Wstęp; Rozdział 1. Wprowadzenie. Program Koniec gry: Analiza programu Koniec gry; Co warto wiedzieć o Pythonie?; Konfiguracja Pythona w systemie Windows; Konfiguracja Pythona w innych systemach operacyjnych; Wprowadzenie do IDLE; Powrót do programu Koniec gry; Podsumowanie; Rozdział 2. Typy, zmienne i proste operacje wejścia-wyjścia. Program Nieistotne fakty: Wprowadzenie do programu Nieistotne fakty; Użycie cudzysłowów przy tworzeniu łańcuchów znaków; Używanie sekwencji specjalnych w łańcuchach znaków; Konkatenacja i powielanie łańcuchów; Operacje na liczbach; Pojęcie zmiennych; Pobieranie danych wprowadzanych przez użytkownika; Używanie metod łańcucha; Stosowanie właściwych typów; Konwersja wartości; Powrót do programu Nieistotne fakty; Podsumowanie; Rozdział 3. Rozgałęzianie kodu, pętle while, projektowanie programu. Gra Odgadnij moją liczbę: Wprowadzenie do gry Jaka to liczba?; Generowanie liczb losowych; Używanie instrukcji if; Używanie klauzuli else; Używanie klauzuli elif; Tworzenie pętli while; Unikanie pętli nieskończonych; Traktowanie wartości jako warunków; Tworzenie umyślnych pętli nieskończonych; Korzystanie z warunków złożonych; Projektowanie programów; Powrót do gry Jaka to liczba?; Podsumowanie; Rozdział 4. Pętle for, łańcuchy znaków i krotki. Gra Wymieszane litery: Wprowadzenie do programu Wymieszane litery; Liczenie za pomocą pętli for; Stosowanie funkcji i operatorów sekwencji do łańcuchów znaków; Indeksowanie łańcuchów; Niemutowalność łańcuchów; Tworzenie nowego łańcucha; Wycinanie łańcuchów; Powrót do gry Wymieszane litery; Podsumowanie; Rozdział 5. Listy i słowniki. Gra Szubienica: Wprowadzenie do gry Szubienica; Korzystanie z list; Korzystanie z metod listy; Kiedy należy używać krotek zamiast list?; Używanie sekwencji zagnieżdżonych; Referencje współdzielone; Używanie słowników; Powrót do gry Szubienica; Podsumowanie; Rozdział 6. Funkcje. Gra Kółko i krzyżyk: Wprowadzenie do gry Kółko i krzyżyk; Tworzenie funkcji; Używanie parametrów i wartości zwrotnych; Wykorzystanie argumentów nazwanych i domyślnych wartości parametrów; Wykorzystanie zmiennych globalnych i stałych; Powrót do gry Kółko i krzyżyk; Podsumowanie; Rozdział 7. Pliki i wyjątki. Gra Turniej wiedzy: Wprowadzenie do programu Turniej wiedzy; Odczytywanie danych z plików tekstowych; Zapisywanie danych do pliku tekstowego; Przechowywanie złożonych struktur danych w plikach; Obsługa wyjątków; Powrót do gry Turniej wiedzy; Podsumowanie; Rozdział 8. Obiekty programowe. Program Opiekun zwierzaka: Wprowadzenie do programu Opiekun zwierzaka; Podstawy programowania obiektowego; Tworzenie klas, metod i obiektów; Używanie konstruktorów; Wykorzystywanie atrybutów; Wykorzystanie atrybutów klasy i metod statycznych; Hermetyzacja obiektów; Używanie atrybutów i metod prywatnych; Kontrolowanie dostępu do atrybutów; Powrót do programu Opiekun zwierzaka; Podsumowanie; Rozdział 9. Programowanie obiektowe. Gra Blackjack: Wprowadzenie do gry Blackjack; Wysyłanie i odbieranie komunikatów; Tworzenie kombinacji obiektów; Wykorzystanie dziedziczenia do tworzenia nowych klas; Rozszerzanie klasy poprzez dziedziczenie; Modyfikowanie zachowania odziedziczonych metod; Polimorfizm; Tworzenie modułów; Powrót do gry Blackjack; Podsumowanie; Rozdział 10. Tworzenie interfejsów GUI. Gra Mad Lib: Wprowadzenie do programu Mad Lib; Przyjrzenie się interfejsowi GUI; Programowanie sterowane zdarzeniami; Zastosowanie okna głównego; Używanie przycisków; Tworzenie interfejsu GUI przy użyciu klasy; Wiązanie widżetów z procedurami obsługi zdarzeń; Używanie widżetów Text i Entry oraz menedżera układu Grid; Wykorzystanie pól wyboru; Wykorzystanie przycisków opcji; Powrót do programu Mad Lib; Podsumowanie; Rozdział 11. Grafika. Gra Pizza Panic: Wprowadzenie do gry Pizza Panic; Wprowadzenie do pakietów pygame i livewires; Tworzenie okna graficznego; Ustawienie obrazu tła; Układ współrzędnych ekranu graficznego; Wyświetlanie duszka; Wyświetlanie tekstu; Wyświetlanie komunikatu; Przemieszczanie duszków; Radzenie sobie z granicami ekranu; Obsługa danych wejściowych z myszy; Wykrywanie kolizji; Powrót do gry Pizza Panic; Podsumowanie; Rozdział 12. Dźwięk, animacja i rozwijanie programu. Gra Astrocrash: Wprowadzenie do gry Astrocrash; Odczyt klawiatury; Obracanie duszka; Tworzenie animacji; Przegląd obrazów eksplozji; Wykorzystywanie dźwięku i muzyki; Planowanie gry Astrocrash; Utworzenie asteroidów; Obracanie statku; Poruszanie statku; Wystrzeliwanie pocisków; Regulowanie tempa wystrzeliwania pocisków; Obsługa kolizji; Dodanie efektów eksplozji; Dodanie poziomów gry, rejestracji wyników oraz tematu muzycznego; Podsumowanie; Dodatek A. Strona internetowa książki: Pliki archiwów; Dodatek B. Opis pakietu livewires: Pakiet livewires; Klasy modułu games; Funkcje modułu games; Stałe modułu games; Stałe modułu color; Skorowidz.

