Готовые рецепты автоматизации на Python. Научитесь писать скрипты для мониторинга, деплоя, тестирования и анализа данных. Автоматизируйте рутину и повысьте свою эффективность в разы. Получите доступ к репозиторию с кодом всех примеров из книги. Python прочно вошел в число самых популярных языков программирования благодаря своей простоте, универсальности и богатой экосистеме библиотек. Его возможности выходят далеко за рамки вебразработки и Data Science — Python является идеальным инструментом для автоматизации рутинных задач в разработке и системном администрировании.

Перед вами подробное руководство по применению в научных целях Python - современного и наиболее востребованного языка программирования. Его преимущество заключается в том, что это так называемый язык высокого уровня с простым и интуитивно понятным синтаксисом. Однако несмотря на то, что Python хорошо подходит в качестве языка для начинающих, он также активно применяется и для решения самых сложных задач, благодаря чему в настоящее время является одним из наиболее широко используемых языков программирования во всем мире. Автор книги, норвежский исследователь Иоаким Сунднес, известный своими достижениями в области научных вычислений, машинного обучения и моделирования, подробно объясняет принципы работы с Python.

В книге описываются приемы создания эффективных больших языковых моделей, систем компьютерного зрения и генеративного ИИ, показывающих высокую производительность при относительно невысоких затратах. В ней приводится подробное исследование технологии RAG, а также подходов к проектированию мультимодальных пайплайнов ИИ и управлению ими. Связывая вывод с исходными документами, RAG повышает точность и контекстную релевантность результатов, предлагая динамический подход к управлению большими объемами информации.

Все, что вам нужно знать о компьютерах, интернете, приватности и безопасности. Технологические изменения – это не отдельное событие, а непрерывный процесс – быстрый, постоянный и ускоряющийся. К счастью, основы работы цифровых систем останутся неизменными. Когда вы их поймете, то сможете лучше справляться с вызовами и возможностями, которые они предоставят. Существует целая тьма языков. Какой из них вам следует изучить в первую очередь? В этой книге я кратко расскажу о двух ЯП – jаvascript и Python. Оба широко используются как профессиональными программистами, так и любителями. Они просты в освоении на начальном уровне, широко применимы и масштабируемы при создании более крупных программ. Язык jаvascript включен в каждый браузер, поэтому никакое ПО скачивать не нужно. Написав программу, вы сможете использовать ее на собственных веб-страницах, чтобы показать друзьям и родственникам. Другой наш язык – Python. Он отлично подходит для повседневной разработки программ в громадном диапазоне областей применения. За последние несколько лет Python стал стандартным языком для вводных занятий по программированию, а также для курсов по аналитике данных и машинному обучению.

Всегда хотели научиться программировать на Python, но не знаете, с чего начать? Или хотите быстро перейти с другого языка на Python? Уже перепробовали множество книг и курсов, но ничего не подходит? Серия «Быстрый старт» — отличное решение, и вот почему: сложные понятия разбиты на простые шаги — вы сможете освоить язык Python, даже если никогда раньше не занимались программированием; все фундаментальные концепции подкреплены реальными примерами; вы получите полное представление о Python: структуры управления, методы обработки ошибок, концепции объектно-ориентированного программирования и т.д. В конце книги вас ждет интересный проект, который поможет усвоить полученные знания. Ну что, готовы? Погнали!

Цель этой книги – научить вас подготавливать и преобразовывать сырые данные, конструировать новые признаки и придавать исходным данным форму, пригодную для будущего интеллектуального анализа при помощи методов машинного и глубокого обучения. Предложенные в книге эффективные техники и приемы будут полезны для обработки любого объема данных. Примеры кода опираются на наиболее популярные библиотеки Python для работы с данными, такие как Pandas, NumPy и Scikit-learn. Издание предназначено как делающим первые шаги в освоении науки о данных, так и практикующим специалистам, желающим улучшить свои навыки.

Это практическое руководство для тех, кто хочет освоить программирование на языке Python. Состоит из 15 увлекательных задач, которые помогут новичкам освоить ключевые концепции программирования, решая интересные кейсы и головоломки. Издание ориентировано на читателей с любым уровнем подготовки. Книга «Python для начинающих. Лучшие задачи для изучения языка программирования» станет источником вдохновения для начинающих программистов, заинтересованных не только в овладении техническими навыками, но и в поиске оригинальных решений.

