Наука о данных — это вовсе не страшно! Изучите программирование на языке Python для анализа данных и статистики. Пишите код в облаке, используя Google Colab. Обменивайтесь данными и визуализируйте информацию. Интересуетесь наукой о данных, но немного побаиваетесь? Не нужно! Эта книга покажет, как использовать язык Python для создания интересных вещей с помощью науки о данных. Вы увидите, как установить набор инструментов Anaconda, благодаря которому работа с Python станет очень простой.

В данной книге в форме уроков дана информация, которая поможет вам решить при программировании на языке Python большую часть задач, которые возникают при работе с графиками. Рассмотрены такие темы как визуализация данных: построение линейных, точечных, ступенчатых, stem-графиков, столбчатых и круговых диаграмм, а также 3D графиков.

Эта книга позволит вам максимально комфортно войти в мир тестирования в Python. Основное внимание в ней уделено созданию тестов, объединению их в группы, запуску, обработке результатов тестирования и пропуску ненужных тестов. Рассмотрена работа с классами TestCase, TestSuite, TestLoader, TestResult и TextTestRunner. Трудно представить какой-то современный программный проект без тестирования. При этом тестирование осуществляется практических на всех этапах разработки продукта: начиная, непосредственно, с процесса создания функций, методов и классов и т.д.

Автор книги "Наука о данных с нуля" легко, доступ­но и иногда с юмором повествует о сложных вещах, составляющих фундамент нау­ки о данных и машинного обучения. Второе издание кни­ги дополнено главами о глубоком обучении и этике данных. Кроме того, книга со­держит несколько новых разделов, в частности о рекуррентных нейронных сетях, векторных вложениях слов и разложении матриц и некоторые другие. В книге детально разбирается пример разработки глубокой ней­ронной сети по образу библиотеки Keras. В исходный код внесен ряд изменений, отражающих последние тренды в развитии языка Python, в частности широко ис­пользуются аннотации типов, не характерные для ранних версий языка Python, и типизированные именованные кортежи.

«Обработка естественного языка в действии» — практическое руководство по обработке и генерации текстов на естественном языке. В этой книге мы снабдим вас всеми инструментами и методиками, необходимыми для создания прикладных NLP-систем с целью обеспечения работы виртуального помощника (чат-бота), спам-фильтра, программы — модератора форума, анализатора тональностей, программы построения баз знаний, интеллектуального анализатора текста на естественном языке или практически любого другого NLP-приложения, какое только можно себе представить.

Если вы интересуетесь машинным обучением (Machine Learning) и глубоким обучением (Deep Learning), то этот двухтомник для вас. Книга оказалась очень большой, поэтому я сделал ее двухтомником с примерно одинаковым размером. Поскольку двухтомник является, по существу, одной книгой, второй том начинается там, где заканчивается первый. В первом томе изложены фундаментальные основы глубокого обучения. Второй том посвящен нейронным сетям – быстро развивающемуся направлению машинного обучения.

Второй том посвящен нейронным сетям – быстро развивающемуся направлению машинного обучения. Многие инструменты машинного обучения и особенно глубокого обучения имеются в многочисленных библиотеках со свободным доступом, которые любой при желании может немедленно загрузить. Но хотя эти инструменты легко доступны и легко устанавливаемы, они все же требуют значительных технических знаний для правильного их применения. В главах 15, 23 и 24 мы будем обсуждать научную библиотеку машинного обучения Scikit-learn и библиотеку глубокого обучения Keras.

Эта книга не похожа на большинство других учебников и руководств по глубокому обучению – в ней нет ни детального алгоритмического анализа, сопровождаемого обширной математикой, ни развернутых листингов программного кода. Автор выбрал золотую середину - благодаря дружелюбному подходу, сопровождаемому огромным количеством цветных иллюстраций, а также детальному и скрупулезному описанию, он глубоко освещает основополагающие идеи и фундаментальные основы глубокого обучения и нейронных сетей.

В книгу включены подробные примеры и комментарии, которые помогут вам оперативно ориентироваться в основах структурированного машинного обучения (МО). Автор, Мэтт Харрисон, предлагает ценный справочник, который вы можете использовать как дополнительное пособие при обучении МО и в качестве удобного ресурса, когда погружаетесь в ваш следующий проект машинного обучения. Приведенные фрагменты кода имеют такой размер, чтобы их можно было использовать и адаптировать в ваших собственных проектах МО.

Авторы книги предлагают по-новому взглянуть на Python и использовать свой уникальный подход, чтобы быстро решить задачи, которые стоят перед современными разработчиками. Вы на практике познакомитесь с революционными вычислительными технологиями, а также программированием на Python — одном из самых популярных языков программирования в мире, лидирующем по темпам развития.