Przedmowa; Zanim zaczniesz; 1. Wprowadzenie do komputerów i języka Python: 1.1. Wstęp; 1.2. Podstawy technologii obiektowych; 1.3. Język Python; 1.4. Biblioteki; 1.5. IPython i notatniki Jupytera - pierwsze spotkanie; 1.6. Chmury i internet rzeczy; 1.7. Big Data - ile to jest "Big"?; 1.8. Analiza przypadku - mobilna aplikacja Big Data; 1.9. Wprowadzenie do Data Science: gdy informatyka spotyka się z Data Science; 1.10. Podsumowanie; 2. Wprowadzenie do programowania w języku Python: 2.1. Wstęp; 2.2. Zmienne i instrukcje przypisania; 2.3. Obliczenia arytmetyczne; 2.4. Funkcja "print" i łańcuchy znaków; 2.5. Łańcuchy z potrójnymi ogranicznikami; 2.6. Wprowadzanie danych z klawiatury; 2.7. Podejmowanie decyzji: instrukcja "if" i operatory porównania; 2.8. Obiekty i typowanie dynamiczne; 2.9. Wprowadzenie do Data Science - podstawowe statystyki opisowe; 2.10. Podsumowanie; 3. Instrukcje przepływu sterowania: 3.1. Wstęp; 3.2. Słowa kluczowe języka Python; 3.3. Instrukcja "if"; 3.4. Instrukcje "if ... else" i "if ... elif ... else"; 3.5. Instrukcja "while"; 3.6. Instrukcja "for"; 3.7. Rozszerzone przypisania; 3.8. Iterowanie po ciągach. Formatowane łańcuchy; 3.9. Nadzorowane iterowanie; 3.10. Wbudowana funkcja "range" - nieco dokładniej; 3.11. Obliczenia finansowe - typ "Decimal"; 3.12. Instrukcje "continue" i "break"; 3.13. Operatory boolowskie; 3.14. Wprowadzenie do Data Science: miary tendencji centralnej; 3.15. Podsumowanie; 4. Funkcje: 4.1. Wstęp; 4.2. Funkcje definiowane w programie; 4.3. Funkcje z wieloma parametrami; 4.4. Generowanie liczb pseudolosowych; 4.5. Analiza przypadku - gra losowa; 4.6. Standardowa biblioteka Pythona; 4.7. Funkcje modułu "math"; 4.8. Wspomagane uzupełnianie kodu; 4.9. Domyślne wartości parametrów; 4.10. Argumenty kluczowe; 4.11. Zmienne listy parametrów; 4.12. Metody - funkcje należące do obiektów; 4.13. Zasięg definicji; 4.14. O importowaniu nieco dokładniej; 4.15. Przekazywanie argumentów - nieco szczegółów; 4.16. Rekurencja; 4.17. Funkcyjny styl programowania; 4.18. Wprowadzenie do Data Science: miary rozproszenia; 4.19. Podsumowanie; 5. Ciągi: listy i krotki: 5.1. Wstęp; 5.2. Listy; 5.3. Krotki; 5.4. Rozpakowywanie ciągów; 5.5. Wyodrębnianie podciągów; 5.6. Instrukcja "del"; 5.7. Listy jako argumenty wywołań funkcji; 5.8. Sortowanie list; 5.9. Multiplikacja ciągu; 5.10. Przeszukiwanie ciągów; 5.11. Inne metody listy; 5.12. Symulowanie stosu za pomocą listy; 5.13. Odwzorowywanie list; 5.14. Wyrażenia generatorowe; 5.15. Natywne filtrowanie, mapowanie i redukcja; 5.16. Inne funkcje do przetwarzania ciągów; 5.17. Listy dwuwymiarowe; 5.18. Wprowadzenie do Data Science: symulacje i ich statyczna wizualizacja; 5.19. Podsumowanie; 6. Słowniki i zbiory: 6.1. Wstęp; 6.2. Słowniki; 6.3. Zbiory; 6.4. Wprowadzenie do Data Science: dynamiczna wizualizacja symulacji; 6.5. Podsumowanie; 7. Biblioteka NumPy i tablice ndarray: 7.1. Wstęp; 7.2. Tworzenie tablic na podstawie istniejących danych; 7.3. Atrybuty tablic 2357.4. Wypełnianie tablicy zadaną wartością; 7.5. Tworzenie tablicy na podstawie zakresu danych; 7.6. %timeit - porównanie efektywności tablic i list; 7.7. Inne "magiczne" polecenia IPythona; 7.8. Operatory tablicowe; 7.9. Metody obliczeniowe biblioteki "NumPy"; 7.10. Funkcje uniwersalne biblioteki "NumPy"; 7.11. Indeksowanie i wyodrębnianie; 7.12. Widoki tablic jako płytkie kopie; 7.13. Głębokie kopiowanie; 7.14. Restrukturyzacja i transponowanie tablic; 7.15. Wprowadzenie do Data Science: szeregi i ramki danych biblioteki Pandas; 7.16. Podsumowanie; 8. Łańcuchy znaków: 8.1. Wstęp; 8.2. Formatowanie łańcuchów; 8.3. Konkatenowanie i zwielokrotnianie łańcuchów; 8.4. Usuwanie białych znaków otaczających łańcuch; 8.5. Zmiana wielkości liter w łańcuchu; 8.6. Operatory porównywania łańcuchów; 8.7. Wyszukiwanie podłańcuchów; 8.8. Zastępowanie podłańcuchów; 8.9. Dzielenie i składanie łańcuchów; 8.10. Testowanie specyficznych właściwości łańcucha i jego znaków; 8.11. Surowe łańcuchy; 8.12. Podstawy wyrażeń regularnych; 8.13. Wprowadzenie do Data Science: wyrażenia regularne i preparacja danych w bibliotece Pandas; 8.14. Podsumowanie; 9. Pliki i wyjątki: 9.1. Wstęp; 9.2. Pliki; 9.3. Przetwarzanie plików tekstowych; 9.4. Aktualizowanie plików tekstowych; 9.5. Serializacja obiektów w formacie JSON; 9.6. Niebezpieczny moduł "pickle"; 9.7. Dodatkowe uwagi o plikach; 9.8. Obsługa wyjątków; 9.9. Klauzula "finally"; 9.10. Jawne generowanie wyjątków; 9.11. Odwijanie stosu i ślad wykonania; 9.12. Wprowadzenie do Data Science: przetwarzanie plików CSV; 9.13. Podsumowanie; 10. Programowanie zorientowane obiektowo: 10.1. Wstęp; 10.2. Przykład: klasa "Account"; 10.3. Kontrolowanie dostępu do atrybutów; 10.4. Właściwości organizują dostęp do atrybutów. Przykład: klasa "Time"; 10.5. Symulowanie "prywatności" atrybutów; 10.6. Analiza przypadku: symulacja tasowania i rozdawania kart; 10.7. Dziedziczenie: klasy bazowe i podklasy; 10.8. Hierarchia dziedziczenia a polimorfizm; 10.9. "Kacze typowanie" a polimorfizm; 10.10. Przeciążanie operatorów; 10.11. Klasy wyjątków - hierarchia i definiowanie podklas; 10.12. Nazwane krotki; 10.13. Nowość wersji 3.7: klasy danych; 10.14. Testy jednostkowe przy użyciu łańcuchów dokumentacyjnych i modułu "doctest"; 10.15. Przestrzenie nazw i widoczność identyfikatorów; 10.16. Wprowadzenie do Data Science: szeregi czasowe i prosta regresja liniowa; 10.17. Podsumowanie; 