów ze współbieżnym programowaniem sieciowym. Lektura tej książki ułatwi Ci pozbycie się obaw przed biblioteką asyncio. Zrozumiesz jej podstawowe elementy, co pozwoli Ci na rozpoczęcie programowania sterowanego zdarzeniami i prostą obsługę tysięcy jednoczesnych połączeń sieciowych. Dowiesz się, dlaczego Asyncio stanowi bezpieczniejszą alternatywę dla wielozadaniowości z wywłaszczaniem wątków, i dogłębnie zrozumiesz koncepcję programowania asynchronicznego. Następnie przeanalizujesz wprowadzone w Pythonie zmiany, dzięki którym możliwe jest programowanie asynchroniczne. Dowiesz się także, w jakich konkretnie sytuacjach biblioteka asyncio jest wyjątkowo użyteczna i których narzędzi należy wtedy używać. W książce pokazano najlepsze sposoby wykorzystania nowych możliwości Asyncio. W tej książce: porównanie programowania współbieżnego z wykorzystaniem Asyncio i wątków podstawy programowania bazującego na zdarzeniach możliwości Asyncio ważne dla programistów końcowych oraz twórców frameworków składnia async/await, w tym API koprocedur i klasy Future szczegółowe przypadki użycia kilku bibliotek zgodnych z Asyncio Programowanie asynchroniczne: nowa wizja bezpieczeństwa kodu Pythona!
Python i Excel. Nowoczesne środowisko do automatyzacji i analizy danych
Felix Zumstein
Bez Excela trudno sobie wyobrazić wykonywanie różnych złożonych zadań - to ulubione narzędzie naukowców, finansistów, analityków danych, a także profesjonalistów z innych branż. Każda z tych dziedzin ma swoje stale rosnące wymagania wobec Excela. Firma Microsoft wciąż rozwija ten kultowy arkusz kalkulacyjny, jednak język VBA nie nadąża za potrzebami wielu użytkowników. Osoby te często w codziennej pracy korzystają z Pythona do automatyzacji zadań, stąd integracja Excela i Pythona wydaje się naturalnym i wyjątkowo obiecującym rozwiązaniem. Nie musisz dłużej czekać na włączenie Pythona jako języka skryptowego Excela - ta książka wyjaśnia, jak je połączyć i wyciągnąć z tej integracji maksimum korzyści. To wydanie przeznaczone dla zaawansowanych użytkowników Excela, którzy nie posiadają głębokiej wiedzy o Pythonie. Pokazuje, w jaki sposób manipulować danymi zawartymi w plikach Excela bez Excela, a także jak znakomicie zwiększać możliwości tego programu poprzez budowę interaktywnych narzędzi do analizy danych. Niezależnie od tego, czy interesuje Cię praca z samymi arkuszami Excela, czy też chcesz tworzyć aplikacje Excela, znajdziesz tu mnóstwo wyczerpujących, jasnych i praktycznych wskazówek, popartych zrozumiałymi przykładami przydatnego kodu. W książce między innymi: gruntowne podstawy Pythona i korzystania z notatników Jupyter i Visual Studio Code stosowanie biblioteki pandas do zastępowania typowych obliczeń w Excelu automatyzacja konsolidacji skoroszytów Excela i tworzenia raportów w Excelu tworzenie interaktywnych narzędzi Excela za pomocą xlwings współpraca Excela z bazą danych i plikami CSV stosowanie Pythona do zastąpienia VBA, Power Query i Power Pivot Użyj Pythona, a pokochasz Excela!
