Wydawca: Helion
Od początku swojej działalności wydawnictwo Helion wspiera rozwój specjalistów z szeroko pojętej branży IT. To doskonała baza wiedzy dla osób, które chcą poznać tajniki informatyki, programowania, sztucznej inteligencji, cyberbezpieczeństwa czy grafiki komputerowej i innych umiejętności związanych z nowoczesnymi technologiami.
Helion oferuje szeroki wybór książek oraz ebooków z różnych dziedzin informatyki, zawsze aktualnych i zgodnych z najnowszymi trendami technologicznymi.
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!
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!
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 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. 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!