11. Przetwarzanie języka naturalnego (NLP): 11.1. Wstęp; 11.2. Klasa "TextBlob"; 11.3. Wizualizacja statystyki słów; 11.4. Ocena czytelności tekstu - biblioteka "Textatistic"; 11.5. Rozpoznawanie nazwanych encji - biblioteka "spaCy"; 11.6. Podobieństwo dokumentów; 11.7. Inne biblioteki i narzędzia NLP; 11.8. Zastosowanie NLP w uczeniu maszynowym i głębokim uczeniu; 11.9. Zbiory danych dla NLP; 11.10. Podsumowanie; 12. Eksploracja masowych danych – Twitter: 12.1. Wstęp; 12.2. Ogólnie o API Twittera; 12.3. Pierwszy krok - konto deweloperskie; 12.4. Drugi krok - aplikacja i poświadczenia; 12.5. Tweety jako obiekty; 12.6. Biblioteka "Tweepy"; 12.7. Uwierzytelnianie za pomocą biblioteki "Tweepy"; 12.8. Informacja o koncie Twittera; 12.9. Kursory biblioteki "Tweepy"; 12.10. Przeszukiwanie niedawnych tweetów; 12.11. Odkrywanie trendów - Twitter Trends API; 12.12. Preparacja tweetów przed analizą; 12.13. Strumieniowanie tweetów - Twitter Streaming API; 12.14. Tweety i analiza sentymentu - klasa "SentimentListener"; 12.15. Mapy i geokodowanie; 12.16. Przechowywanie tweedów; 12.17. Twitter a szeregi czasowe; 12.18. Podsumowanie; 13. Przetwarzanie poznawcze - IBM Watson: 13.1. Wstęp; 13.2. Konto IBM Cloud i konsola usług; 13.3. Usługi platformy Watson; 13.4. Przydatne narzędzia platformy Watson; 13.5. Watson Developer Cloud Python SDK; 13.6. Analiza przypadku: dwujęzyczna aplikacja konwersacyjna; 13.7. Zasoby powiązane z IBM Watson; 13.8. Podsumowanie; 14. Uczenie maszynowe: klasyfikacja, regresja i klasteryzacja: 14.1. Wstęp; 14.2. Analiza przypadku: algorytm k najbliższych sąsiadów - klasyfikacja w zbiorze "Digits". Część pierwsza; 14.3. Analiza przypadku: algorytm k najbliższych sąsiadów - klasyfikacja w zbiorze "Digits". Część druga; 14.4. Analiza przypadku: prosta regresja liniowa na szeregu czasowym; 14.5. Analiza przypadku: wielokrotna regresja liniowa na zbiorze "California Housing"; 14.6. Analiza przypadku: uczenie nienadzorowane. Część pierwsza - redukcja wymiarowości; 14.7. Analiza przypadku: uczenie nienadzorowane. Część druga - klasteryzacja za pomocą algorytmu k średnich; 14.8. Podsumowanie; 15. Głębokie uczenie: 15.1. Wstęp; 15.2. Pliki danych wbudowane w bibliotekę "Keras"; 15.3. Alternatywne środowiska Anacondy; 15.4. Sieci neuronowe; 15.5. Tensory; 15.6. Konwolucyjne sieci neuronowe i widzenie komputerowe: wieloklasyfikacja w zbiorze "MNIST"; 15.7. TensorBoard - wizualizacja trenowania sieci; 15.8. ConvNetJS: wizualizacja trenowania w oknie przeglądarki WWW; 15.9. Rekurencyjne sieci neuronowe i ciągi danych: analiza sentymentu w zbiorze "IMDb"; 15.10. Dostrajanie modeli głębokiego uczenia; 15.11. Modele wstępnie wytrenowane; 15.12. Podsumowanie; 16. Big Data: Hadoop, Spark, NoSQL i IoT: 16.1. Wstęp; 16.2. Relacyjne bazy danych i język SQL; 16.3. Bazy danych NoSQL i NewSQL dla Big Data - krótki rekonesans; 16.4. Analiza przypadku: dokumenty JSON w bazie MongoDB; 16.5. Hadoop; 16.6. Spark; 16.7. Strumieniowanie Sparka: zliczanie hashtagów przy użyciu "pyspark-notebook"; 16.8. Internet rzeczy (IoT) i dashboardy; 16.9. Podsumowanie.

Zawiera: O autorze; O korektorze merytorycznym; Podziękowania; Wprowadzenie do drugiego wydania książki; Wprowadzenie: Do kogo jest skierowana ta książka?; Czego nauczysz się z tej książki?; Zasoby w internecie; Dlaczego Python?; CZĘŚĆ I. PODSTAWY: 1. Rozpoczęcie pracy: Przygotowanie środowiska programistycznego; Python w różnych systemach operacyjnych; Uruchomienie programu typu "Witaj, świecie!"; Rozwiązywanie problemów podczas instalacji; Uruchamianie programów Pythona z poziomu powłoki; Podsumowanie; 2. Zmienne i proste typy danych: Co tak naprawdę dzieje się po uruchomieniu hello_world.py?; Zmienne; Ciągi tekstowe; Liczby; Komentarze; Zen Pythona; Podsumowanie; 3. Wprowadzenie do list: Czym jest lista?; Zmienianie, dodawanie i usuwanie elementów; Organizacja listy; Unikanie błędów indeksu podczas pracy z listą; Podsumowanie; 4. Praca z listą: Iteracja przez całą listę; Unikanie błędów związanych z wcięciami; Tworzenie list liczbowych; Praca z fragmentami listy; Krotka; Styl tworzonego kodu; Podsumowanie; 5. Konstrukcja if: Prosty przykład; Test warunkowy; Polecenie if; Używanie poleceń if z listami; Nadawanie stylu poleceniom if; Podsumowanie; 6. Słowniki: Prosty słownik; Praca ze słownikami; Iteracja przez słownik; Zagnieżdżanie; Podsumowanie; 7. Dane wejściowe użytkownika i pętla while: Jak działa funkcja input()?; Wprowadzenie do pętli while; Użycie pętli while wraz z listami i słownikami; Podsumowanie; 8. Funkcje: Definiowanie funkcji; Przekazywanie argumentów; Wartość zwrotna; Przekazywanie listy; Przekazywanie dowolnej liczby argumentów; Przechowywanie funkcji w modułach; Nadawanie stylu funkcjom; Podsumowanie; 9. Klasy: Utworzenie i użycie klasy; Praca z klasami i egzemplarzami; Dziedziczenie; Import klas; Biblioteka standardowa Pythona; Nadawanie stylu klasom; Podsumowanie; 10. Pliki i wyjątki: Odczytywanie danych z pliku; Zapisywanie danych w pliku; Wyjątki; Przechowywanie danych; Podsumowanie; 11. Testowanie kodu: Testowanie funkcji; Testowanie klasy; Podsumowanie; CZĘŚĆ II. PROJEKTY: PROJEKT 1. INWAZJA OBCYCH: 12. Statek, który strzela pociskami: Planowanie projektu; Instalacja Pygame; Rozpoczęcie pracy nad projektem gry; Dodanie obrazu statku kosmicznego; Refaktoryzacja, czyli metody _check_events() i _update_screen(); Kierowanie statkiem