Python i praca z danymi. Przetwarzanie, analiza, modelowanie i wizualizacja. Wydanie III
Avinash Navlani, Armando Fandango, Ivan Idris
Analiza danych sprawia, że dzięki ich dużym i mniejszym kolekcjom uzyskujemy wartościową wiedzę, która pozwala na podejmowanie najlepszych decyzji. Dzieje się to poprzez odkrywanie wzorców lub trendów. Obecnie Python udostępnia przeznaczone specjalnie do tego celu narzędzia i biblioteki. Możemy więc łatwo korzystać z wyrafinowanych technik wydobywania wiedzy z danych. Aby jednak osiągnąć zamierzone efekty, trzeba dobrze poznać zarówno metodologię analizy danych, jak i zasady pracy ze służącymi do tego narzędziami. Dzięki tej książce zdobędziesz wszystkie potrzebne informacje i umiejętności, aby skutecznie używać Pythona do analizy danych. Omówiono tu niezbędne podstawy statystyki i zasady analizy danych. Wyczerpująco przedstawiono zaawansowane zagadnienia dotyczące przygotowania, przetwarzania i modelowania danych, a także ich wizualizacji. W zrozumiały sposób wyjaśniono takie procesy jak inteligentne przetwarzanie i analizowanie danych za pomocą algorytmów uczenia maszynowego: regresji, klasyfikacji, analizy głównych składowych czy analizy skupień. Nie zabrakło praktycznych przykładów przetwarzania języka naturalnego i analizy obrazów. Ciekawym zagadnieniem jest również wykonywanie obliczeń równoległych za pomocą biblioteki Dask. W książce między innymi: podstawy analizy danych i korzystanie z bibliotek NumPy i pandas praca z danymi w różnych formatach interaktywna wizualizacja z bibliotekami Matplotlib, seaborn i Bokeh inżynieria cech, analiza szeregów czasowych i przetwarzanie sygnałów zaawansowana analiza danych tekstowych i obrazów Python: wydobywaj z danych wiedzę o wielkiej wartości!
Sandipan Dey
With the advancements in wireless devices and mobile technology, there's increasing demand for people with digital image processing skills in order to extract useful information from the ever-growing volume of images. This book provides comprehensive coverage of the relevant tools and algorithms, and guides you through analysis and visualization for image processing.With the help of over 60 cutting-edge recipes, you'll address common challenges in image processing and learn how to perform complex tasks such as object detection, image segmentation, and image reconstruction using large hybrid datasets. Dedicated sections will also take you through implementing various image enhancement and image restoration techniques, such as cartooning, gradient blending, and sparse dictionary learning. As you advance, you'll get to grips with face morphing and image segmentation techniques. With an emphasis on practical solutions, this book will help you apply deep learning techniques such as transfer learning and fine-tuning to solve real-world problems.By the end of this book, you'll be proficient in utilizing the capabilities of the Python ecosystem to implement various image processing techniques effectively.
Python Interviews. Discussions with Python Experts
Michael Driscoll, Kenneth Reitz
Each of these twenty Python Interviews can inspire and refresh your relationship with Python and the people who make Python what it is today. Let these interviews spark your own creativity, and discover how you also have the ability to make your mark on a thriving tech community. This book invites you to immerse in the Python landscape, and let these remarkable programmers show you how you too can connect and share with Python programmers around the world. Learn from their opinions, enjoy their stories, and use their tech tips.• Brett Cannon - former director of the PSF, Python core developer, led the migration to Python 3.• Steve Holden - tireless Python promoter and former chairman and director of the PSF.• Carol Willing - former director of the PSF and Python core developer, Project Jupyter Steering Council member.• Nick Coghlan - founding member of the PSF's Packaging Working Group and Python core developer.• Jessica McKellar - former director of the PSF and Python activist.• Marc-André Lemburg - Python core developer and founding member of the PSF.• Glyph Lefkowitz - founder of Twisted and fellow of the PSF• Doug Hellmann - fellow of the PSF, creator of the Python Module of the Week blog, Python community member since 1998.• Massimo Di Pierro - fellow of the PSF, data scientist and the inventor of web2py. • Alex Martelli - fellow of the PSF and co-author of Python in a Nutshell.• Barry Warsaw - fellow of the PSF, Python core developer since 1995, and original member of PythonLabs.• Tarek Ziadé - founder of Afpy and author of Expert Python Programming.• Sebastian Raschka - data scientist and author of Python Machine Learning.• Wesley Chun - fellow of the PSF and author of the Core Python Programming books.• Steven Lott - Python blogger and author of Python for Secret Agents.• Oliver Schoenborn - author of Pypubsub and wxPython mailing list contributor.• Al Sweigart - bestselling author of Automate the Boring Stuff with Python and creator of the Python modules Pyperclip and PyAutoGUI.• Luciano Ramalho - fellow of the PSF and the author of Fluent Python.• Mike Bayer - fellow of the PSF, creator of open source libraries including SQLAlchemy.• Jake Vanderplas - data scientist and author of Python Data Science Handbook.
