Leserbewertungen
Zusammenfassung:Das Buch hat gemischte Kritiken von Nutzern mit umfangreichem Programmierhintergrund, insbesondere in Java oder anderen Low-Level-Sprachen, erhalten. Während einige Nutzer die detaillierten Erklärungen und die Breite der Themen in Python, maschinellem Lernen und KI schätzen, kritisieren andere die schlechte Organisation, die veralteten Codebeispiele und den Mangel an einsteigerfreundlichen Inhalten. Einige fanden es nützlich, aber überfordernd, während andere aufgrund verschiedener Probleme wie unklarer Inhalte und schlechter Druckqualität dringend vom Kauf abraten.
Vorteile:⬤ Gut geschrieben und informativ
⬤ bietet eine solide Grundlage in Python für diejenigen mit Programmiererfahrung
⬤ enthält eine umfassende Abdeckung von Python- und Machine-Learning-Themen
⬤ konkrete Beispiele gegeben
⬤ einige Benutzer finden Kapitel über fortgeschrittene Themen besonders nützlich.
⬤ Setzt Programmierkenntnisse voraus und ist daher für Anfänger ungeeignet
⬤ veraltete oder fehlerhafte Code-Beispiele
⬤ schlecht organisiert und schwer zu navigieren
⬤ einige Nutzer berichten, dass es zu theoretisch ist
⬤ Probleme mit der Druckqualität und Farbe
⬤ einige behaupten, dass es Werbesprache statt praktischer Anleitung enthält.
(basierend auf 24 Leserbewertungen)
Originaltitel:
Python for Programmers
Inhalt des Buches:
Das Deitel(R)-Handbuch für professionelle Programmierer zu Python(R) mit einführenden Fallstudien zur künstlichen Intelligenz
Das Buch Python für Programmierer richtet sich an Programmierer mit Vorkenntnissen in einer anderen Hochsprache und vermittelt anhand praktischer Übungen die interessantesten und modernsten Computertechnologien und die Programmierung in Python, einer der beliebtesten und am schnellsten wachsenden Sprachen der Welt. Bitte lesen Sie das Inhaltsverzeichnis auf der Innenseite des Umschlags und das Vorwort für weitere Details.
Im Rahmen von mehr als 500 Beispielen aus der Praxis, die von einzelnen Schnipseln bis hin zu 40 großen Skripten und vollständigen Implementierungsfallstudien reichen, werden Sie den interaktiven IPython-Interpreter mit Code in Jupyter Notebooks verwenden, um schnell die neuesten Python-Programmiersprachen zu beherrschen. Nachdem Sie die Python-Kapitel 1-5 und einige wichtige Teile der Kapitel 6-7 durchgenommen haben, werden Sie in der Lage sein, wesentliche Teile der praktischen einführenden KI-Fallstudien in den Kapiteln 11-16 zu bewältigen, die mit coolen, leistungsstarken und aktuellen Beispielen gespickt sind. Dazu gehören die Verarbeitung natürlicher Sprache, Data Mining auf Twitter(R) zur Stimmungsanalyse, Cognitive Computing mit IBM(R) Watson(TM), überwachtes maschinelles Lernen mit Klassifizierung und Regression, unüberwachtes maschinelles Lernen mit Clustering, Computer Vision durch Deep Learning und Faltungsneuronale Netze, Deep Learning mit rekurrenten neuronalen Netzen, Big Data mit Hadoop(R), Spark(TM) und NoSQL-Datenbanken, das Internet der Dinge und vieles mehr. Sie werden auch direkt oder indirekt mit Cloud-basierten Diensten arbeiten, darunter Twitter, Google Translate(TM), IBM Watson, Microsoft(R) Azure(R), OpenMapQuest, PubNub und mehr.
Merkmale.
⬤ Mehr als 500 praktische Beispiele aus der Praxis, von Snippets bis zu Fallstudien.
⬤ IPython + Code in Jupyter(R) Notebooks.
⬤ Bibliotheksfokussiert: Nutzt die Python-Standardbibliothek und Data-Science-Bibliotheken, um wichtige Aufgaben mit minimalem Code zu bewältigen.
⬤ Reiche Python-Abdeckung: Steueranweisungen, Funktionen, Strings, Dateien, JSON-Serialisierung, CSV, Ausnahmen.
⬤ Prozedurale, funktionale und objektorientierte Programmierung.
⬤ Sammlungen: Listen, Tupel, Wörterbücher, Mengen, NumPy-Arrays, Pandas Series & DataFrames.
⬤ Statische, dynamische und interaktive Visualisierungen.
⬤ Datenerfahrungen mit realen Datensätzen und Datenquellen.
⬤ Einführung in die Data Science Bereiche: KI, Grundlagen der Statistik, Simulation, Animation, Zufallsvariablen, Datenverarbeitung, Regression.
⬤ Fallstudien zu KI, Big Data und Cloud Data Science: NLP, Data Mining Twitter(R), IBM(R) Watson(TM), maschinelles Lernen, Deep Learning, Computer Vision, Hadoop(R), Spark(TM), NoSQL, IoT.
⬤ Open-Source-Bibliotheken: NumPy, pandas, Matplotlib, Seaborn, Folium, SciPy, NLTK, TextBlob, spaCy, Textatistic, Tweepy, scikit-learn(R), Keras und mehr.
Registrieren Sie Ihr Produkt, um Zugang zu aktualisierten Kapiteln und Materialien sowie zu Downloads, zukünftigen Updates und/oder Korrekturen zu erhalten, sobald diese verfügbar sind. Weitere Informationen finden Sie auf der Innenseite des Buches.
Weitere Daten des Buches:
| ISBN: | 9780135224335 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2018 |
| Seitenzahl: | 640 |
Kauf:
Derzeit verfügbar, auf Lager.
