Рассмотрены современные интерпретаторы языка Python. Описано устройство reverse shell, файлового вируса, трояна, локера и шифровальщика. Представлены примеры инструментов для автоматизированного сбора информации о компьютере, динамического анализа вредоносного кода, в том числе, с использованием API VirusTotal. Приведены примеры программ для разгадывания капчи, поиска людей на видео, обработки сложных веб-форм, автоматизации iOS. Показано, как написать на Python новый навык для голосового помощника «Алиса» и различные программы для одноплатных компьютеров.

Когда заходит речь о создании мощных и эффективных хакерских инструментов, большинство специалистов по безопасности выбирают Python. Во втором издании бестселлера Black Hat Python вы исследуете темную сторону возможностей Python — все от написания сетевых снифферов, похищения учетных данных электронной почты и брутфорса каталогов до разработки мутационных фаззеров, анализа виртуальных машин и создания скрытых троянов. Если вам интересно заниматься информационной безопасностью, не помешает изучить Python, так как на нем написано огромное количество библиотек для обратной разработки и эксплойта.

В этой книге дано введение в глубокое обучение с подкреплением (Reinforcement Learning, RL) и сведены в целостную систему результаты работ за последние шесть лет. Обучение с подкреп­лением — это область машинного обучения, занимающаяся задачами последова­тельного принятия решений, то есть теми, решение которых занимает определенное время. Авторы предложили доходчивое введение в сложную тему, играющую ведущую роль в современном машинном обучении. Мало того, они создали библиотеку с открытым исходным кодом SLM Lab, призванную по­мочь новичкам быстро освоить глубокое машинное обучение. SLM Lab написана на Python с помощью фреймворка PyTorch, но читателям достаточно знать толь­ко Python.

В последнее время технологии сильно изменились. Данные стали хитом, облака — вездесущими, а всем организациям понадобилась автоматизация. В ходе таких преобразований Python стал одним из самых популярных языков программирования. Это практическое руководство научит вас использовать Python для повседневных задач администрирования Linux с помощью наиболее удобных утилит DevOps, включая Docker, Kubernetes и Terraform. Содержимое книги разбито на несколько основных тем. Первая их группа — «Основы языка Python», охватывающая краткое вступление в этот язык, а также автоматизацию обработки текста, написание утилит командной строки и автоматизацию работы с файлами. Далее идет условный раздел «Эксплуатация», включающий описание полезных утилит Linux, управление пакетами, системы сборки, мониторинг и автоматизированное тестирование. Все эти вопросы жизненно важны для овладения искусством применения DevOps на практике.

Вы уже изучили основы синтаксиса Python и готовы программировать? Отточите свои навыки на самых интересных задачах — графике, играх, анимации, расчетах и многом другом. Книга написана для двух групп людей. В первую входят те, кто уже освоил основы Python и программирования вообще, но все еще не вполне представляет, как писать собственные программы. Этим людям может казаться, что программирование для них «не сложилось». Можно успешно решать практические упражнения из учебников, но с трудом представлять себе, как выглядит полная программа. Благодаря сначала копированию, а затем и воссозданию игр из данной книги эти люди постепенно поймут, как изучаемые здесь понятия программирования компоновать во множество настоящих программ.

Программирование — это важнейший навык XXI века. Эта книга написана не только для детей, но и для родителей, учителей, студентов и взрослых, которые хотели бы изучить основы компьютерного программирования, как для развлечения, так и для получения доступа к новым рабочим местам в высокотехнологической экономике. Не имеет значения, сколько вам лет, вы все можете получить удовольствие, изучая основы программирования. Язык, которым мы будем пользоваться в этой книге, называется Python — простой и мощный язык программирования. Язык Python преподается на вводных курсах по компьютерной науке в старших классах и колледжах, кроме того, он используется для создания одних из самых мощных приложений на свете, таких как Gmail, Google Maps и YouTube.