kosmicznym; Krótkie powtórzenie; Wystrzeliwanie pocisków; Podsumowanie; 13. Obcy!: Przegląd projektu; Utworzenie pierwszego obcego; Utworzenie floty obcych; Poruszanie flotą obcych; Zestrzeliwanie obcych; Zakończenie gry; Podsumowanie; 14. Punktacja: Dodanie przycisku Gra; Zmiana poziomu trudności; Punktacja; Podsumowanie; PROJEKT 2. WIZUALIZACJA DANYCH: 15. Generowanie danych: Instalacja matplotlib; Wygenerowanie prostego wykresu liniowego; Błądzenie losowe; Symulacja rzutu kością do gry za pomocą plotly; Podsumowanie; 16. Pobieranie danych: Format CSV; Mapowanie globalnych zbiorów danych - format JSON; Podsumowanie; 17. Praca z API: Użycie Web API; Wizualizacja repozytoriów za pomocą pakietu plotly; Hacker News API; Podsumowanie; PROJEKT 3. APLIKACJE INTERNETOWE: 18. Rozpoczęcie pracy z Django: Przygotowanie projektu; Uruchomienie aplikacji; Tworzenie stron internetowych - strona główna aplikacji; Utworzenie dodatkowych stron; Podsumowanie; 19. Konta użytkowników: Umożliwienie użytkownikom wprowadzania danych; Konfiguracja kont użytkowników; Umożliwienie użytkownikom bycia właścicielami swoich danych; Podsumowanie; 20. Nadanie stylu i wdrożenie aplikacji: Nadanie stylu aplikacji Learning Log; Wdrożenie aplikacji Learning Log; Podsumowanie; Posłowie; A. Instalacja Pythona i rozwiązywanie problemów: Python w Windows; Python w systemie macOS; Python w systemie Linux; Słowa kluczowe Pythona i wbudowane funkcje; B. Edytory tekstu i środowiska IDE: Dostosowanie ustawień edytora Sublime Text; Inne edytory tekstu i środowiska IDE; IDLE; Geany; Emacs i vim; Atom; Visual Studio Code; PyCharm; C. Uzyskiwanie pomocy: Pierwsze kroki; Wyszukiwanie informacji w internecie; Kanały IRC; Slack; Discord; D. Używanie Gita do kontroli wersji: Instalacja Gita; Tworzenie projektu; Ignorowanie plików; Inicjalizacja repozytorium; Sprawdzanie stanu; Dodawanie plików do repozytorium; Zatwierdzanie plików; Sprawdzanie dziennika projektu; Drugie zatwierdzenie; Przywracanie stanu projektu; Przywrócenie projektu do wcześniejszego stanu; Usunięcie repozytorium.

Wprowadzenie. Przykładowy jednowierszowiec Pythona. Uwaga na temat czytelności. Dla kogo jest ta książka? Czego się nauczysz? Zasoby online. 1. Odświeżenie wiadomości o Pythonie. Podstawowe struktury danych. Kontenerowe struktury danych. Przepływ sterowania. Funkcje. Funkcje lambda. Podsumowanie. 2. Sztuczki Pythona. Użycie listy składanej do wyszukiwania osób o najwyższych dochodach. Użycie listy składanej do wyszukiwania słów o dużej wartości informacyjnej. Odczytywanie pliku. Użycie funkcji lambda i map. Użycie wycinania do ekstrakcji środowisk dopasowanych łańcuchów podrzędnych. Połączenie listy składanej i wycinania. Przypisywanie do wycinków w celu skorygowania uszkodzonych list. Analiza danych dotyczących pracy serca za pomocą konkatenacji list. Użycie wyrażeń generatora do wyszukania firm, które płacą poniżej płacy minimalnej. Formatowanie baz danych za pomocą funkcji zip(). Podsumowanie. 3. Analiza danych. Podstawowe działania na tablicach dwuwymiarowych. Praca z tablicami NumPy: wycinanie, rozgłaszanie i typy tablic. Warunkowe przeszukiwanie tablic, filtrowanie i rozgłaszanie w celu wykrywania elementów odstających. Filtrowanie dwuwymiarowych tablic z użyciem indeksowania logicznego. Rozgłaszanie, przypisywanie do wycinków i przekształcanie w celu oczyszczenia co i-tego elementu tablicy. Kiedy w NumPy używać funkcji sort(), a kiedy argsort()? Jak wykorzystać funkcje lambda i indeksowanie logiczne do filtrowania tablic? Jak tworzyć zaawansowane filtry tablic z wykorzystaniem statystyki, matematyki i logiki? Prosta analiza asocjacji: klienci, którzy kupili X, kupili również Y. Bardziej zaawansowana analiza asocjacji w celu wyszukania najlepiej sprzedających się pakietów. Podsumowanie. 4. Uczenie maszynowe. Podstawy nadzorowanego uczenia maszynowego. Regresja liniowa. Regresja logistyczna. Algorytm k-średnich. Algorytm k najbliższych sąsiadów. Analiza sieci neuronowej. Algorytm drzew decyzyjnych. Wyszukiwanie wiersza z minimalną wariancją. Podstawowe parametry statystyczne. Klasyfikacja z maszynami wektorów nośnych. Klasyfikacja z lasami losowymi. Podsumowanie. 5. Wyrażenia regularne. Wyszukiwanie prostych wzorców tekstowych w łańcuchach znaków. Napisz własny scraper stron WWW z użyciem wyrażeń regularnych. Analizowanie hiperłączy dokumentów HTML. Wydobywanie z łańcucha wartości wyrażonych w dolarach. Wyszukiwanie adresów URL z protokołem http. Walidacja formatu zapisu czasu wprowadzanego przez użytkownika, część I. Walidacja formatu zapisu czasu wprowadzanego przez użytkownika, część II. Wykrywanie zduplikowanych znaków w łańcuchach. Wykrywanie powtórzeń słów. Modyfikowanie wzorców wyrażeń regularnych w wielowierszowym łańcuchu znaków. Podsumowanie. 6. Algorytmy. Wyszukiwanie anagramów za pomocą funkcji lambda i sortowania. Wyszukiwanie palindromów za pomocą funkcji lambda i wycinania ujemnego. Obliczanie permutacji z użyciem rekurencyjnych funkcji silni. Obliczanie odległości Levenshteina. Obliczanie zbioru potęgowego przy użyciu programowania funkcyjnego. Szyfrowanie szyfrem Cezara przy użyciu zaawansowanego indeksowania i listy składanej. Wyznaczanie liczb pierwszych za pomocą sita Eratostenesa. Obliczanie ciągów Fibonacciego za pomocą funkcji reduce(). Rekurencyjny algorytm wyszukiwania binarnego. Rekurencyjny algorytm sortowania szybkiego (Quicksort). Podsumowanie.

