这本书的目的是教你像计算机科学家一样思考。这种思维方式结合了数学、工程和自然科学的一些最好的特点。像数学家一样,计算机科学家使用形式语言来表示思想(特别是计算)。就像工程师一样,他们设计东西,将组件组装成系统,并在备选方案中进行权衡。像科学家一样,他们观察复杂系统的行为,形成假设,并测试预测。

计算机科学家最重要的技能是解决问题。解决问题的能力是指组织问题,创造性地思考解决方案,并清晰准确地表达解决方案的能力。事实证明,学习编程的过程是练习解决问题技巧的绝佳机会。这就是为什么这一章叫做,程序之道。

在某种程度上,你将学习编程,这本身就是一项有用的技能。在另一个层面上,您将把编程作为达到目的的一种手段。随着时间的推移,这个目标会越来越清晰。

《如何像计算机科学家一样思考》(How to Think Like a Computer Scientist)已经是目前最好的Python入门书籍了,但我们将其重新出版:

  • 使用在线IDE Replit,而不是向学生展示如何在Windows上设置Python(许多有抱负的程序员都放弃了这一点)。

  • 使展示现代化,并将源代码转换为Markdown,这样读者可以更容易地作出贡献。

  • 使用在线应用程序PythonTutor.com逐步可视化和逐步执行代码。

成为VIP会员查看完整内容
0
39

相关内容

Python是一种面向对象的解释型计算机程序设计语言,在设计中注重代码的可读性,同时也是一种功能强大的通用型语言。

掌握使用PyTorch实现深度学习解决方案的实践方面,使用实践方法理解理论和实践。Facebook的人工智能研究小组开发了一个名为PyTorch的平台,该平台拥有良好的理论基础和实用技能,为你在现实世界中应用深度学习做好了准备。

首先,您将了解PyTorch的深度学习是如何以及为什么成为一种具有开创性的框架,它带有一组工具和技术来解决现实世界中的问题。接下来,这本书将为你打下线性代数、向量微积分、概率和最优化的数学基础。在建立了这个基础之后,您将继续讨论PyTorch的关键组件和功能,包括层、损失函数和优化算法。

您还将了解基于图形处理单元(GPU)的计算,这对训练深度学习模型是必不可少的。介绍了深度学习的前馈网络、卷积神经网络、循环神经网络、长短时记忆网络、自动编码器网络和生成对抗网络等关键网络结构。在许多训练和优化深度学习模型的技巧的支持下,这个版本的Python深度学习解释了使用PyTorch将这些模型带到生产中的最佳实践。

你会: 回顾机器学习的基本原理,如过拟合、欠拟合和正则化。 了解深度学习的基本原理,如前馈网络,卷积神经网络,递归神经网络,自动微分和随机梯度下降。 使用PyTorch深入应用线性代数 探索PyTorch的基本原理及其构建块 使用调优和优化模型

成为VIP会员查看完整内容
0
82

学习使用Python分析数据和预测结果的更简单和更有效的方法

Python机器学习教程展示了通过关注两个核心机器学习算法家族来成功分析数据,本书能够提供工作机制的完整描述,以及使用特定的、可破解的代码来说明机制的示例。算法用简单的术语解释,没有复杂的数学,并使用Python应用,指导算法选择,数据准备,并在实践中使用训练过的模型。您将学习一套核心的Python编程技术,各种构建预测模型的方法,以及如何测量每个模型的性能,以确保使用正确的模型。关于线性回归和集成方法的章节深入研究了每种算法,你可以使用书中的示例代码来开发你自己的数据分析解决方案。

机器学习算法是数据分析和可视化的核心。在过去,这些方法需要深厚的数学和统计学背景,通常需要结合专门的R编程语言。这本书演示了机器学习可以如何实现使用更广泛的使用和可访问的Python编程语言。

使用线性和集成算法族预测结果

建立可以解决一系列简单和复杂问题的预测模型

使用Python应用核心机器学习算法

直接使用示例代码构建自定义解决方案

机器学习不需要复杂和高度专业化。Python使用了更简单、有效和经过良好测试的方法,使这项技术更容易为更广泛的受众所接受。Python中的机器学习将向您展示如何做到这一点,而不需要广泛的数学或统计背景。