Краткость - это сестра программиста. Данная книга научит вас читать и писать лаконичные и функциональные однострочники. Вы сможете системно разбирать и понимать код на Python, а также сами писать выразительно и компактно, как настоящий эксперт. Здесь вы найдете приёмы и хитрости написания кода, регулярные выражения, примеры использования однострочников в различных сферах, а также полезные алгоритмы. Подробные пояснения касаются в том числе и важнейших понятий computer science, что поспособствует вашему росту в программировании и аналитике.

Если вы читаете эту книгу, то нет смысла убеждать вас в том, что Python просто великолепен. Настоящий вопрос вот в чем: зачем сообществу Python нужна эта книга? Ответ кроется в популярности и зрелости этого языка: хотя популярность Python растет такими темпами, что он приближается к верхним строкам рейтингов, сам язык только начинает брать на себя задачи, над которыми C# и Java работали в течение многих лет. Стартапы становятся реальным бизнесом; веб-приложения и сценарии автоматизации становятся (по большому секрету) корпоративным ПО.

Воплотите ваши идеи в код самого высокого качества! Зед Шоу – один из тех, кто по-настоящему разбирается в Python. Его советы помогли миллионам программистов по всему миру, помогут они и вам. От вас потребуются лишь дисциплина, желание и упорство, все остальное вы найдете в книге «Легкий способ выучить Python 3 еще глубже». Это вторая часть «Легкого способа выучить Python 3», где Зед описывал базовые принципы программирования на Python 3. Вторая часть углубит ваши знания и поможет приобрести новые навыки с помощью 52 прекрасно составленных заданий.

Книга посвящена вопросам разработки веб-приложений с использованием языка Python, фреймворка Django и интерактивной среды разработки PyCharm. Рассмотрены основные технологии и рабочие инструменты создания приложений, даны основы языка Python. Описаны фреймворк Django и структура создаваемых в нем веб-приложений. На простых примерах показаны обработка и маршрутизация запросов пользователей, формирование ответных веб-страниц. Рассмотрено создание шаблонов веб-страниц и форм для пользователей. Показано взаимодействие пользователей с различными типами баз данных через модели. Описана работа с базами данных через встроенные в Django классы без использования SQL-запросов.

В этой книге речь будет идти о том, как писать программы на языке программирования, который называется Python (правильно читается как Пайтон, но обычно название языка читают как питон, что тоже вполне приемлемо). Таким образом, решать будем две задачи, одна из которых приоритетная, а вторая, хотя и вспомогательная, но достаточно важная. Наша основная задача, конечно же, изучение синтаксиса языка программирования Python. Параллельно мы будем осваивать программирование как таковое, явно или неявно принимая во внимание, что соответствующие алгоритмы предполагается реализовывать на языке Python.

Книга рассчитана на исследователя данных, имеющего некоторый опыт работы с языком программирования R и/или Python и имеющего предшествующий (возмож­но, обрывочный или сиюминутный) контакт с математической статистикой. Двое из трех авторов пришли в мир науки о данных из мира статистики и поэтому обла­дают некоторым пониманием того вклада, который статистика может привнести в науку о данных как прикладную дисциплину. В то же время мы хорошо осведом­лены об ограничениях традиционного статистического образования: статистика как дисциплина насчитывает полтора столетия, и большинство учебников и курсов по статистике отягощены кинетикой и инерцией океанского лайнера.