Python. Kurs dla nauczycieli i studentów
Gniewomir Sarbicki
Weź Pythona na uczelnię! Python to jeden z tych języków programowania, bez których trudno się dziś obejść. Dzięki słynnej elastyczności oraz rozbudowanemu zestawowi narzędzi i bibliotek można wykorzystywać go w najróżniejszych projektach i na najróżniejszych platformach, a łatwość opanowania podstaw zachęca do nauki. Sprawdź sam, jak wygodnie i prosto da się w nim pisać własny kod, opracowywać aplikacje desktopowe, projektować strony www czy przeprowadzać obliczenia numeryczne. Książka Python. Kurs dla nauczycieli i studentów powstał z myślą o wszystkich, którzy chcą opanować podstawy Pythona i praktycznie wykorzystywać go na co dzień. Kurs dzieli się na dwie części: pierwsza zawiera wprowadzenie do języka, pozwalające ruszyć z własnymi projektami; druga zaś wprowadza ważne, bardziej rozbudowane konstrukcje językowe. Niezwykle istotnym atutem tego podręcznika są ćwiczenia wraz z rozwiązaniami, opracowane na podstawie wieloletnich doświadczeń autora. Można tu znaleźć zarówno materiały do samodzielnej nauki, jak i inspiracje do prowadzenia własnych zajęć z uczniami czy studentami. Jeśli chcesz zacząć aktywnie korzystać z niesamowitych możliwości Pythona, ta książka jest dla Ciebie! Podstawowe elementy, operacje i funkcje Programowanie obiektowe i graficzny interfejs użytkownika Wielowątkowość i komunikacja sieciowa Obsługa baz danych i współpraca z serwerem Apache Obliczenia numeryczne i zarządzanie atrybutami w klasach Iteratory, generatory, koprocedury Współbieżność wykorzystująca podprocesy Moc Pythona w Twoich rękach!
Python. Kurs dla nauczycieli i studentów. Wydanie II
Gniewomir Sarbicki
Python - prosto, szybko, skutecznie Konstrukcje języka Python Sposoby ich użycia Zadania z rozwiązaniami Python to nowoczesny, potężny i uniwersalny język programowania, który zdobył dużą popularność zarówno wśród zawodowców z branży IT, jak i w szkołach i na uczelniach - jako doskonałe narzędzie do nauki programowania na różnych poziomach. Duże możliwości, prostota i zwartość składni, czytelność kodu, wszechstronność zastosowań i wsparcie wielu paradygmatów sprawiają, że co najmniej podstawowa znajomość Pythona stanowi jedno z najczęstszych wymagań wobec poszukujących pracy programistów i inżynierów, nawet jeśli na co dzień mają oni używać zupełnie innych technologii. Ta książka pomoże nauczycielom, uczniom, studentom i wszystkim zainteresowanym poznaniem Pythona opanować podstawy tego języka i rozpocząć stosowanie go w praktyce. Krok po kroku uczy czytać i pisać kod, przedstawiając zarówno konstrukcje i funkcje języka, jak i możliwości ich praktycznego użycia do rozwiązywania typowych problemów programistycznych. Programowanie interfejsów graficznych, programowanie wielowątkowe, programowanie sieciowe, tworzenie stron WWW, obliczenia numeryczne - w tym wszystkim świetnie sprawdzi się Python. I wszystko to można znaleźć w tej książce! Pisanie i uruchamianie programów w Pythonie Podstawowe typy danych i ich zastosowanie Instrukcje warunkowe, pętle i funkcje Obsługa wyjątków i używanie plików Programowanie obiektowe w Pythonie Graficzny interfejs użytkownika Wielowątkowość, sieci, bazy danych i strony WWW Funkcje wyższych rzędów Iteratory, generatory, koprocedury Programowanie asynchroniczne i współbieżne Programowanie w Pythonie w praktyce
Python. Leksykon kieszonkowy. Wydanie IV
Mark Lutz
