Avis des lecteurs
Résumé:Ce livre a reçu des critiques mitigées de la part d'utilisateurs ayant une solide expérience de la programmation, en particulier en Java ou dans d'autres langages de bas niveau. Alors que certains utilisateurs apprécient ses explications détaillées et l'étendue des sujets abordés dans Python, l'apprentissage automatique et l'IA, d'autres le critiquent pour sa mauvaise organisation, ses exemples de code obsolètes et son manque de contenu adapté aux débutants. Certains l'ont trouvé utile, mais trop volumineux, tandis que d'autres déconseillent fortement de l'acheter en raison de divers problèmes, notamment un contenu peu clair et une mauvaise qualité d'impression.
Avantages:⬤ Bien écrit et informatif
⬤ fournit une base solide en Python pour ceux qui ont une expérience de la programmation
⬤ comprend une couverture complète des sujets Python et de l'apprentissage automatique
⬤ exemples concrets donnés
⬤ certains utilisateurs trouvent que les chapitres sur les sujets avancés sont particulièrement utiles.
⬤ Suppose des connaissances préalables en programmation, ce qui le rend inadapté aux débutants
⬤ échantillons de code obsolètes ou bogués
⬤ mal organisé et difficile à parcourir
⬤ certains utilisateurs signalent qu'il est trop théorique
⬤ problèmes de qualité d'impression et de couleur
⬤ certains affirment qu'il contient un langage promotionnel au lieu d'un enseignement pratique.
(basé sur 24 avis de lecteurs)
Titre original :
Python for Programmers
Contenu du livre :
Le guide Deitel(R) du programmeur professionnel sur Python(R) avec des études de cas d'introduction à l'intelligence artificielle.
Écrit pour les programmeurs ayant une expérience dans un autre langage de haut niveau, Python pour les programmeurs utilise des instructions pratiques pour enseigner les technologies informatiques de pointe et la programmation en Python, l'un des langages les plus populaires au monde et dont la croissance est la plus rapide. Veuillez lire le diagramme de la table des matières à l'intérieur de la couverture et la préface pour plus de détails.
Dans le contexte de plus de 500 exemples du monde réel, allant d'extraits individuels à 40 grands scripts et études de cas de mise en œuvre complète, vous utiliserez l'interpréteur interactif IPython avec du code dans les carnets Jupyter pour maîtriser rapidement les derniers idiomes de codage Python. Après avoir couvert les chapitres 1 à 5 de Python et quelques parties clés des chapitres 6 et 7, vous serez en mesure de traiter des parties importantes des études de cas pratiques d'introduction à l'IA dans les chapitres 11 à 16, qui sont remplis d'exemples cool, puissants et contemporains. Ceux-ci incluent le traitement du langage naturel, l'exploration de données Twitter(R) pour l'analyse des sentiments, l'informatique cognitive avec IBM(R) Watson(TM), l'apprentissage automatique supervisé avec la classification et la régression, l'apprentissage automatique non supervisé avec le clustering, la vision par ordinateur grâce à l'apprentissage profond et aux réseaux neuronaux convolutifs, l'apprentissage profond avec les réseaux neuronaux récurrents, le big data avec Hadoop(R), Spark(TM) et les bases de données NoSQL, l'Internet des objets et bien plus encore. Vous travaillerez également directement ou indirectement avec des services basés sur le cloud, notamment Twitter, Google Translate(TM), IBM Watson, Microsoft(R) Azure(R), OpenMapQuest, PubNub et bien d'autres.
Caractéristiques.
⬤ Plus de 500 exemples pratiques, réels, de code en direct, allant de snippets à des études de cas.
⬤ IPython + code dans Jupyter(R) Notebooks.
⬤ Axé sur les bibliothèques : Utilise la bibliothèque standard Python et les bibliothèques de science des données pour accomplir des tâches importantes avec un minimum de code.
⬤ Couverture riche de Python : Instructions de contrôle, fonctions, chaînes de caractères, fichiers, sérialisation JSON, CSV, exceptions.
⬤ Programmation procédurale, fonctionnelle et orientée objet.
⬤ Les collections : Listes, tuples, dictionnaires, ensembles, tableaux NumPy, séries pandas et DataFrames.
⬤ Visualisations statiques, dynamiques et interactives.
⬤ Expériences de données avec des ensembles de données et des sources de données du monde réel.
⬤ Introduction aux sections de la science des données : IA, statistiques de base, simulation, animation, variables aléatoires, manipulation de données, régression.
⬤ Études de cas sur l'IA, les big data et la science des données en nuage : NLP, data mining Twitter(R), IBM(R) Watson(TM), machine learning, deep learning, computer vision, Hadoop(R), Spark(TM), NoSQL, IoT.
⬤ Bibliothèques open-source : NumPy, pandas, Matplotlib, Seaborn, Folium, SciPy, NLTK, TextBlob, spaCy, Textatistic, Tweepy, scikit-learn(R), Keras et plus encore.
Enregistrez votre produit pour accéder aux chapitres et documents mis à jour, ainsi qu'aux téléchargements, aux futures mises à jour et/ou aux corrections dès qu'elles seront disponibles. Voir l'intérieur du livre pour plus d'informations.
Autres informations sur le livre :
| ISBN : | 9780135224335 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2018 |
| Nombre de pages : | 640 |
Achat:
Actuellement disponible, en stock.