Эта книга - практическое руководство по созданию современных Telegram-ботов на Python с использованием асинхронного фреймворка Aiogram. Она рассчитана на начинающих и продолжающих разработчиков, которые хотят быстро освоить все этапы разработки: от первых шагов и настройки окружения до построения сложных интерактивных ботов с базой данных, кнопками, многошаговыми диалогами и интеграцией с внешними сервисами. Книга написана простым и понятным языком, а весь материал структурирован для быстрого освоения даже без большого опыта в Python. Создайте своего первого Telegram-бота уже сегодня и откройте для себя новые возможности автоматизации, общения и бизнеса!

Эта книга является практическим руководством для аналитиков, трейдеров и исследователей данных, стремящихся углубить свои знания в области анализа финансовых данных. В книге подробно рассматриваются методы кластерного анализа, их применение для оптимизации портфеля, обнаружения аномалий и прогнозирования трендов на финансовых рынках. Материалы книги сопровождается примерами кода на Python, что позволяет читателям немедленно применять изученные методы на практике. Использование популярных библиотек, таких как Pandas, NumPy, Scikit-learn, Matplotlib и Seaborn, делает анализ данных доступным и эффективным.

Плох тот разработчик, который не мечтает стать архитектором! Вам тоже хочется пройти этот путь как можно быстрее? Авторы бестселлера "Фундаментальный подход к программной архитектуре" научат вас мыслить "архитектурно" и расскажут про актуальные проблемы архитектуры ПО. Вы узнаете о различиях между архитектурой и дизайном и о взаимосвязи между кодом, компонентами и архитектурными стилями. На ярких, запоминающихся и реальных примерах вы научитесь работать с самыми распространенными архитектурными стилями. Архитектурные компоненты не зависят от языка. Мы используем Python только для иллюстрации.

Практическое руководство по созданию проектов с использованием нейросетей, от простых до сложных. Вместо сухой теории мы будем шаг за шагом разрабатывать реальные приложения, которые демонстрируют мощь искусственного интеллекта в действии. Вы научитесь создавать модели, которые распознают жесты, анализируют лица, генерируют мемы и музыку, исправляют ошибки в коде, диагностируют болезни по голосу, пишут рассказы и даже управляют реальными роботами. Каждая глава — это отдельный проект, сопровождаемый объяснением ключевых концепций, инструкциями по сбору данных, обучению моделей и развертыванию готовых решений.

Предлагаемая вашему вниманию книга посвящена обработке сигналов. Отличительная черта книги, которая выделяет ее из большого количества доступных учебников, это использование модулей на языке Python для решения рассматриваемых проблем. Применение специализированных модулей: NumPy, SciPy, Scikit-learn, pywt, bitarray, Matplotlib позволяет создавать короткие скрипты, решающие текущую проблему.

Современные поисковые системы выходят далеко за рамки простого сопоставления поисковых запросов с базой данных. Прочитав эту книгу, вы получите знания и навыки, необходимые для разработки продвинутых поисковых приложений на основе ИИ, способных автоматически обучаться на основе каждого обновления контента и взаимодействия с пользователем. Ключевые понятия и методы проиллюстрированы доступными для понимания примерами. Весь код книги написан на Python и поставляется в блокнотах Jupyter, работающих в контейнерах Docker. Эта книга предназначена для инженеров поисковых систем, инженеров-программистов и специалистов по данным, которые хотят узнать, как создавать передовые поисковые системы, интегрирующие новейшие методы машинного обучения, чтобы обеспечить более предметно-ориентированный и интеллектуальный поиск. Технические читатели, которые хотят извлечь максимальную пользу из этой книги, могут следовать примерам кода Python.

Эта книга охватывает широкий спектр тем, связанных с использованием Python для решения различных задач. Каждая глава посвящена отдельной области применения Python, предоставляя подробное описание библиотек, инструментов и примеров их использования. Изучение этих тем позволяет разработчикам, ученым и специалистам в различных областях эффективно использовать язык программирования Python для решения сложных задач и создания надежных и эффективных решений.