成为VIP会员查看完整内容
0
93

最后,一本关于创造性编程的书,直接写给艺术家和设计师!这本书的目标读者是那些在设计、艺术和教育的交叉领域工作的创造性人才,而不是遵循计算机科学课程。

这本书你将学习如何将计算应用到创造性的过程中,遵循四个步骤,通过这个步骤,你将进入编码和艺术的横截面,重点放在实际的例子和相关的工作结构上。您将跟随计算艺术的一个真实的用例,并看到它如何与四个关键支柱联系起来,并解决创造性过程中的潜在陷阱和挑战。所有的代码示例都是在一个完全集成的处理示例库中提供的,这使得读者很容易上手。

这种在技能习得和创造性过程和开发之间的独特和微妙的平衡方法使《编码艺术》成为了一本实用的参考书,无论是对于创造性编程还是对于教授和学生的创造性过程。

你将学习

  • 回顾从创意编程到不同专业领域的想法和方法
  • 使用像处理语言这样的计算工具
  • 了解从静态元素到动画再到交互所需的技能
  • 使用互动作为输入,使创意概念更接近完善和深度
  • 简化和扩展数据结构的美感、韵律和流畅性的设计
  • 利用网页或手机应用等其他平台上的艺术代码多样性
  • 通过真实世界的用例了解计算艺术的端到端过程
  • 学习创意过程中的最佳实践、常见陷阱和挑战

这本书是给谁的

  • 希望看到计算和数据可以为他们的创造性表达做些什么;希望从不同角度将计算和数据整合到实践中的学习者;以及那些已经知道如何编程,在计算和数据的环境中寻找创造力和灵感的人。

成为VIP会员查看完整内容
0
35

你将学习Python 3!

Zed Shaw完善了世界上最好的学习Python 3的系统。遵循它,你就会成功——就像Zed教的数百万初学者约会一样! 你们带来了纪律、承诺和坚持;其他一切由作者提供。

在Learn Python 3 the Hard Way中,您将通过52个精心制作的练习来学习Python。读它们。精确地输入他们的代码。修正你的错误。观看程序运行。当你这样做的时候,你将学习计算机是如何工作的;什么是好的程序;以及如何读、写和思考代码。然后Zed在5个多小时的视频中教您更多,他向您展示如何破坏、修复和调试您的代码,因为他正在做练习。

安装完整的Python环境 组织和编写代码 修复代码 基本的数学 变量 字符串和文本 与用户交互 处理文件 循环和逻辑 使用列表和字典的数据结构 程序设计 面向对象编程 继承和组合 模块、类和对象 Python包装 自动化测试 基本的游戏开发 基本web开发

一开始会很困难。但是很快,你就会得到它——那会让你感觉很棒!这门课程将会奖励你投入的每一分钟。很快,您就会知道世界上最强大、最流行的编程语言之一。你会成为一名Python程序员。

这本书非常适合

完全没有编程经验的初学者 掌握一种或两种语言的初级开发人员 多年没有编写代码的归国专业人员 寻找Python 3中快速、简单的速成课程的经验丰富的专业人员

成为VIP会员查看完整内容
0
76

Graph Data Science For Dummies将带您了解图数据科学的基础——从定义图分析和算法到向您展示如何使用它们进行机器学习和解决现实世界的问题。

  • 了解图表数据科学基础

  • 用图表分析做出更好的预测

  • 使用GDS技术升级您的应用程序

https://neo4j.com/graph-data-science-for-dummies/

成为VIP会员查看完整内容
0
57

这本书的前半部分快速而彻底地概述了Python的所有基础知识。你不需要任何以前的经验与编程开始,我们将教你一切你需要知道,一步一步。

第二部分着重于用Python以实用的方式解决有趣的、真实的问题。一旦你掌握了基础知识,你就会通过跟随我们的动手编程练习和项目迅速提高。

我们在书中的每一页都精心安排了漂亮的排版,代码示例的语法高亮显示,以及教学截图,这样你可以有效地处理和记忆信息:

所有材料都是Python 3.9的最新版本,Python编程语言在2020年发布的最新和最好的版本。简而言之,以下是你将学到的Python基础知识:Python 3的实用介绍:

