Εισαγωγή στην Python για τις Επιστήμες Υπολογιστών και Δεδομένων
Εκμάθηση Προγραμματισμού με ΑΙ, Μεγάλα Δεδομένα και το Νέφος
Intro to Python for Computer Science and Data Science (τίτλος πρωτοτύπου)
Κυκλοφορεί
ISBN: 978-960-512-744-2
Γκιούρδας Μ., Αθήνα, 1/2021
Γλώσσα: Ελληνική, Νέα
Γλώσσα πρωτοτύπου: Αγγλικά
€ 65.00 (περ. ΦΠΑ 6%)
Βιβλίο, Χαρτόδετο
17 x 24 εκ., 1,500 γρ., 912 σελ.
Περιγραφή

Στο βιβλίο αυτό θα εκπαιδευθείτε βιωματικά με τις πιο συναρπαστικές, τεχνολογίες αιχμής της υπολογιστικής – και, όπως θα δείτε, με ένα εύκολα ρυθμίσιμο μείγμα πληροφορικής και επιστήμης δεδομένων κατάλληλο για εισαγωγικά μαθήματα σε αυτούς και σε συναφείς τομείς. Και θα προγραμματίσετε σε Python – μία απ’ τις δημοφιλέστερες γλώσσες παγκοσμίως και την ταχύτερα αυξανόμενη μεταξύ αυτών. Για περισσότερες λεπτομέρειες παρακαλούμε να διαβάσετε τον Πρόλογο:

•    538 βιωματικά, ρεαλιστικά, παραδείγματα ζωντανού κώδικα σε αποσπάσματα και μελέτες περιπτώσεων• 471 ασκήσεις και εργασίες
•    Άμεση ανάδραση με IPython, Τετράδια Jupyter και 557 ασκήσεις Αυτοεξέτασης
•    Εστιασμένο σε Βιβλιοθήκες: Χρησιμοποιήστε βιβλιοθήκες της Python και της επιστήμης δεδομένων προκειμένου να φέρετε εις πέρας σημαντικές εργασίες με ελάχιστο κώδικα
•    Πλούσια κάλυψη βασικών αρχών: Επίλυση προβλημάτων, ανάπτυξη αλγορίθμων, εντολές ελέγχου, συναρτήσεις.
•    Συλλογές: Λίστες, πλειάδες, λεξικά, σύνολα, NumPy array (πίνακες), pandas Series & Dataframe
•    2D και 3D στατικές, δυναμικές και διαδραστικές απεικονίσεις
•    Συμβολοσειρές, αρχεία κειμένου, σειριοποίηση JSON, CSV• εξαιρέσεις
•    Διαδικασιακός/συναρτησιακού ύφους/αντικειμενοστραφής προγραμματισμός
•    Εμπειρίες δεδομένων με σύνολα δεδομένων και πηγές δεδομένων του πραγματικού κόσμου
•    Ενότητες Εισαγωγής στην Επιστήμη Δεδομένων: Βασικά στατιστικά, προσομοίωση, κινούμενα γραφικά, τυχαίες μεταβλητές, προεπεξεργασία δεδομένων, παλινδρόμηση.
•    Ιδιωτικότητα, ασφάλεια, δεοντολογία, αναπαραγωγιμότητα, διαφάνεια.
•    Μελέτες περιπτώσεων ΑΙ, μαζικών δεδομένων και νέφους της επιστήμης δεδομένων: NLP, εξόρυξη δεδομένων Twitter, IBM Watson, μηχανική μάθηση, βαθιά μάθηση, μηχανική όραση, Hadoop, Spark, NoSQL, IoT.
•    Βιβλιοθήκες ανοικτού κώδικα: NumPy, pandas, Matplotlib, Seaborn, Folium, SciPy, NLTK, TextBlob, spaCy, Textatistic, Tweepy, scikit-learn, Keras, PubNub κ.ά.


Add: 2021-07-21 12:43:12 - Upd: 2023-04-27 13:16:48