Добро пожаловать в мир анализа временных рядов! Чаще всего для построения прогноза для некой последовательности дан­ных прибегают к тщательному анализу имеющихся временных рядов. Если вы держите в ру­ках эту книгу, то, вероятно, уже заметили, что временные ряды окружают нас повсюду. В последнее время они становятся важной или даже неотъемлемой частью экосистем больших данных. Что касается программирования, предполагается, что вам знакомы языки R и Python, особенно такие их фундаментальные пакеты, как NumPy, Pandas, scikit-learn (в Python) и data.table (в R)

В мире современных технологий все вокруг нас становится взаимосвязанным, настраиваемым, программируемым и в каком-то смысле компьютерным. Можно оставаться пассивным наблюдателем, а можно научиться программировать. Самое главное - это начать думать как программист. С помощью этой книги вы освоите свой первый язык программирования и узнаете, как заставить компьютер выполнять ваши команды. На примере языка Python вы пошагово изучите базовые концепции программирования и многие фундаментальные темы компьютерных наук, включая структуры данных, файлы, объекты, рекурсию и модульную организацию приложений.

Описаны инструментальные средства для разработки приложений искусственного интеллекта. Даны основы языка программирования Python. Раскрыты основные понятия и определения искусственного интеллекта. Рассмотрены вопросы программной реализации элементов нейронной сети и построения многослойных нейронных сетей. Большое внимание уделено применению специализированных библиотек PyBrain, Scikit-learn, Keras, TensorFlow для формирования структуры нейронных сетей и их обучения и библиотек ImageAI и OpenCV для обработки изображений.

Географические информационные системы (ГИС) приобретают все большее значение, помогая нам понять сложную социальную, экономическую и природную динамику в ситуациях, где ключевую роль играют пространственные компоненты. Однако фундаментальные алгоритмы, применяемые в ГИС, трудны для понимания и преподавания, отчасти из-за отсутствия логически последовательного изложения. Алгоритмы можно описывать разными способами. В данной книге мы избрали более практичный путь – описывать алгоритм на реальном языке программирования, в качестве какового решили взять Python. Мы выбрали Python в основном за его простой синтаксис, а также за изобилие популярных, эффективных и хорошо сопровождаемых модулей.

Рассмотрены современные и классические алгоритмы одновременного машинного обучения множества агентов, основанные на теории игр, табличных, нейросетевых, эволюционных и роевых технологиях. Представлено последовательное развитие теоретической модели алгоритмов, базирующееся на марковских процессах принятия решений. Реализация алгоритмов выполнена на языке программирования Python с использованием библиотеки глубокого обучения PyTorch.

Наша цель в этой книге состоит в том, чтобы помочь вам изучить основы технологии и снабдить вас инструментами, которые вы сможете использовать для строительства квантовых решений завтрашнего дня. В части I вы создадите свой собственный симулятор квантового устройства на языке Python; в части II вы научитесь применять свои новые навыки для написания квантовых приложений с по­мощью языка Q# и Комплекта инструментов для квантовой разработки; и в части III вы научитесь имплементировать алгоритм, который умножает целые числа экспоненциально быстрее, чем самый лучший обычный алгоритм из известных на сегодняшний день.

Если вы уже пытались узнать что-то о нейронных сетях и глубоком обу­чении, то, скорее всего, столкнулись с изобилием ресурсов, от блогов до массовых открытых онлайн-курсов различного качества и даже книг. Ресурсы по нейронным сетям обычно делятся на две категории. Некоторые из них касаются в основном концептуальной и математической части и содержат как рисунки, которые, как правило, встречаются в объяснениях нейронных сетей, так и круги, соединенные линиями со стрелками на концах, а также подробные математические объяснения того, что происходит, чтобы вы могли «вникнуть в матчасть». На других ресурсах — много кода, запустив который вы видите, как снижается ошибка и «обучается» нейронная сеть.

За последние несколько лет были разработаны новые инструменты автоматизации, которые решают задачи конвейеров машинного обучения, такие как TensorFlow Extended (TFX) и Kubeflow. Все больше и больше организаций начинают использовать эти инструменты для создания конвейеров машинного обучения, которые автоматизируют большую часть (или все) этапов построения и обучения моделей машинного обучения. В этой книге Ханнес и Кэтрин дают четкое и понятное руководство по автоматизации конвейеров машинного обучения.