Zawiera: O autorze; O recenzencie technicznym; Podziękowania; Wprowadzenie: Kto powinien przeczytać tę książkę i dlaczego; O tej książce; Twoja podróż programistyczna; Część I. Pierwsze kroki: 1. Obsługa błędów i poszukiwanie pomocy: Komunikaty o błędach w Pythonie; Zapobieganie błędom dzięki wykorzystaniu linterów; Jak prosić o pomoc w programowaniu?; Przykłady pytań; Podsumowanie; 2. Konfiguracja środowiska i wiersz polecenia: System plików; Programy i procesy; Wiersz poleceń; Zmienne środowiskowe i PATH; Uruchamianie programów Pythona bez wiersza poleceń; Podsumowanie; Część II. Najlepsze praktyki, narzędzia i techniki: 3. Formatowanie kodu za pomocą narzędzia Black: Jak stracić przyjaciół i zrobić sobie wrogów wśród współpracowników?; Przewodniki stylu i PEP 8; Odstępy w poziomie; Odstępy w pionie; Black: bezkompromisowy formater kodu; Podsumowanie; 4. Wybieranie zrozumiałych nazw: Style wielkości liter; Konwencje nazewnictwa PEP 8; Odpowiednia długość nazw; Korzystaj z nazw ułatwiających wyszukiwanie; Unikaj dowcipów, kalamburów i określeń żargonowych; Nie nadpisuj wbudowanych nazw; Najgorsze możliwe nazwy zmiennych; Podsumowanie; 5. Wyszukiwanie cuchnącego kodu: Powielony kod; Magiczne liczby; Kod wykomentowany i martwy; Debugowanie za pomocą komunikatów; Zmienne z przyrostkami numerycznymi; Klasy, które powinny być funkcjami lub modułami; Listy składane wewnątrz list składanych; Puste bloki except i niejasne komunikaty o błędach; Mity związane z cuchnącym kodem; Podsumowanie; 6. Pisanie pythonicznego kodu: Zen Pythona; Naucz się cenić znaczące wcięcia; Częste przypadki niewłaściwego korzystania ze składni; Formatowanie ciągów znaków; Tworzenie płytkich kopii list; Pythoniczne sposoby korzystania ze słowników; Wyrażenia warunkowe: brzydki operator trójargumentowy Pythona; Korzystanie z wartości zmiennych; Podsumowanie; 7. Programistyczny żargon: Definicje; Często mylone terminy; Podsumowanie; Dalsza lektura; 8. Znane pułapki Pythona: Nie dodawaj ani nie usuwaj elementów z listy, kiedy po niej iterujesz; Nie kopiuj mutowalnych wartości inaczej niż poprzez wywołania copy.copy() lub copy.deepcopy(); Nie używaj wartości mutowalnych w roli argumentów domyślnych; Nie buduj ciągów za pomocą konkatenacji; Nie oczekuj, że funkcja sort() posortuje listę alfabetycznie; Nie zakładaj, że liczby zmiennoprzecinkowe są idealnie dokładne; Nie twórz łańcucha operatorów nierówności !=; Nie zapominaj o przecinku w krotce złożonej z jednego elementu; Podsumowanie; 9. Ezoteryczne osobliwości Pythona: Dlaczego 256 to jest 256, ale 257 to nie jest 257; Internowanie ciągów; Sztuczne operatory inkrementacji i dekrementacji w Pythonie; Wszystko z nic; Wartości logiczne są liczbami całkowitymi; Tworzenie łańcucha operatorów różnego rodzaju; Antygrawitacja w Pythonie; Podsumowanie; 10. Pisanie skutecznych funkcji: Nazwy funkcji; Kompromisy dotyczące rozmiaru funkcji; Parametry i argumenty funkcji; Programowanie funkcyjne; Zwracane wartości zawsze powinny mieć ten sam typ danych; Zgłaszanie wyjątków a zwracanie kodów błędów; Podsumowanie; 11. Komentarze, docstringi i wskazówki typu: Komentarze; Docstringi; Wskazówki typu; Backport wskazówek typu z wykorzystaniem komentarzy; Podsumowanie; 12. Organizowanie projektów kodu z wykorzystaniem systemu Git: Commity i repozytoria systemu Git; Korzystanie z narzędzia Cookiecutter do tworzenia nowych projektów w Pythonie; Instalacja Gita; Przepływ pracy w systemie Git; Tworzenie repozytorium Gita na komputerze lokalnym; Przeglądanie loga commitów; Przywracanie wcześniejszych zmian; GitHub i polecenie git push; Podsumowanie; 13. Mierzenie wydajności algorytmów i analiza Big O: Moduł timeit; Profiler cProfile; Analiza algorytmów Big O; Rzędy w notacji Big O; Określanie rzędu Big O kodu; Podsumowanie; 14. Praktyczne projekty: Wieża Hanoi; Cztery w rzędzie; Podsumowanie; Część III. Python obiektowy: 15. Klasy i programowanie obiektowe: Analogia do rzeczywistego świata: wypełnianie formularza; Tworzenie obiektów na podstawie klas; Tworzenie prostej klasy: WizCoin; Funkcja type() i atrybut __qualname__; Przykłady kodu obiektowego i nieobiektowego: kółko i krzyżyk; Projektowanie klas dla rzeczywistych aplikacji jest trudne; Podsumowanie; 16. Programowanie obiektowe i dziedziczenie: Jak działa dziedziczenie; Funkcje isinstance() i issubclass(); Metody klasy; Atrybuty klasy; Metody statyczne; Kiedy używać metod i atrybutów klasy oraz metod statycznych w programach obiektowych?; Terminologia obiektowa; Kiedy nie używać dziedziczenia?; Dziedziczenie wielokrotne; Kolejność rozpoznawania metod; Podsumowanie; 17. Pythoniczny paradygmat OOP: właściwości i metody dunder: Właściwości; Metody dunder w Pythonie; Podsumowanie.

Zawiera: Wprowadzenie; R. 1 Zadania; R. 2 Rozwiązania; R. 3 Dodatek: T-komputer; R. 4 Trochę historii: Programowanie z „myszką”; Zastosowanie tablic; Języki programowania.

