Εισαγωγή στην Python για τις Επιστήμες Υπολογιστών και Δεδομένων

Στο βιβλίο αυτό θα εκπαιδευθείτε βιωματικά με τις πιο συναρπαστικές, τεχνολογίες αιχμής της υπολογιστικής – και, όπως θα δείτε, με ένα εύκολα ρυθμίσιμο μείγμα πληροφορικής και επιστήμης δεδομένων κατάλληλο για εισαγωγικά μαθήματα σε αυτούς και σε συναφείς τομείς. Και θα προγραμματίσετε σε Python – μία απ’ τις δημοφιλέστερες γλώσσες παγκοσμίως και την ταχύτερα αυξανόμενη μεταξύ αυτών. Για περισσότερες λεπτομέρειες παρακαλούμε να διαβάσετε τον Πρόλογο:

• 538 βιωματικά, ρεαλιστικά, παραδείγματα ζωντανού κώδικα σε αποσπάσματα και μελέτες περιπτώσεων• 471 ασκήσεις και εργασίες
• Άμεση ανάδραση με IPython, Τετράδια Jupyter και 557 ασκήσεις Αυτοεξέτασης
• Εστιασμένο σε Βιβλιοθήκες: Χρησιμοποιήστε βιβλιοθήκες της Python και της επιστήμης δεδομένων προκειμένου να φέρετε εις πέρας σημαντικές εργασίες με ελάχιστο κώδικα
• Πλούσια κάλυψη βασικών αρχών: Επίλυση προβλημάτων, ανάπτυξη αλγορίθμων, εντολές ελέγχου, συναρτήσεις.
• Συλλογές: Λίστες, πλειάδες, λεξικά, σύνολα, NumPy array (πίνακες), pandas Series & Dataframe
• 2D και 3D στατικές, δυναμικές και διαδραστικές απεικονίσεις
• Συμβολοσειρές, αρχεία κειμένου, σειριοποίηση JSON, CSV• εξαιρέσεις
• Διαδικασιακός/συναρτησιακού ύφους/αντικειμενοστραφής προγραμματισμός
• Εμπειρίες δεδομένων με σύνολα δεδομένων και πηγές δεδομένων του πραγματικού κόσμου
• Ενότητες Εισαγωγής στην Επιστήμη Δεδομένων: Βασικά στατιστικά, προσομοίωση, κινούμενα γραφικά, τυχαίες μεταβλητές, προεπεξεργασία δεδομένων, παλινδρόμηση.
• Ιδιωτικότητα, ασφάλεια, δεοντολογία, αναπαραγωγιμότητα, διαφάνεια.
• Μελέτες περιπτώσεων ΑΙ, μαζικών δεδομένων και νέφους της επιστήμης δεδομένων: NLP, εξόρυξη δεδομένων Twitter, IBM Watson, μηχανική μάθηση, βαθιά μάθηση, μηχανική όραση, Hadoop, Spark, NoSQL, IoT.
• Βιβλιοθήκες ανοικτού κώδικα: NumPy, pandas, Matplotlib, Seaborn, Folium, SciPy, NLTK, TextBlob, spaCy, Textatistic, Tweepy, scikit-learn, Keras, PubNub κ.ά.