Даже самые обычные диаграммы, дашборды и инфографики могут поведать увлекательные и вдохновляющие истории о данных! В этой книге рассказывается, как усовершенствовать визуализации, которые вы создаете каждый день, улучшив макет и типографику, подобрав правильные сочетания цветов и обеспечив доступность для людей с ограниченными возможностями. Вы откроете для себя нестареющие принципы дизайна, которые помогут вам выделить важные признаки, компенсировать недостаток информации и организовать интерактивное взаимодействие с потоками постоянно обновляемых данных. Книга «Визуализация данных для профессионалов» познакомит вас с основами графического дизайна применительно к наиболее распространенным типам визуализации данных.

Стремительное развитие ИИ меняет нашу жизнь, а поспевать за ним становится все труднее. Каждый, кто профессионально использует ИИ, быстро приходит к пониманию, что качество результатов напрямую зависит от качества входных данных. Поэтому нам сейчас не обойтись без промт-инжиниринга (prompt engineering) — набора методов повышения надежности, эффективности и точности моделей ИИ. Большие языковые (LLM) и диффузионные модели, такие как ChatGPT и DALL-E, постоянно обучаются на общедоступных текстах и изображениях из Интернета. Так что практически любой человек может использовать модели ИИ для решения задач, которые ранее не поддавались автоматизации. Эта книга поможет вам осваивать и применять на практике модели генеративного ИИ.

Современное программное обеспечение должно хорошо поддаваться масштабированию, эффективно справляясь при этом с балансировкой нагрузки, отслеживанием состояния и обеспечением безопасности. Узнайте, как можно решать эти и другие важные задачи. В издании рассматриваются все составляющие процесса контейнеризации и развертывания приложения на платформе Kubernetes с точки зрения разработчика. Сначала вы создадите небольшое приложение, способное работать в облачном кластере Kubernetes, а затем поэтапно изучите рекомендуемые практики, позволяющие сделать развертывание стабильным в долгосрочной перспективе, включая методы масштабирования, планирования емкости и оптимизации ресурсов.

Книга «Публикация пакетов Python» описывает практический процесс масштабируемого совместного использования кода Python с высокой эффективностью и помогает получить опыт работы с новейшими инструментами упаковки. Пособие дает возможность изучить все тонкости тестирования и непрерывной интеграции пакетов, а также предлагает профессиональные советы по созданию поддерживаемого проекта с открытым исходным кодом, включая вопросы лицензирования, документации и создания сообщества участников.

Инфраструктура как код (IaC) – это набор методов и процессов для построения и обслуживания инфраструктуры с использованием скриптов, файлов конфигурации или языков программирования. IaC значительно облегчает тестирование компонентов, реализацию функций и масштабирование системы. Но самое главное – поскольку IaC следует классическим методам разработки, для внесения изменений в масштабах системы достаточно нескольких коммитов кода! Прочитав эту книгу, вы научитесь создавать виртуальные серверы, сети, балансировщики нагрузки, брандмауэры и другие компоненты с помощью Python и Terraform, а также уверенно обновлять инфраструктуру, не прерывая работу системы.

В книге на наглядных примерах показано, как использовать встроенные графические примитивы Python – точки, линии и стрелки — для создания сложной графики, визуализации двух- и трехмерных объектов, диаграмм с данными и технических иллюстраций. После прочтения вы сможете создавать привлекательные графические изображения, не ограничиваясь функциями, доступными в су­ществующих библиотеках Python. Приведены примеры из физики (визуализация электронных облаков, изменение климата), астрономии, биологии (изменение динамики популяций), экономики (управление ресурсами) и др. Исходный код Python включен во все приложения, что делает материал более доступным для начинающих программистов.

В книге рассматриваются модели, системы и фреймворки, специально разработанные для обработки и анализа больших наборов данных. Вы познакомитесь с основными парадигмами и механизмами, применяемыми в анализе больших данных, включая MapReduce, рабочие потоки, массовый синхронный параллелизм, передачу сообщений и SQL-подобные модели. В главах книги описаны примеры использования фреймворков Hadoop, Spark, Storm и MPI и рассмотрены вопросы выбора среды, наиболее подходящей для достижения целевых задач приложения. Читатель должен хорошо владеть такими языками, как Java, Python или Scala, и знать основные концепции параллельного и распределенного программирования.