CZĘŚĆ I. PIERWSZE KROKI. Rozdział 1. Podyskutujmy o uczeniu się. 1.1. Witaj. 1.2. Zakres, terminologia, predykcja i dane. 1.3. Rola maszyny w uczeniu maszynowym. 1.4. Przykład systemów uczących się. 1.5. Ocena systemów uczących się. 1.6. Proces budowania systemów uczących się. 1.7. Założenia i realia uczenia się. 1.8. Zakończenie rozdziału. Rozdział 2. Kontekst techniczny. 2.1. O naszej konfiguracji. 2.2. Potrzeba posiadania języka matematycznego. 2.3. Nasze oprogramowanie do zmierzenia się z uczeniem maszynowym. 2.4. Prawdopodobieństwo. 2.5. Kombinacje liniowe, sumy ważone i iloczyny skalarne. 2.6. Perspektywa geometryczna: punkty w przestrzeni. 2.7. Notacja sztuczki plus jeden. 2.8. Odjazd, zrywanie kaftana bezpieczeństwa i nieliniowość. 2.9. NumPy kontra "cała matematyka". 2.10. Problemy z wartościami zmiennoprzecinkowymi. 2.11. Zakończenie rozdziału. Rozdział 3. Predykcja kategorii - początki klasyfikacji. 3.1. Zadania klasyfikacji. 3.2. Prosty zestaw danych do klasyfikacji. 3.3. Trenowanie i testowanie: nie ucz się do testu. 3.4. Ocena - wystawienie stopni. 3.5. Prosty klasyfikator nr 1: najbliżsi sąsiedzi, związki na odległość i założenia. 3.6. Prosty klasyfikator nr 2: naiwny klasyfikator bayesowski, prawdopodobieństwo i złamane obietnice. 3.7. Uproszczona ocena klasyfikatorów. 3.8. Koniec rozdziału. Rozdział 4. Predykcja wartości numerycznych: początki regresji. 4.1. Prosty zbiór danych dla regresji. 4.2. Regresja z najbliższymi sąsiadami i statystyki sumaryczne. 4.3. Błędy regresji liniowej. 4.4. Optymalizacja - wybór najlepszej odpowiedzi. 4.5. Prosta ocena i porównanie regresorów. 4.6. Zakończenie rozdziału. CZĘŚĆ II. OCENA. Rozdział 5. Ocena i porównywanie metod uczenia się. 5.1. Ocena i dlaczego mniej znaczy więcej. 5.2. Terminologia dla faz uczenia się. 5.3. Majorze Tom, coś jest nie tak - nadmierne dopasowanie i niedopasowanie. 5.4. Od błędów do kosztów. 5.5. (Powtórne) próbkowanie - zamienić mniej w więcej. 5.6. Rozbicie: dekonstrukcja błędu na błąd systematyczny i wariancję. 5.7. Ocena graficzna i porównanie. 5.8. Porównywanie metod uczących się za pomocą walidacji krzyżowej. 5.9. Koniec rozdziału. Rozdział 6. Ocena klasyfikatorów. 6.1. Klasyfikatory bazowe. 6.2. Więcej niż dokładność - wskaźniki dla klasyfikacji. 6.3. Krzywe ROC. 6.4. Inne podejście dla wielu klas: jeden-kontra-jeden. 6.5. Krzywe precyzji i skuteczności wyszukiwania. 6.6. Krzywe kumulacyjnej odpowiedzi i wzniesienia. 6.7. Bardziej wyrafinowana ocena klasyfikatorów - podejście drugie. 6.8. Koniec rozdziału. Rozdział 7. Ocena metod regresji. 7.1. Metody regresji będące punktem odniesienia. 7.2. Dodatkowe miary w metodach regresji. 7.3. Wykresy składników resztowych. 7.4. Pierwsze podejście do standaryzacji. 7.5. Ocena mechanizmów regresji w bardziej zaawansowany sposób: podejście drugie. 7.6. Koniec rozdziału. CZĘŚĆ III. JESZCZE O METODACH I PODSTAWACH. Rozdział 8. Inne metody klasyfikacji. 8.1. Jeszcze o klasyfikacji. 8.2. Drzewa decyzyjne. 8.3. Klasyfikatory oparte na wektorach nośnych. 8.4. Regresja logistyczna. 8.5. Analiza dyskryminacyjna. 8.6. Założenia, obciążenie i klasyfikatory. 8.7. Porównanie klasyfikatorów: podejście trzecie. 8.8. Koniec rozdziału. Rozdział 9. Inne metody regresji. 9.1. Regresja liniowa na ławce kar – regularyzacja. 9.2. Regresja z użyciem wektorów nośnych. 9.3. Regresja segmentowa ze stałymi. 9.4. Drzewa regresyjne. 9.5. Porównanie metod regresji: podejście trzecie. 9.6. Koniec rozdziału. Rozdział 10. Ręczna inżynieria cech - manipulowanie danymi dla zabawy i dla zysku. 10.1. Terminologia i przyczyny stosowania inżynierii cech. 10.2. Wybieranie cech i redukcja danych - pozbywanie się śmieci. 10.3. Skalowanie cech. 10.4. Dyskretyzacja. 10.5. Kodowanie kategorii. 10.6. Relacje i interakcje. 10.7. Manipulowanie wartościami docelowymi. 10.8. Koniec rozdziału. Rozdział 11. Dopracowywanie hiperparametrów i potoki. 11.1. Modele, parametry i hiperparametry. 11.2. Dostrajanie hiperparametrów. 11.3. Wyprawa w rekurencyjną króliczą norę - zagnieżdżony sprawdzian krzyżowy. 11.4. Potoki. 11.5. Potoki i dostrajanie całego procesu. 11.6. Koniec rozdziału. CZĘŚĆ IV. ZWIĘKSZANIE ZŁOŻONOŚCI. Rozdział 12. Łączenie mechanizmów uczących się. 12.1. Zespoły. 12.2. Zespoły głosujące. 12.3. Bagging i lasy losowe. 12.4. Boosting. 12.5. Porównywanie metod opartych na zespołach drzew. 12.6. Koniec rozdziału. Rozdział 13. Modele z automatyczną inżynierią cech. 13.1. Wybieranie cech. 13.2. Tworzenie cech za pomocą jąder. 13.3. Analiza głównych składowych - technika nienadzorowana. 13.4. Koniec rozdziału. Rozdział 14. Inżynieria cech dla dziedzin - uczenie specyficzne dla dziedziny. 14.1. Praca z tekstem. 14.2. Klastrowanie. 14.3. Praca z obrazami. 14.4. Koniec rozdziału. Rozdział 15. Powiązania, rozwinięcia i kierunki dalszego rozwoju. 15.1. Optymalizacja. 15.2. Regresja liniowa z prostych składników. 15.3. Regresja logistyczna z prostych składników. 15.4. Maszyna SVM z prostych składników. 15.5. Sieci neuronowe. 15.6. Probabilistyczne modele grafowe. 15.7. Koniec rozdziału. Dodatek A. Kod z pliku mlwpy.py.

