دانلود کتاب Python for Programmers: with Introductory AI Case Studies
49,000 تومان
پایتون برای برنامه نویسان: با مطالعات موردی هوش مصنوعی مقدماتی
| موضوع اصلی | کامپیوتر – علوم کامپیوتر |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | Pearson Education |
| تعداد صفحه | 640 / 810 |
| حجم فایل | 26.90 مگابایت |
| کد کتاب | 0135224330 , 9780135224335 |
| نوبت چاپ | 1 |
| نویسنده | Harvey Deitel, Paul Deitel |
|---|---|
| زبان | انگلیسی |
| فرمت | |
| سال انتشار | 2019 |
جدول کد تخفیف
| تعداد کتاب | درصد تخفیف | قیمت کتاب |
| 1 | بدون تخفیف | 25,000 تومان |
| 2 | 20 درصد | 20,000 تومان |
| 3 الی 5 | 25 درصد | 18,750 تومان |
| 6 الی 10 | 30 درصد | 17,500 تومان |
| 11 الی 20 | 35 درصد | 16,250 تومان |
| 21 الی 30 | 40 درصد | 15,000 تومان |
| 31 الی 40 | 45 درصد | 13,750 تومان |
| 41 الی 50 | 50 درصد | 12,500 تومان |
| 51 الی 70 | 55 درصد | 11,250 تومان |
| 71 الی 100 | 60 درصد | 10,000 تومان |
| 101 الی 150 | 65 درصد | 8,750 تومان |
| 151 الی 200 | 70 درصد | 7,500 تومان |
| 201 الی 300 | 75 درصد | 6,250 تومان |
| 301 الی 500 | 80 درصد | 5,000 تومان |
| 501 الی 1000 | 85 درصد | 3,750 تومان |
| 1001 الی 10000 | 90 درصد | 2,500 تومان |
In the context of 500+, real-world examples ranging from individual snippets to 40 large scripts and full implementation case studies, you’ll use the interactive IPython interpreter with code in Jupyter Notebooks to quickly master the latest Python coding idioms. After covering Python Chapters 1—5 and a few key parts of Chapters 6—7, you’ll be able to handle significant portions of the hands-on introductory AI case studies in Chapters 11—16, which are loaded with cool, powerful, contemporary examples. These include natural language processing, data mining Twitter for sentiment analysis, cognitive computing with IBM Watson™, supervised machine learning with classification and regression, unsupervised machine learning with clustering, computer vision through deep learning and convolutional neural networks, deep learning with recurrent neural networks, big data with Hadoop, Spark™ and NoSQL databases, the Internet of Things and more. You’ll also work directly or indirectly with cloud-based services, including Twitter, Google Translate™, IBM Watson, Microsoft Azure, OpenMapQuest, PubNub and more.
Features
• 500+ hands-on, real-world, live-code examples from snippets to case studies
• IPython + code in Jupyter Notebooks
• Library-focused: Uses Python Standard Library and data science libraries to accomplish significant tasks with minimal code
• Rich Python coverage: Control statements, functions, strings, files, JSON serialization, CSV, exceptions
• Procedural, functional-style and object-oriented programming
• Collections: Lists, tuples, dictionaries, sets, NumPy arrays, pandas Series & DataFrames
• Static, dynamic and interactive visualizations
• Data experiences with real-world datasets and data sources
• Intro to Data Science sections: AI, basic stats, simulation, animation, random variables, data wrangling, regression
• AI, big data and cloud data science case studies: NLP, data mining Twitter, IBM Watson™, machine learning, deep learning, computer vision, Hadoop, Spark™, NoSQL, IoT
• Open-source libraries: NumPy, pandas, Matplotlib, Seaborn, Folium, SciPy, NLTK, TextBlob, spaCy, Textatistic, Tweepy, scikit-learn, Keras and more.
ترجمه فارسی (ترجمه ماشینی)
این کتاب که برای برنامه نویسانی با پیشینه زبان سطح بالا دیگری نوشته شده است، از دستورالعمل های عملی برای آموزش قانع کننده ترین، پیشروترین فناوری های محاسباتی و برنامه نویسی امروزی در پایتون – یکی از محبوب ترین و سریع ترین زبان های جهان – استفاده می کند. لطفاً نمودار فهرست مطالب داخل جلد جلویی و پیشگفتار را برای جزئیات بیشتر بخوانید.
در زمینه بیش از 500 نمونه واقعی از تک تک قطعهها تا 40 اسکریپت بزرگ و مطالعات موردی پیادهسازی کامل، استفاده خواهید کرد. مفسر تعاملی IPython با کد در Jupyter Notebooks برای تسلط سریع بر آخرین اصطلاحات کدنویسی پایتون. پس از پوشش فصلهای 1 تا 5 پایتون و چند بخش کلیدی از فصلهای 6 تا 7، میتوانید بخشهای قابلتوجهی از مطالعات موردی مقدماتی هوش مصنوعی در فصلهای 11 تا 16 را مدیریت کنید، که با جذاب و قدرتمند، نمونه های معاصر اینها شامل پردازش زبان طبیعی، داده کاوی توییتر برای تجزیه و تحلیل احساسات، محاسبات شناختی با IBM Watson™، یادگیری ماشین نظارت شده با طبقه بندی و رگرسیون، یادگیری ماشین بدون نظارت با خوشه بندی، بینایی کامپیوتر از طریق یادگیری عمیق و شبکه های عصبی کانولوشن، یادگیری عمیق با شبکه های عصبی تکراری است. ، داده های بزرگ با پایگاه داده های Hadoop، Spark™ و NoSQL، اینترنت اشیا و موارد دیگر. همچنین بهطور مستقیم یا غیرمستقیم با سرویسهای مبتنی بر ابر، از جمله Twitter، Google Translate™، IBM Watson، Microsoft Azure، OpenMapQuest، PubNub و موارد دیگر کار خواهید کرد.
ویژگیها
• بیش از 500 مثال واقعی، واقعی و با کد زنده از نمونهها تا مطالعات موردی
• کد IPython + در Jupyter Notebooks
• کتابخانه محور: از کتابخانه استاندارد پایتون و کتابخانه های علم داده برای انجام کارهای مهم با حداقل کد استفاده می کند
• پوشش غنی پایتون: دستورات، توابع، رشتهها، فایلها، سریالسازی JSON، CSV، استثناها را کنترل کنید
• برنامهنویسی رویهای، عملکردی و شیگرا
• مجموعهها: فهرستها، تاپلها، واژهنامهها، مجموعهها، آرایههای NumPy، سری پانداها و DataFrames
• تجسمهای ایستا، پویا و تعاملی
• تجربیات داده با مجموعه دادههای دنیای واقعی و منابع داده
• مقدمهای بر بخشهای علم داده: هوش مصنوعی، آمار پایه، شبیهسازی، انیمیشن، متغیرهای تصادفی، جدال دادهها، رگرسیون
• AI، کلان داده و مطالعات موردی علوم داده ابری: NLP، داده کاوی توییتر، IBM Watson™، یادگیری ماشین، یادگیری عمیق، بینایی کامپیوتر، Hadoop، Spark™، NoSQL، IoT
• کتابخانههای منبع باز: NumPy، پانداها، Matplotlib، Seaborn، Folium، SciPy، NLTK، TextBlob، spaCy، Textatistic، Tweepy، scikit-learn، Keras و موارد دیگر.
برای فرستادن دیدگاه، باید وارد شده باشید.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.