Python

Причинно-следственный анализ – это метод статистического анализа данных, помогающий выявить, как одно событие влияет на другое. Прочитав данную книгу, читатели научатся находить причинно-следственные связи в данных, применять правильные методы анализа и оценивать достоверность полученных выводов. Мы можем реализовать массу всяких красивых вещей с помощью машинного обучения. Единственное требование состоит в том, чтобы мы формулировали наши задачи как задачи прогнозирования. Однако машинное обучение (ML) не является панацеей. Оно может творить чудеса в условиях жестких ограничений и все же может с треском провалиться, если данные немного отклоняются от того, к чему привыкла модель. Машинное обучение, как известно, плохо справляется с такой проблемой, как обратная причинно-следственная связь. Издание предназначено специалистам по анализу данных, а также будет полезно бизнес-аналитикам и инженерам. В книге используется только свободное программное обеспечение, основанное на языке Python.

В этом издании мы расскажем вам о последних достижениях в области технологий искусственного интеллекта, а также о том, какой прогресс достигнут исследователями, разработчиками и энтузиастами, продолжающими расширять границы инноваций. Данная книга представляет собой подробное руководство для разработчиков на Python, желающих научиться создавать приложения с использованием больших языковых моделей. Авторы расскажут об основных возможностях и преимуществах моделей GPT-4 и GPT-3.5, а также принципах их работы. Здесь же вы найдете пошаговые инструкции по разработке приложений с использованием библиотеки для Python от OpenAI, в том числе инструментов для генерирования текста, отправки вопросов и получения ответов и создания интеллектуальных ассистентов. Издание содержит множество легковоспроизводимых примеров, которые помогут применить модели в своих проектах. Все примеры кода на Python доступны в репозитории GitHub.

В книге "Python для начинающих" читатели найдут задания, позволяющие изучить этот язык программирования через решение увлекательных головоломок и создание игр. Каждая глава предлагает новую программу: от создания паролей до генерации шекспировских оскорблений. Издание подойдет для читателей с нулевым или начальным опытом в программировании, а также для тех, кто уже имеет опыт, но хочет изучить новый язык.

Данная книга предлагает углубленное изучение конформного прогнозирования — новейшего подхода, позволяющего управлять неопределенностью в различных задачах машинного обучения. Вы познакомитесь с практическим применением этого подхода в таких задачах машинного обучения, как классификация, регрессия, прогнозирование временных рядов, компьютерное зрение и обработка естественного языка. Издание предназначено специалистам по data science, ML-инженерам, ученым и всем, кто хочет улучшить свои навыки в области количественной оценки неопределенности в машинном обучении. Для изучения материала понадобятся базовые знания в области машинного обучения и программирования на Python.

Сегодня трудно представить аналитика данных, не пользующегося биб­лиотекой Pandas, но в тонкостях работы с ней немудрено запутаться. В этой книге собраны упражнения, основанные на многолетней преподавательской практике автора. Прочитав ее, вы будете чувствовать себя уверенно при встрече с недостатками реальных данных в виде пропущенных значений, смешанных форматов и отсутствия четкой структуры. Обучение эффективной работе с Pandas – это долгий путь проб и ошибок. Сократить этот путь можно только при помощи интенсивных практических занятий и решения задач, которые позволят вам лучше понять специфику этой библиотеки, подобно тому как постоянные тренировки в спортзале помогают укрепить мышцы спортсмена. Именно в этом и состоит основная цель книги, которую вы держите в руках.

Эта книга демонстрирует практическую автоматизацию с помощью Python для каждой темы, указанной в оглавлении. Эта книга дает вам базовое представление о том, как автоматизировать что-либо, чтобы сократить количество повторяющихся задач и выполнять автоматизированные способы OSINT и разведки. Эта книга также дает вам обзор программирования на Python в разделе «Краткий курс Python», и объясняет, как автор заработал более $25000 в bug bounty с помощью автоматизации. Эта книга - первая часть серии по автоматизации баг-баунти.

Дорогой читатель, перед тобой продолжение книги «Python. Великое программирование в Minecraft». Оно посвящено одной из важных тем в программировании — математике.

Данное практическое руководство по хакингу на Python позволит вам погрузиться в захватывающий мир кибербезопасности и изучить основные аспекты использования Python в этой области. Книга предназначена для широкого круга пользователей и не требует серьезных знаний для большинства задач, кроме уверенных навыков работы с компьютером. А для тех, кто хочет освоить приемы «посерьезнее», потребуется знание основ программирования.

Python - устоявшийся язык, но продолжает развиваться, как и любой другой. При переработке материала книги я старался сделать его более доступным и компактным. Прочитав ее, вы получите все знания, которые позволят вам начать работу над собственными проектами, а также заложите прочный фундамент для дальнейшего обучения. Я обновил часть разделов и представил новые, более про­стые средства решения некоторых задач на языке Python. Кроме того, я доработал разделы, в которых те или иные аспекты языка были представлены недостаточно точно. Все проекты были полностью обновлены, в них задействуются только попу­лярные библиотеки, имеющие качественное сопровождение, которыми вы можете пользоваться при создании собственных проектов. Книга была переработана и дополнена, чтобы соответствовать последним практикам программирования на Python: приемы редактирования в VS Code, применение модуля pathlib для работы с файлами, тестирование с помощью PyTest, а также Matplotlib, Plotty и Django.