Jakie możliwości kryją standardowe moduły biblioteczne? Jak wykonywać operacje na plikach? Jak stworzyć graficzny interfejs użytkownika? Python to wyjątkowo praktyczny język programowania, idealnie nadający się do szybkiego rozwiązywania niecodziennych problemów, z którymi często borykają się koderzy. Nie wymusza on stosowania jednego stylu programowania, co pozwala na dużo większą elastyczność w trakcie pisania kodu. Umożliwia programowanie obiektowe, strukturalne i funkcyjne, a ponadto udostępnia zaawansowane mechanizmy zarządzania pamięcią, zapewnia dynamiczne sprawdzanie typów oraz czytelną składnię. Te wszystkie zalety powodują, że Python ma grupę swoich wiernych fanów. Niniejsza książka należy do popularnej serii "Leksykon kieszonkowy", dzięki której zawsze i wszędzie możesz przypomnieć sobie wybrane zagadnienia, związane z różną tematyką. Pozycja, którą właśnie trzymasz w rękach, została poświęcona językowi Python. W trakcie jej lektury zapoznasz się z takimi zagadnieniami, jak sterowanie przepływem programu, wykorzystanie pętli, list, słowników oraz operacje na plikach. Ponadto w każdej chwili będziesz mógł sprawdzić składnię oraz sposoby wykorzystania funkcji i wyjątków wbudowanych. Książka stanowi znakomite kompendium wiedzy na temat języka Python. Sprawdzi się ona w rękach początkującego użytkownika - jako przewodnik, a w rękach zaawansowanego programisty - jako pomocnik. Wbudowane typy i operatory Działania na liczbach Operacje na łańcuchach znaków Wykorzystanie Unicode w Pythonie Obsługa list oraz słowników Operacje na zbiorach i plikach Sterowanie przepływem programu Konwersja typów Obsługa wyjątków Wykorzystanie przestrzeni nazw Zasięgi zmiennych Przeciążanie operatorów Standardowe moduły biblioteczne Zastosowanie wyrażeń regularnych Tworzenie graficznego interfejsu użytkownika Wyciśnij jeszcze więcej z języka Python!
Python. Leksykon kieszonkowy. Wydanie V
Mark Lutz
Język Python obecny jest na rynku od ponad 20 lat. Opracowany został na początku lat dziewięćdziesiątych XX wieku i błyskawicznie zaczął zdobywać uznanie programistów na całym świecie. Python sprawdza się doskonale w pisaniu skryptów oraz narzędzi, a w dużym projekcie także nie zawiedzie oczekiwań. Język ten korzysta z automatycznego zarządzania pamięcią oraz umożliwia obiektowe i funkcyjne podejście do tworzonego programu. Jednym z jego najważniejszych atutów jest bardzo silna społeczność programistów, wymieniająca się na bieżąco informacjami na temat praktycznych zastosowań tego języka. Dzięki temu uzyskanie odpowiedzi na trapiące Cię pytania nie powinno stanowić problemu. Jeżeli jednak chcesz mieć zawsze pod ręką sprawdzone źródło informacji, które pozwoli Ci w każdej sytuacji rozwiać wątpliwości, to trafiłeś na doskonałą pozycję. Należy ona do serii Leksykon kieszonkowy i charakteryzuje się niezwykle zwięzłym, przejrzystym układem najważniejszych treści oraz poręczną formą. Znajdziesz tu szczegółowe informacje na temat typów wbudowanych, wyjątków, programowania obiektowego oraz przetwarzania nazw i reguł zasięgu. Kolejne wydanie tej książki zostało ulepszone i zaktualizowane o mnóstwo nowych informacji, takich jak wykorzystanie Python Launcher w systemie Windows czy formalne reguły dziedziczenia. To doskonałe źródło informacji na temat języka Python! Dzięki tej książce: poznasz podstawy Pythona zapoznasz się z zasadami programowania w tym języku poznasz typy wbudowane wykorzystasz standardowe moduły będziesz mieć zawsze pod ręką solidne źródło informacji o Pythonie Najlepsze rozwiązania typowych problemów!
