Der Python®-Leitfaden von Deitel® für professionelle Programmierer mit einführenden Fallstudien zur künstlichen Intelligenz. Geschrieben für Programmierer mit einem Hintergrund in einer anderen Hochsprache, verwendet dieses Buch Anleitungen aus erster Hand, um die modernsten und fortschrittlichsten Informationstechnologien und Programmiertechniken mit Python zu vermitteln – einer der beliebtesten und am schnellsten wachsenden Sprachen.

Im Rahmen von über 500 Beispielen aus der Praxis, von einzelnen Fragmenten bis hin zu 40 großen Szenarien und vollständigen Fallstudien, werden Sie den interaktiven IPython-Interpreter mit Code in Jupyter-Notebooks verwenden, um schnell die modernsten Python-Codeidiome zu beherrschen. Nachdem Sie die Kapitel 1-5 der Python und einige grundlegende Teile der Kapitel 6-7 behandelt haben, werden Sie in der Lage sein, bedeutende Abschnitte der praktisch orientierten einführenden Fallstudien zur KI in den Kapiteln 11-16 zu bewältigen, welche eine Vielzahl von intelligenten, leistungsstarken, modernen Beispielen enthalten.

Diese umfassen die Verarbeitung natürlicher Sprache, Twitter®-Datenextraktion zur Sentiment-Analyse, kognitive Berechnungen mit IBM® WatsonTM, überwachten maschinelles Lernen mit Klassifizierung und Regression, unüberwachtes maschinelles Lernen mit Clustering, Computer Vision durch Deep Learning und Convolutional Neural Networks, Deep Learning mit rekursiven neuronalen Netzen, Big Data mit Hadoop®, SparkTM und NoSQL-Datenbanken, das Internet der Dinge und mehr. Sie werden direkt oder indirekt mit cloudbasierten Diensten arbeiten, darunter Twitter, Google TranslateTM, IBM Watson, Microsoft® Azure®, OpenMapQuest, PubNub und anderen.

Merkmale

• Über 500 praktische, realistische, lebende Codebeispiele, von Fragmenten bis zu Fallstudien
• IPython + Code in Jupyter®-Notebooks
• Bibliotheksfokussiert: Verwendet die Standardbibliothek von Python und Bibliotheken der Datenwissenschaft, um signifikante Aufgaben mit minimalem Code zu realisieren
• Umfassende Abdeckung von Python: Kontrollstrukturen, Funktionen, Strings, Dateien, JSON-Serialisierung, CSV, Ausnahmen
• Prozeduraler, funktionaler und objektorientierter Programmierstil
• Sammlungen: Listen, Tupel, Dictionaries, Mengen, NumPy-Arrays (Matrizen), pandas Series & Dataframe
• Statische, dynamische und interaktive Visualisierungen
• Datenexperimente mit Datensätzen und Datenquellen aus der realen Welt
• Einführungsabschnitte in die Datenwissenschaft: KI, grundlegende Statistiken, Simulation, Animation, Zufallsvariablen, Datenvorverarbeitung, Regression
• Fallstudien zur KI, Big Data und Cloud-Datenwissenschaft: NLP, Twitter®-Datenextraktion, IBM® WatsonTM, maschinelles Lernen, Deep Learning, Computer Vision, Hadoop®, SparkTM, NoSQL, IoT
• Open-Source-Bibliotheken: NumPy, pandas, Matplotlib, Seaborn, Folium, SciPy, NLTK, TextBlob, spaCy, Textatistic, Tweepy, scikit-learn®, Keras und andere.