Olvasói vélemények
Összegzés:A könyv vegyes kritikákat kapott a jelentős programozói háttérrel rendelkező, különösen Java vagy más alacsony szintű nyelveket használó felhasználóktól. Míg egyes felhasználók értékelik a részletes magyarázatokat és a Python, a gépi tanulás és a mesterséges intelligencia témáinak széleskörűségét, mások a rossz szervezés, az elavult kódpéldák és a kezdőbarát tartalom hiánya miatt kritizálják. Egyesek hasznosnak, de túlterhelőnek találták, míg mások határozottan lebeszéltek a megvásárlásáról különböző problémák, többek között a nem egyértelmű tartalom és a rossz nyomtatási minőség miatt.
Előnyök:⬤ Jól megírt és informatív
⬤ biztos alapokat nyújt a Pythonban a programozási tapasztalattal rendelkezők számára
⬤ átfogóan tárgyalja a Python és a gépi tanulás témáit
⬤ konkrét példákat ad
⬤ néhány felhasználó kifejezetten hasznosnak találja a haladó témákat tárgyaló fejezeteket.
Hátrányok:⬤ Előzetes programozási ismereteket feltételez, így kezdőknek nem alkalmas
⬤ elavult vagy hibás kódminták
⬤ rosszul szervezett és nehezen áttekinthető
⬤ egyes felhasználók szerint túlságosan elméleti
⬤ problémák a nyomtatás minőségével és a színekkel
⬤ egyesek szerint gyakorlati oktatás helyett reklámnyelvet tartalmaz.
(24 olvasói vélemény alapján)
Eredeti címe:
Python for Programmers
Könyv tartalma:
A professzionális programozó Deitel(R) Python(R)-kalauza bevezető mesterséges intelligencia esettanulmányokkal
A más magas szintű nyelvi háttérrel rendelkező programozók számára írt Python programozóknak gyakorlatias oktatással tanítja napjaink legmeggyőzőbb, vezető számítástechnikai technológiáit és a Python - a világ egyik legnépszerűbb és leggyorsabban növekvő nyelvének - programozását. További részletekért olvassa el az elülső borító belsejében található tartalomjegyzék-diagramot és az Előszót.
A több mint 500, valós példán keresztül - az egyedi szippettektől kezdve a 40 nagy szkriptig és a teljes megvalósítási esettanulmányokig - az interaktív IPython-értelmezőt a Jupyter Notebooksban található kóddal együtt használhatja a legújabb Python-kódolási idiómák gyors elsajátításához. Az 1-5. Python fejezetek és a 6-7. fejezetek néhány kulcsfontosságú részének feldolgozása után képes leszel a 11-16. fejezetekben található gyakorlati bevezető mesterséges intelligencia esettanulmányok jelentős részét kezelni, amelyek tele vannak menő, erőteljes, korszerű példákkal. Ezek közé tartozik a természetes nyelvfeldolgozás, a Twitter(R) adatbányászata a hangulatelemzéshez, a kognitív számítástechnika az IBM(R) Watson(TM) segítségével, a felügyelt gépi tanulás osztályozással és regresszióval, a felügyelet nélküli gépi tanulás klaszterezéssel, a számítógépes látás a mélytanulás és a konvolúciós neurális hálózatok segítségével, a mélytanulás rekurrens neurális hálózatokkal, a nagy adatok a Hadoop(R), Spark(TM) és NoSQL adatbázisokkal, a dolgok internete és még sok más. Közvetlenül vagy közvetve felhőalapú szolgáltatásokkal is dolgozhatsz majd, többek között a Twitter, a Google Translate(TM), az IBM Watson, a Microsoft(R) Azure(R), az OpenMapQuest, a PubNub és még sok más szolgáltatással.
Jellemzők.
⬤ 500+ gyakorlatias, valós, élő kódpélda a snippetektől az esettanulmányokig.
⬤ IPython + kód Jupyter(R) notebookokban.
⬤ Könyvtárközpontú: A Python Standard Library és az adattudományi könyvtárakat használja a jelentős feladatok minimális kóddal történő elvégzéséhez.
⬤ Bőséges Python lefedettség: Vezérlő utasítások, függvények, karakterláncok, fájlok, JSON szerializáció, CSV, kivételek.
⬤ Procedurális, funkcionális stílusú és objektumorientált programozás.
⬤ Kollekciók: Listák, tuple-ok, szótárak, halmazok, NumPy tömbök, pandas Series & DataFrames.
⬤ Statikus, dinamikus és interaktív vizualizációk.
⬤ Adatokkal kapcsolatos tapasztalatok valós adathalmazokkal és adatforrásokkal.
⬤ Elvezetés az adattudományi szakaszokba: AI, alapvető statisztikák, szimuláció, animáció, véletlen változók, adatkezelés, regresszió.
⬤ AI, big data és felhőalapú adattudományi esettanulmányok: NLP, adatbányászat Twitter(R), IBM(R) Watson(TM), gépi tanulás, mélytanulás, számítógépes látás, Hadoop(R), Spark(TM), NoSQL, IoT.
⬤ A nyílt forráskódú könyvtárak: NumPy, pandas, Matplotlib, Seaborn, Folium, SciPy, NLTK, TextBlob, spaCy, Textatistic, Tweepy, scikit-learn(R), Keras és mások.
Regisztrálja a terméket, hogy hozzáférjen a frissített fejezetekhez és anyagokhoz, valamint a letöltésekhez, a jövőbeli frissítésekhez és/vagy javításokhoz, amint azok elérhetővé válnak. További információkért lásd a könyv belsejét.