Rozdział 1. Kodowanie pythoniczne. Tworzenie pythonicznego kodu. Komentarze dokumentacyjne. Pythoniczne struktury sterujące. Zgłaszanie wyjątków. Podsumowanie. Rozdział 2. Struktury danych. Popularne struktury danych. Zalety słownika. Podsumowanie. Rozdział 3. Jak pisać lepsze funkcje i klasy? Funkcje. Klasy. Podsumowanie. Rozdział 4. Praca z modułami i metaklasami. Moduły i metaklasy. Porządkowanie kodu za pomocą modułów. Zalety pliku __init__.py. Importowanie funkcji i klas z modułów. Kiedy stosować metaklasy? Weryfikowanie podklas za pomocą metody __new__(). Dlaczego atrybut __slots__ jest tak przydatny? Modyfikowanie funkcjonowania klasy za pomocą metaklasy. Deskryptory w języku Python. Podsumowanie. Rozdział 5. Dekoratory i menedżery kontekstu. Dekoratory. Menedżery kontekstu. Podsumowanie. Rozdział 6. Generatory i iteratory. Zalety generatorów i iteratorów. Zalety instrukcji yield. Podsumowanie. Rozdział 7. Nowe funkcjonalności języka Python. Programowanie asynchroniczne. Python i typy danych. Metoda super(). Lepsza obsługa ścieżek dzięki bibliotece pathlib. print() jest teraz funkcją. f-ciągi. Obowiązkowe argumenty pozycyjne. Kontrolowana kolejność elementów w słownikach. Iteracyjne rozpakowywanie struktur. Podsumowanie. Rozdział 8. Diagnostyka i testy kodu. Diagnostyka. Testy. Podsumowanie. Dodatek. Niezwykłe narzędzia dla języka Python. Sphinx. Coverage.py. pre-commit. Pyenv. Jupyter Lab. Pycharm/VSCode/Sublime. Flake8 i Pylint.

Zawiera: Przedmowa; Część I Wprowadzenie; Rozdział 1. Pytania i odpowiedzi dotyczące Pythona: Dlaczego ludzie używają Pythona?; Czy Python jest językiem skryptowym?; Jakie są wady języka Python?; Kto dzisiaj używa Pythona?; Co mogę zrobić za pomocą Pythona?; Jak Python jest rozwijany i wspierany?; Jakie są techniczne mocne strony Pythona?; Jak Python wygląda na tle innych języków?; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 2. Jak Python wykonuje programy?: Wprowadzenie do interpretera Pythona; Wykonywanie programu; Warianty modeli wykonywania; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 3. Jak wykonuje się programy?: Interaktywny wiersz poleceń; Systemowy wiersz poleceń i pliki źródłowe; Skrypty wykonywalne w stylu uniksowym #!; Klikanie ikon plików; Importowanie i przeładowywanie modułów; Wykorzystywanie funkcji exec do wykonywania plików modułów; Interfejs użytkownika środowiska IDLE; Inne środowiska IDE; Inne opcje wykonywania kodu; Jaką opcję wybrać?; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Sprawdź swoją wiedzę ćwiczenia do części pierwszej; Część II Typy i operacje: Rozdział 4. Wprowadzenie do typów obiektów Pythona: Hierarchia pojęć w Pythonie; Dlaczego korzystamy z typów wbudowanych; Najważniejsze typy danych w Pythonie; Liczby; Łańcuchy znaków; Listy; Słowniki; Krotki; Pliki; Inne typy podstawowe; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 5. Typy liczbowe: Podstawy typów liczbowych Pythona; Liczby w akcji; Inne typy liczbowe; Rozszerzenia numeryczne; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 6. Wprowadzenie do typów dynamicznych: Sprawa brakujących deklaracji typu; Referencje współdzielone; Typy dynamiczne są wszędzie; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 7. Łańcuchy znaków: Co znajdziesz w tym rozdziale; Łańcuchy znaków podstawy; Literały łańcuchów znaków; Łańcuchy znaków w akcji; Metody łańcuchów znaków; Wyrażenia formatujące łańcuchy znaków; Formatowanie łańcuchów z użyciem metody format; Generalne kategorie typów; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 8. Listy oraz słowniki: Listy; Listy w akcji; Słowniki; Słowniki w akcji; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 9. Krotki, pliki i wszystko inne: Krotki; Przegląd i podsumowanie podstawowych typów obiektów; Pułapki typów wbudowanych; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Sprawdź swoją wiedzę ćwiczenia do części drugiej; Część III Instrukcje i składnia: Rozdział 10. Wprowadzenie do instrukcji Pythona: Raz jeszcze o hierarchii pojęciowej języka Python; Instrukcje Pythona; Historia dwóch if; Szybki przykład interaktywne pętle; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 11. Przypisania, wyrażenia i wyświetlanie: Instrukcje przypisania; Instrukcje wyrażeń; Polecenia print; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 12. Testy if i reguły składni: Instrukcje if; Reguły składni Pythona raz jeszcze; Testy prawdziwości i testy logiczne; Wyrażenie trójargumentowe if/else; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 13. Pętle while i for: Pętle while; Instrukcje break, continue, pass oraz else w pętli; Pętle for; Techniki tworzenia pętli; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 14. Iteracje i listy składane: Iteracje pierwsze spojrzenie; Listy składane wprowadzenie; Inne konteksty iteracyjne; Nowe obiekty iterowalne w Pythonie 3.x; Inne zagadnienia związane z iteracjami; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 15. Wprowadzenie do dokumentacji: Źródła dokumentacji Pythona; Często spotykane problemy programistyczne; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Sprawdź swoją wiedzę ćwiczenia do części trzeciej; Część IV Funkcje i generatory; Rozdział 16. Podstawy funkcji: Dlaczego używamy funkcji; Tworzenie funkcji; Pierwszy przykład definicje i wywoływanie; Drugi przykład przecinające się sekwencje; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 17. Zasięgi: Podstawy zasięgów w Pythonie; Instrukcja global; Zasięgi a funkcje zagnieżdżone; Instrukcja nonlocal w Pythonie 3.x; Czemu służą zmienne nonlocal? Opcje zachowania stanu; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 18. Argumenty: Podstawy przekazywania argumentów; Specjalne tryby dopasowywania argumentów; Przykład z funkcją obliczającą minimum; Uogólnione funkcje działające na zbiorach; Emulacja funkcji print z Pythona 3.0; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 19. Zaawansowane zagadnienia dotyczące funkcji: Koncepcje projektowania funkcji; Funkcje rekurencyjne; Obiekty funkcji atrybuty i adnotacje; Funkcje anonimowe lambda; Narzędzia programowania funkcyjnego; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 20. Listy składane i generatory: Listy składane i narzędzia funkcyjne; Funkcje i wyrażenia generatorów; Podsumowanie obiektów składanych; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 21. Wprowadzenie do pomiarów wydajności: Pomiary wydajności iteracji; Mierzenie czasu