Algorytmy

Mastering Functional Programming. Functional techniques for sequential and parallel programming with Scala

Anatolii Kmetiuk

Functional programming is a paradigm specifically designed to deal with the complexity of software development in large projects. It helps developers to keep track of the interdependencies in the code base and changes in its state in runtime. Mastering Functional Programming provides detailed coverage of how to apply the right abstractions to reduce code complexity, so that it is easy to read and understand.Complete with explanations of essential concepts, practical examples, and self-assessment questions, the book begins by covering the basics such as what lambdas are and how to write declarative code with the help of functions. It then moves on to concepts such as pure functions and type classes, the problems they aim to solve, and how to use them in real-world scenarios. You’ll also explore some of the more advanced patterns in the world of functional programming such as monad transformers and Tagless Final. In the concluding chapters, you’ll be introduced to the actor model, which you can implement in modern functional languages, and delve into parallel programming.By the end of the book, you will be able to apply the concepts of functional programming and object-oriented programming (OOP)in order to build robust applications.

Mastering Machine Learning with R. Advanced machine learning techniques for building smart applications with R 3.5 - Third Edition

Cory Lesmeister

Given the growing popularity of the R-zerocost statistical programming environment, there has never been a better time to start applying ML to your data. This book will teach you advanced techniques in ML ,using? the latest code in R 3.5. You will delve into various complex features of supervised learning, unsupervised learning, and reinforcement learning algorithms to design efficient and powerful ML models. This newly updated edition is packed with fresh examples covering a range of tasks from different domains. Mastering Machine Learning with R starts by showing you how to quickly manipulate data and prepare it for analysis. You will explore simple and complex models and understand how to compare them. You’ll also learn to use the latest library support, such as TensorFlow and Keras-R, for performing advanced computations. Additionally, you’ll explore complex topics, such as natural language processing (NLP), time series analysis, and clustering, which will further refine your skills in developing applications. Each chapter will help you implement advanced ML algorithms using real-world examples. You’ll even be introduced to reinforcement learning, along with its various use cases and models. In the concluding chapters, you’ll get a glimpse into how some of these blackbox models can be diagnosed and understood. By the end of this book, you’ll be equipped with the skills to deploy ML techniques in your own projects or at work.

Mastering Predictive Analytics with scikit-learn and TensorFlow. Implement machine learning techniques to build advanced predictive models using Python

Alvaro Fuentes

Python is a programming language that provides a wide range of features that can be used in the field of data science. Mastering Predictive Analytics with scikit-learn and TensorFlow covers various implementations of ensemble methods, how they are used with real-world datasets, and how they improve prediction accuracy in classification and regression problems.This book starts with ensemble methods and their features. You will see that scikit-learn provides tools for choosing hyperparameters for models. As you make your way through the book, you will cover the nitty-gritty of predictive analytics and explore its features and characteristics. You will also be introduced to artificial neural networks and TensorFlow, and how it is used to create neural networks. In the final chapter, you will explore factors such as computational power, along with improvement methods and software enhancements for efficient predictive analytics.By the end of this book, you will be well-versed in using deep neural networks to solve common problems in big data analysis.

Mastering Spark for Data Science. Lightning fast and scalable data science solutions

Andrew Morgan, Antoine Amend, Matthew Hallett, David...

Data science seeks to transform the world using data, and this is typically achievedthrough disrupting and changing real processes in real industries. In order to operate at this level you need to build data science solutions of substance –solutions that solve real problems. Spark has emerged as the big data platform of choice for data scientists due to its speed, scalability, and easy-to-use APIs.This book deep dives into using Spark to deliver production-grade data sciencesolutions. This process is demonstrated by exploring the construction of a sophisticated global news analysis service that uses Spark to generate continuous geopolitical and current affairs insights.You will learn all about the core Spark APIs and take a comprehensive tour of advanced libraries, including Spark SQL, Spark Streaming, MLlib, and more.You will be introduced to advanced techniques and methods that will help you to construct commercial-grade data products. Focusing on a sequence of tutorials that deliver a working news intelligence service, you will learn about advanced Spark architectures, how to work with geographic data in Spark, and how to tune Spark algorithms so they scale linearly.

Matematyczne szkiełko i oko. Mniej i bardziej poważne zastosowania matmy

Dariusz Laskowski

Nie ma litości, jest matematyka! Matematyka to potęga do potęgi Czy wiesz, że matematyka to nie czarna magia, tylko dowcip, inteligencja i odrobina tajemniczości w czystej formie? Tak, tak. To nie żadna ściema czy inna niewiadoma. Zamiast włączać telewizor albo odpalać kolejną gierkę w sieci, otwórz tę książkę. Dzięki odkryciom matematyki przekonasz się, jak można odpowiedzieć na niezwykle frapujące pytania z codziennego życia - także Twojego własnego. Ile liczb mieści się na końcu szpilki? Na czym polega geometria bazgrołów? Co język C++ ma wspólnego z ponętną Moniką? Ile kompotu można wypić, gdy pan Czesław ma kolonoskopię? I wreszcie wyższa szkoła jazdy: jak odkodować PIN do lodówki algorytmem spigot? Okazuje się, że nieznana kraina faktów, teorii, hipotez, przełomowych eksperymentów i odkryć, dowodów, pojęć i matematycznych idei to nic innego jak nasze życie. A w życiu, jak w matematyce - jeden błąd może popsuć wszystko. Lepiej więc wiedzieć więcej i spojrzeć w zagadkowe oczy matmy. Nie taki X straszny, jak go malują…