安装和运行Python:在Windows、macOS或Linux上设置Python 3.9编码环境

  • 核心Python 3概念和约定:解释器会话、脚本、查找和修复代码bug、如何组织代码和构造Python程序、如何有效地学习和实践

  • Python 3.9基本原理:变量、基本数据类型、函数和循环、条件逻辑和控制流、字符串格式、列表/元组/字典、文件输入和输出、错误处理。

  • 中级Python概念:面向对象编程(OOP)、正则表达式、名称空间和作用域、异常处理、安装第三方包。

  • Python的实际使用:创建和修改PDF文件、使用数据库、从web下载和抓取内容、数据科学基础(科学计算和绘图)、图形用户界面和GUI编程。

成为VIP会员查看完整内容
0
56

《数据科学与机器学习概论》的创建目标是为寻求了解数据科学的初学者、数据爱好者和经验丰富的数据专业人士提供从头到尾对使用开源编程进行数据科学应用开发的深刻理解。这本书分为四个部分: 第一部分包含对这本书的介绍,第二部分涵盖了数据科学、软件开发和基于开源嵌入式硬件的领域; 第三部分包括算法,是数据科学应用的决策引擎; 最后一节汇集了前三节中共享的概念,并提供了几个数据科学应用程序示例。

^

  1. Introductory Chapter: Clustering with Nature-Inspired Optimization Algorithms 在本章中,读者将学习如何为聚类问题应用优化算法。

By Pakize Erdogmus and Fatih Kayaalp

  1. Best Practices in Accelerating the Data Science Process in Python

By Deanne Larson

数据科学和大数据项目的数量正在增长,当前的软件开发方法受到了挑战,以支持和促进这些项目的成功和频率。关于如何使用数据科学算法以及大数据的好处已经有了很多研究,但是关于可以利用哪些最佳实践来加速和有效地交付数据科学和大数据项目的研究却很少。大数据的数量、种类、速度和准确性等特点使这些项目复杂化。数据科学家可利用的开源技术的激增也会使情况变得复杂。随着数据科学和大数据项目的增加,组织正在努力成功交付。本文讨论了数据科学和大数据项目过程,过程中的差距,最佳实践,以及这些最佳实践如何在Python中应用,Python是一种常见的数据科学开源编程语言。

  1. Software Design for Success By Laura M. Castro

正如人们所期望的那样,技术书籍的大部分时间都集中在技术方面。然而,这造成了一种错觉,即技术在某种程度上是没有偏见的,总是中性的,因此适合每个人。后来,当产品已经存在时,现实会证明我们不是这样的。包含和表示在设计和建模阶段是至关重要的。在本章中,我们将从架构的角度分析,哪些非功能性需求是最敏感的,以及如何开始讨论它们以最大限度地提高我们的软件产品成功的可能性。

  1. Embedded Systems Based on Open Source Platforms By Zlatko Bundalo and Dusanka Bundalo

  2. The K-Means Algorithm Evolution By Joaquín Pérez-Ortega, Nelva Nely Almanza-Ortega, Andrea Vega-Villalobos, Rodolfo Pazos-Rangel, Crispín Zavala-Díaz and Alicia Martínez-Rebollar

  3. “Set of Strings” Framework for Big Data Modeling By Igor Sheremet

  4. Investigation of Fuzzy Inductive Modeling Method in Forecasting Problems By Yu. Zaychenko and Helen Zaychenko

  5. Segmenting Images Using Hybridization of K-Means and Fuzzy C-Means Algorithms By Raja Kishor Duggirala

  6. The Software to the Soft Target Assessment By Lucia Mrazkova Duricova, Martin Hromada and Jan Mrazek

  7. The Methodological Standard to the Assessment of the Traffic Simulation in Real Time By Jan Mrazek, Martin Hromada and Lucia Duricova Mrazkova

  8. Augmented Post Systems: Syntax, Semantics, and Applications By Igor Sheremet

  9. Serialization in Object-Oriented Programming Languages By Konrad Grochowski, Michał Breiter and Robert Nowak

本章描述了将对象状态转换为一种格式的过程,这种格式可以在当前使用的面向对象编程语言中传输或存储。这个过程称为序列化(封送处理);相反的称为反序列化(反编组)进程。它是一种低级技术,应该考虑一些技术问题,如内存表示的大小、数字表示、对象引用、递归对象连接等。在本章中,我们将讨论这些问题并给出解决办法。我们还简要回顾了当前使用的工具,并指出满足所有需求是不可能的。最后,我们提供了一个新的支持向前兼容性的c++库。