Alexander Combs, Michael Roman
Machine learning is transforming the way we understand and interact with the world around us. This book is the perfect guide for you to put your knowledge and skills into practice and use the Python ecosystem to cover key domains in machine learning. This second edition covers a range of libraries from the Python ecosystem, including TensorFlow and Keras, to help you implement real-world machine learning projects.The book begins by giving you an overview of machine learning with Python. With the help of complex datasets and optimized techniques, you’ll go on to understand how to apply advanced concepts and popular machine learning algorithms to real-world projects. Next, you’ll cover projects from domains such as predictive analytics to analyze the stock market and recommendation systems for GitHub repositories. In addition to this, you’ll also work on projects from the NLP domain to create a custom news feed using frameworks such as scikit-learn, TensorFlow, and Keras. Following this, you’ll learn how to build an advanced chatbot, and scale things up using PySpark. In the concluding chapters, you can look forward to exciting insights into deep learning and you'll even create an application using computer vision and neural networks.By the end of this book, you’ll be able to analyze data seamlessly and make a powerful impact through your projects.
Yuxi (Hayden) Liu
Python Machine Learning By Example, Third Edition serves as a comprehensive gateway into the world of machine learning (ML).With six new chapters, on topics including movie recommendation engine development with Naïve Bayes, recognizing faces with support vector machine, predicting stock prices with artificial neural networks, categorizing images of clothing with convolutional neural networks, predicting with sequences using recurring neural networks, and leveraging reinforcement learning for making decisions, the book has been considerably updated for the latest enterprise requirements.At the same time, this book provides actionable insights on the key fundamentals of ML with Python programming. Hayden applies his expertise to demonstrate implementations of algorithms in Python, both from scratch and with libraries.Each chapter walks through an industry-adopted application. With the help of realistic examples, you will gain an understanding of the mechanics of ML techniques in areas such as exploratory data analysis, feature engineering, classification, regression, clustering, and NLP.By the end of this ML Python book, you will have gained a broad picture of the ML ecosystem and will be well-versed in the best practices of applying ML techniques to solve problems.
Yuxi (Hayden) Liu
The surge in interest in machine learning (ML) is due to the fact that it revolutionizes automation by learning patterns in data and using them to make predictions and decisions. If you’re interested in ML, this book will serve as your entry point to ML.Python Machine Learning By Example begins with an introduction to important ML concepts and implementations using Python libraries. Each chapter of the book walks you through an industry adopted application. You’ll implement ML techniques in areas such as exploratory data analysis, feature engineering, and natural language processing (NLP) in a clear and easy-to-follow way.With the help of this extended and updated edition, you’ll understand how to tackle data-driven problems and implement your solutions with the powerful yet simple Python language and popular Python packages and tools such as TensorFlow, scikit-learn, gensim, and Keras. To aid your understanding of popular ML algorithms, the book covers interesting and easy-to-follow examples such as news topic modeling and classification, spam email detection, stock price forecasting, and more.By the end of the book, you’ll have put together a broad picture of the ML ecosystem and will be well-versed with the best practices of applying ML techniques to make the most out of new opportunities.
Python Machine Learning By Example. The easiest way to get into machine learning
Yuxi (Hayden) Liu
Data science and machine learning are some of the top buzzwords in the technical world today. A resurging interest in machine learning is due to the same factors that have made data mining and Bayesian analysis more popular than ever. This book is your entry point to machine learning. This book starts with an introduction to machine learning and the Python language and shows you how to complete the setup. Moving ahead, you will learn all the important concepts such as, exploratory data analysis, data preprocessing, feature extraction, data visualization and clustering, classification, regression and model performance evaluation. With the help of various projects included, you will find it intriguing to acquire the mechanics of several important machine learning algorithms – they are no more obscure as they thought. Also, you will be guided step by step to build your own models from scratch. Toward the end, you will gather a broad picture of the machine learning ecosystem and best practices of applying machine learning techniques. Through this book, you will learn to tackle data-driven problems and implement your solutions with the powerful yet simple language, Python. Interesting and easy-to-follow examples, to name some, news topic classification, spam email detection, online ad click-through prediction, stock prices forecast, will keep you glued till you reach your goal.
Giuseppe Ciaburro, Prateek Joshi
This eagerly anticipated second edition of the popular Python Machine Learning Cookbook will enable you to adopt a fresh approach to dealing with real-world machine learning and deep learning tasks.With the help of over 100 recipes, you will learn to build powerful machine learning applications using modern libraries from the Python ecosystem. The book will also guide you on how to implement various machine learning algorithms for classification, clustering, and recommendation engines, using a recipe-based approach. With emphasis on practical solutions, dedicated sections in the book will help you to apply supervised and unsupervised learning techniques to real-world problems. Toward the concluding chapters, you will get to grips with recipes that teach you advanced techniques including reinforcement learning, deep neural networks, and automated machine learning.By the end of this book, you will be equipped with the skills you need to apply machine learning techniques and leverage the full capabilities of the Python ecosystem through real-world examples.
Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III
Sebastian Raschka, Vahid Mirjalili
Uczenie maszynowe jest jedną z najbardziej fascynujących technologii naszych czasów - rozwojem jego najróżniejszych zastosowań zajmują się tacy giganci jak Google, Facebook, Apple, Amazon czy IBM. Uczenie maszynowe otwiera zupełnie nowe możliwości i powoli staje się nieodzowne: wystarczy wymienić asystenty głosowe w smartfonach, chatboty ułatwiające klientom wybór produktu, a także sieci ułatwiające podejmowanie decyzji o inwestycjach giełdowych, filtrujące niechciane wiadomości e-mail czy wspomagające diagnostykę medyczną. Oto obszerny przewodnik po uczeniu maszynowym i uczeniu głębokim w Pythonie. Zawiera dokładne omówienie najważniejszych technik uczenia maszynowego oraz staranne wyjaśnienie zasad rządzących tą technologią. Poszczególne zagadnienia zilustrowano mnóstwem wyjaśnień, wizualizacji i przykładów, co znakomicie ułatwia zrozumienie materiału i sprawne rozpoczęcie samodzielnego budowania aplikacji i modeli, takich jak te służące do klasyfikacji obrazów, odkrywania ukrytych wzorców czy wydobywania dodatkowych informacji z danych. Wydanie trzecie zostało zaktualizowane - znalazł się w nim opis biblioteki TensorFlow 2 i najnowszych dodatków do biblioteki scikit-learn. Dodano również wprowadzenie do dwóch nowatorskich technik: uczenia przez wzmacnianie i budowy generatywnych sieci przeciwstawnych (GAN). W książce między innymi: platformy, modele i techniki uczenia maszynowego wykorzystywanie biblioteki scikit-learn i TensorFlow sieci neuronowe, sieci GAN i inne przygotowywanie danych dla modeli uczenia maszynowego ocena i strojenie modeli analizy: regresyjna, skupień i sentymentów Uczenie głębokie z Pythonem: zrozum i zastosuj!
Sebastian Raschka, Vahid Mirjalili
Python Machine Learning, Third Edition is a comprehensive guide to machine learning and deep learning with Python. It acts as both a step-by-step tutorial, and a reference you'll keep coming back to as you build your machine learning systems.Packed with clear explanations, visualizations, and working examples, the book covers all the essential machine learning techniques in depth. While some books teach you only to follow instructions, with this machine learning book, Raschka and Mirjalili teach the principles behind machine learning, allowing you to build models and applications for yourself.Updated for TensorFlow 2.0, this new third edition introduces readers to its new Keras API features, as well as the latest additions to scikit-learn. It's also expanded to cover cutting-edge reinforcement learning techniques based on deep learning, as well as an introduction to GANs. Finally, this book also explores a subfield of natural language processing (NLP) called sentiment analysis, helping you learn how to use machine learning algorithms to classify documents.This book is your companion to machine learning with Python, whether you're a Python developer new to machine learning or want to deepen your knowledge of the latest developments.
Python Made Easy. A First Course in Computer Programming Using Python
Kevin Wilson
Python Made Easy is designed to transform beginners into proficient Python programmers. The journey begins with an introduction to Python, covering basic concepts and syntax that lay the foundation for your coding skills. As you progress, you'll dive into essential programming constructs like data structures, functions, and file handling.In the second phase of the course, you'll explore more complex topics such as object-oriented programming, modules, and libraries. These sections will give you the tools to write efficient, reusable, and modular code. You'll also learn how to handle exceptions, ensuring your programs are robust and error-resistant. Special attention is given to graphical user interfaces (GUIs) and game development, making your Python skills applicable to a wide range of projects.The final part of the course covers advanced topics like debugging, testing, and deploying Python applications. You'll also delve into web development, where you'll learn to build and deploy web applications using Python. The course concludes with valuable video resources to reinforce your learning and provide additional insights. By the end of this course, you'll have a solid understanding of Python and be ready to tackle real-world programming challenges.