Matematyka dla programistów Java

Jacek Piechota

Matematyka w Javie? Nic trudnego! Przypomnij sobie reguły i działania matematyczne Poznaj w praktyce funkcje matematyczne języka Java Zamieniaj wzory i problemy matematyczne na algorytmy Naucz się wizualizować wyniki swoich obliczeń Matematyka nie jest ulubioną dziedziną wiedzy większości ludzi, a społeczność informatyczna nie stanowi tu wyjątku. Funkcje matematyczne, obliczenia statystyczne, działania na macierzach - każda z tych czynności może wywołać popłoch nawet wśród najbardziej doświadczonych programistów, z wieloletnim stażem w zawodzie. Jest tak, mimo że zarówno zasada działania komputerów, jak i języki programowania opierają się właśnie na królowej nauk. Na szczęście na rynku jest ta książka! Szybko wprowadzi Cię ona w świat obliczeń matematycznych wykonywanych za pomocą komputera. Na praktycznych przykładach, opracowanych w popularnym języku Java, przedstawia sposoby przeprowadzania różnych działań i przekształceń, stosowania algorytmów i wizualizowania otrzymanych wyników. Przestań się więc martwić i zostań prawdziwym matematycznym ninja! Podstawy matematyki i teorii informacji Działania na liczbach binarnych i heksadecymalnych Kombinatoryka i prawdopodobieństwo Działania na wektorach i macierzach Przetwarzanie liczb zespolonych Wykresy krzywych Chaos, fraktale i paradoksy Działania matematyczne? Obliczenia naukowe? Wypróbuj to w Javie!

Modern Time Series Analysis with R. Practical forecasting and impact estimation with tidy, reproducible workflows

Dr. Yeasmin Khandakar, Dr. Roman Ahmed, Rob...

Modern Time Series Analysis with R is a comprehensive, hands-on guide to mastering the art of time series analysis using the R programming language. Written by leading experts in applied statistics and econometrics, this book helps data scientists, analysts, and developers bridge the gap between traditional statistical theory and practical business applications.Starting with the foundations of R and tidyverse, you’ll explore the core components of time series data, data wrangling, and visualization techniques. The chapters then guide you through key modeling approaches, ranging from classical methods like ARIMA and exponential smoothing to advanced computational techniques, such as machine learning, deep learning, and ensemble forecasting.Beyond forecasting, you’ll discover how time series can be applied to causal inference, anomaly detection, change point analysis, and multiple time series modeling. Practical examples and reproducible code will empower you to assess business problems, choose optimal solutions, and communicate results effectively through dynamic R-based reporting.By the end of this book, you’ll be confident in applying modern time series methods to real-world data, delivering actionable insights for strategic decision-making in business, finance, technology, and beyond.

Nauka algorytmów. Poradnik pisania lepszego kodu

George Heineman

Doskonałe opanowanie dowolnego języka programowania nie wystarczy do tego, aby stać się świetnym programistą czy deweloperem. Konieczne jest również zdobycie praktycznej wiedzy dotyczącej algorytmów. Oznacza to, że aby pisać lepszy kod, podczas rozwiązywania rzeczywistych problemów trzeba umieć korzystać z algorytmów, włączając w to ich budowanie, modyfikację i implementację. Niezależnie od tego, jaką dziedziną informatyki się zajmujesz, biegłość w posługiwaniu się algorytmami w wymierny sposób ułatwi Ci pracę i poprawi jej rezultaty. Ta książka jest przystępnym wprowadzeniem do wiedzy o algorytmach wraz z przykładami implementacji napisanymi w Pythonie. Oprócz praktycznego omówienia algorytmów znalazło się tu wyjaśnienie takich pojęć jak klasy złożoności czy analiza asymptotyczna. Dokładnie omówiono także najważniejsze algorytmy, w tym różne sposoby haszowania, sortowania czy przeszukiwania. Tam, gdzie to niezbędne, wprowadzono struktury danych języka Python. Z poradnika programiści i testerzy dowiedzą się, w jaki sposób wykorzystywać algorytmy do pomysłowego rozwiązywania problemów obliczeniowych. Zrozumienie treści ułatwiają ciekawe materiały wizualne i ćwiczenia utrwalające, które pozwolą na przetestowanie zdobytej wiedzy w praktyce. W książce między innymi: podstawowe algorytmy wykorzystywane w inżynierii oprogramowania standardowe strategie wydajnego rozwiązywania problemów ocena złożoności czasowej kodu z wykorzystaniem notacji dużego O praktyczne stosowanie algorytmów z wykorzystaniem bibliotek i struktury danych Pythona główne zasady działania ważnych algorytmów