Ускорьте свою работу, задействовав Git для отслеживания, ветвления, слияния и управления ревизиями кода. Организованное в виде серии пошаговых уроков, это практическое руководство плавно проводит вас от знакомства с основами Git к использованию продвинутых техник, попутно предоставив дружеские, но при этом серьезные советы по работе со множеством функций этой открытой системы контроля версий. Авторы Прем Кумар Понуторай и Джон Лолигер детально описывают принципы работы Git, удобно разделяя их по уровням профессионализма. Это тщательно проработанное издание также включает рекомендации по управлению деревьями, развернуто раскрывает тему журнала ссылок и локального хранилища, а в завершении подробно знакомит читателя с платформой GitHub. Как только вы научитесь оперировать гибкими возможностями Git, эта система предоставит вам бесчисленное множество способов управления разработкой кода.

Coding with C++ & Python For Beginners is the first and only choice if you are new adopter and want to learn everything you'll need to get started with coding and programming. This independent guide is crammed with helpful guides and step-by-step fully illustrated tutorials, written in plain easy to follow English. Over the pages of this new user guide you will clearly learn all you need to know about coding your own amazing apps. With this unofficial instruction manual at your side no problem will be unsolvable, no question unanswered as you learn, explore and enhance your programming skills.

Сколько покупателей привлечет дополнительный доллар, вложенный в онлайн-рекламу? Какие клиенты будут покупать только по скидочному купону? Как разработать оптимальную стратегию ценообразования? Причинно-следственный анализ (casual inference) — лучший способ разобраться, как влиять на бизнес-метрики, которыми вы хотите управлять.

Освойте математический аппарат, который необходим, чтобы преуспеть в сфере data science, машинного обучения и статистики. Автор книги Томас Нилд поможет вам разо­браться в таких дисциплинах, как математический анализ, теория вероятностей, линейная алгебра и статистика, и научиться применять их в контексте таких методов, как линейная регрессия, логистическая регрессия и нейронные сети. Попутно вы узнаете, что представляет собой современная область data science и как использовать полученные знания, чтобы достичь максимального успеха в карьере. Чтобы запускать примеры из этой книги, вам нужен только компьютер с любой операционной системой (Windows, macOS или Linux) и любая среда разработки Python 3. Основные библиотеки Python, которые нам понадобятся, — это Numpy, Scipy, Sympy и Sklearn. Если вы не знакомы с Python, то знайте, что это дружелюбный и простой в использовании язык программирования с огромным количеством обучающих материалов.

Язык программирования Python. Он моден, он актуален, он в тренде. Python работает везде. Python используют все – от суперкорпораций до сдачи ЕГЭ. Python универсален. Для Python создано колоссальное количество расширений для решения буквально любой задачи. Python прост, очевиден и прозрачен.

Издание представляет собой практический курс, состоящий из 13 разделов (12 из которых интерактивные — для среды JupyterLab). Курс содержит введение в основы языка Python с дальнейшим упором на аналитику данных (работа с наборами данных, статистика, язык SQL, метрики и машинное обучение). Формат материала прост для понимания, а каждый новый раздел включает в себя набор необходимых файлов, ссылок и практических заданий.

Программирование — это приключение, полное трудностей, нового опыта, побед и поражений. В книге «Поговорим на Python» вы присоединитесь к Эрику и Саймону, которые учатся программировать на Python и создают свое первое приложение. Книга написана специально для будущих программистов и идеальна, чтобы начать осваивать навык, который останется на всю жизнь! Книга «Поговорим на Python» учит писать код, задавать вопросы, делать ошибки и пробовать разные решения — прямо как в жизни.

Конкурентность позволяет эффективно выполнять компьютерные программы, разделяя их на задачи, которые можно запускать независимо. Такой подход помогает ускорить игровую графику, обучать большие модели искусственного интеллекта, быстро масштабировать веб-приложения, оптимизировать обработку больших данных и решать многие другие задачи. Работать с конкурентностью непросто, так что эта книга постепенно введет вас в курс дела, а помогут в этом интересные примеры, забавные иллюстрации и понятный код на Python.

Эта книга является практическим комплексным гидом по изучению ИИ и применению нейросетей. В ней вы найдете информацию о различных типах нейросетей, их архитектуре, принципах работы и различных возможностях использования. Примеры использования библиотек NumPy, PyTorch, Matplotlib, SciPy, NetworkX, TensorFlow, OpenCV, Pandas, scikit-learn, nltk помогут вам лучше понять действия нейросети в реальных условиях. Математические основы машинного обучения, с многочисленными примерами уравнений и формул на языке программирования Python, помогут понять истоки появления нейросетей с научной точки зрения.

Алгоритмы — это пошаговые инструкции решения задач, большинство из которых уже были кем-то решены, протестированы и доказали свою эффективность. Второе издание «Грокаем алгоритмы» упрощает изучение, понимание и использование алгоритмов. В этой книге вы найдете простые и внятные объяснения, более 400 забавных иллюстраций и десятки примеров. Ее чтение — лучший способ раскрыть всю мощь алгоритмов и подготовиться к интервью по программированию. Глубоких знаний математики не требуется!

Пособие посвящено рассмотрению базовых конструкций языка Python, в частности, сначала приведены примеры простейших программ в императивном стиле программирования и примеры решения несложных задач линейной, разветвляющейся и циклической структуры, задач с последовательностями и файлами. Далее дана реализация в виде программ на Python алгоритмов методов вычислительной математики. Большое внимание уделено практике использования библиотек numpy, matplotlib, pandas и turtle, для анализа данных и их графической интерпретации.