成为VIP会员查看完整内容
0
45

如果您是用Python编程的新手,并且正在寻找可靠的介绍,那么这本书就是为您准备的。由计算机科学教师开发,在“为绝对初学者”系列丛书通过简单的游戏创造教授编程的原则。您将获得实际的Python编程应用程序所需的技能,并将了解如何在真实场景中使用这些技能。在整个章节中,你会发现一些代码示例来说明所提出的概念。在每一章的结尾,你会发现一个完整的游戏,展示了这一章的关键思想,一章的总结,以及一系列的挑战来测试你的新知识。当你读完这本书的时候,你将非常精通Python,并且能够将你所学到的基本编程原理应用到你要处理的下一种编程语言。

成为VIP会员查看完整内容
0
106

理解并实施panda的大数据分析解决方案,强调性能。本书通过探索其底层实现和数据结构,增强了您使用Python数据分析库pandas的直觉。

《Pandas 编程思想》介绍了大数据的主题,并通过观看pandas帮助解决的激动人心和有影响力的项目来展示概念。从那里,您将学习按大小和类型评估您自己的项目,以确定pandas是否适合您的需要。作者Hannah Stepanek解释了如何在pandas中有效地加载和规范化数据,并回顾了一些最常用的加载器和它们的几个最强大的选项。然后,您将了解如何有效地访问和转换数据,应该避免哪些方法,以及何时使用更高级的性能技术。您还将学习基本的数据访问、学习panda和直观的字典语法。此外,还讨论了如何选择正确的DataFrame格式、使用多层次的DataFrame以及将来如何改进panda。

在本书结束时,您将对pandas库的底层工作原理有一个牢固的理解。准备好用正确的方法在你自己的项目中做出自信的决定。

你将学到什么

  • 理解pandas的底层数据结构,以及为什么在某些情况下它会这样执行
  • 了解如何使用pandas正确地提取、转换和加载数据,重点关注性能
  • 选择正确的数据格式,使数据分析简单有效。
  • 使用其他Python库提高pandas操作的性能

这本书是给谁的

  • 具有基本Python编程技能的软件工程师热衷于在大数据分析项目中使用pandas。Python软件开发人员对大数据感兴趣。
成为VIP会员查看完整内容
0
94
小贴士
相关主题
相关VIP内容
专知会员服务
82+阅读 · 5月21日
专知会员服务
93+阅读 · 2月25日
专知会员服务
35+阅读 · 1月10日
专知会员服务
76+阅读 · 2020年12月28日
专知会员服务
57+阅读 · 2020年11月27日
专知会员服务
56+阅读 · 2020年10月11日
专知会员服务
45+阅读 · 2020年9月14日
专知会员服务
106+阅读 · 2020年8月14日
相关资讯
Python3.7中一种懒加载的方式
Python程序员
3+阅读 · 2018年4月27日
软件工程师如何转型人工智能?
机器学习算法与Python学习
6+阅读 · 2018年4月26日
Python 如何快速入门?
大数据技术
10+阅读 · 2018年4月9日
这几本Python新书特别赞
图灵教育
6+阅读 · 2018年3月1日
十五条有用的Golang编程经验
CSDN大数据
5+阅读 · 2017年8月7日
相关论文
Aleksandr Beznosikov,Vadim Sushko,Abdurakhmon Sadiev,Alexander Gasnikov
0+阅读 · 6月14日
Feature Selection Tutorial with Python Examples
Padraig Cunningham,Bahavathy Kathirgamanathan,Sarah Jane Delany
0+阅读 · 6月11日
Cuong C. Nguyen,Thanh-Toan Do,Gustavo Carneiro
0+阅读 · 6月9日
Mark Stamp,Aniket Chandak,Gavin Wong,Allen Ye
0+阅读 · 3月7日
Hamed Shahbazi,Xiaoli Z. Fern,Reza Ghaeini,Rasha Obeidat,Prasad Tadepalli
3+阅读 · 2019年8月22日
Liwei Wu,Cho-Jui Hsieh,James Sharpnack
6+阅读 · 2018年2月28日
Wenhan Xiong,Thien Hoang,William Yang Wang
18+阅读 · 2018年1月8日
Top