iteracji z wykorzystaniem modułu timeit; Inne zagadnienia związane z mierzeniem szybkości działania kodu test pystone; Pułapki związane z funkcjami; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Sprawdź swoją wiedzę ćwiczenia do części czwartej; Część V Moduły i pakiety: Rozdział 22. Moduły wprowadzenie: Dlaczego używamy modułów; Architektura programu w Pythonie; Jak działa importowanie; Pliki kodu bajtowego __pycache__ w Pythonie 3.2+; Ścieżka wyszukiwania modułów; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 23. Podstawy tworzenia modułów: Tworzenie modułów; Używanie modułów; Przestrzenie nazw modułów; Przeładowywanie modułów; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 24. Pakiety modułów: Podstawy importowania pakietów; Przykład importowania pakietu; Do czego służy importowanie pakietów; Względne importowanie pakietów; Pakiety przestrzeni nazw w Pythonie 3.3; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 25. Zaawansowane zagadnienia związane z modułami: Koncepcje związane z projektowaniem modułów; Ukrywanie danych w modułach; Włączanie opcji z przyszłych wersji Pythona: __future__; Mieszane tryby użycia __name__ oraz __main__; Przykład kod działający w dwóch trybach; Modyfikacja ścieżki wyszukiwania modułów; Rozszerzenie as dla instrukcji import oraz from; Przykład moduły są obiektami; Importowanie modułów z użyciem nazwy w postaci ciągu znaków; Przykład przechodnie przeładowywanie modułów; Pułapki związane z modułami; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Sprawdź swoją wiedzę ćwiczenia do części piątej; Część VI Klasy i programowanie zorientowane obiektowo: Rozdział 26. Programowanie zorientowane obiektowo wprowadzenie: Po co używa się klas; Programowanie zorientowane obiektowo z dystansu; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 27. Podstawy tworzenia klas: Klasy generują wiele obiektów instancji; Klasy dostosowujemy do własnych potrzeb przez dziedziczenie; Klasy mogą przechwytywać operatory Pythona; Najprostsza klasa Pythona na świecie; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 28. Bardziej realistyczny przykład: Krok 1. tworzenie instancji; Krok 2. dodawanie metod; Krok 3. przeciążanie operatorów; Krok 4. dostosowywanie zachowania za pomocą klas podrzędnych; Krok 5. dostosowanie do własnych potrzeb także konstruktorów; Krok 6. wykorzystywanie narzędzi do introspekcji; Krok 7. i ostatni przechowywanie obiektów w bazie danych; Przyszłe kierunki rozwoju; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 29. Szczegóły kodowania klas: Instrukcja class; Metody; Dziedziczenie; Przestrzenie nazw cała historia; Raz jeszcze o notkach dokumentacyjnych; Klasy a moduły; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 30. Przeciążanie operatorów: Podstawy; Indeksowanie i wycinanie __getitem__ i __setitem__; Iteracja po indeksie __getitem__; Obiekty iteratorów __iter__ i __next__; Test przynależności __contains__, __iter__ i __getitem__; Dostęp do atrybutów __getattr__ oraz __setattr__; Reprezentacje łańcuchów __repr__ oraz __str__; Dodawanie prawostronne i miejscowa modyfikacja: metody __radd__ i __iadd__; Wywołania __call__; Porównania __lt__, __gt__ i inne; Testy logiczne __bool__ i __len__; Destrukcja obiektu __del__; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 31. Projektowanie z użyciem klas: Python a programowanie zorientowane obiektowo; Programowanie zorientowane obiektowo i dziedziczenie związek jest; Programowanie zorientowane obiektowo i kompozycja związki typu ma; Programowanie zorientowane obiektowo a delegacja obiekty opakowujące; Pseudoprywatne atrybuty klas; Metody są obiektami z wiązaniem i bez wiązania; Klasy są obiektami uniwersalne fabryki obiektów; Dziedziczenie wielokrotne klasy mieszane; Inne zagadnienia związane z projektowaniem; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 32. Zaawansowane zagadnienia związane z klasami: Rozszerzanie typów wbudowanych; Klasy w nowym stylu; Nowości w klasach w nowym stylu; Nowości w klasach w nowym styl; Metody statyczne oraz metody klasy; Dekoratory i metaklasy część 1.; Wbudowana funkcja super: zmiana na lepsze czy na gorsze?; Pułapki związane z klasami; Część VII Wyjątki oraz narzędzia: Rozdział 33. Podstawy wyjątków: Po co używa się wyjątków; Wyjątki w skrócie; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 34. Szczegółowe informacje dotyczące wyjątków: Instrukcja try/except/else; Instrukcja try/finally; Połączona instrukcja try/except/finally; Instrukcja raise; Instrukcja assert; Menedżery kontekstu with/as; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 35. Obiekty wyjątków: Wyjątki powrót do przyszłości; Do czego służą hierarchie wyjątków; Wbudowane klasy wyjątków; Własne sposoby wyświetlania; Własne dane oraz zachowania; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 36. Projektowanie z wykorzystaniem wyjątków: Zagnieżdżanie programów obsługi wyjątków; Zastosowanie wyjątków; Wskazówki i pułapki dotyczące projektowania wyjątków; Podsumowanie podstaw języka Python; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Sprawdź swoją wiedzę ćwiczenia do części siódmej; Część VIII Zagadnienia zaawansowane: Rozdział 37. Łańcuchy znaków Unicode oraz łańcuchy bajtowe: Zmiany w łańcuchach znaków w Pythonie 3.x; Podstawy łańcuchów znaków; Podstawy kodowania ciągów znaków; Kod łańcuchów znaków Unicode; Wykorzystywanie obiektów bytes z Pythona 3.x; Obiekt bytearray w wersji 3.x (oraz 2.6 lub nowszej); Wykorzystywanie plików tekstowych i binarnych; Wykorzystywanie plików Unicode; Inne zmiany w narzędziach do przetwarzania łańcuchów znaków w Pythonie 3.x; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 38. Zarządzane atrybuty: Po co zarządza się atrybutami; Właściwości; Deskryptory; Metody __getattr__ oraz __getattribute__; Przykład sprawdzanie poprawności atrybutów; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 39. Dekoratory: Czym jest dekorator; Podstawy; Kod dekoratorów funkcji; Kod dekoratorów klas; Bezpośrednie zarządzanie funkcjami oraz klasami; Przykład atrybuty prywatne i publiczne; Przykład sprawdzanie poprawności argumentów funkcji; Rozdział 40. Metaklasy: Tworzyć metaklasy czy tego nie robić?; Model metaklasy; Deklarowanie metaklas; Tworzenie metaklas; Instancje a dziedziczenie; Metody metaklas; Przykład dodawanie metod do klas; Przykład zastosowanie dekoratorów do metod; Podsumowanie rozdziału; Sprawdź swoją wiedzę quiz; Sprawdź swoją wiedzę odpowiedzi; Rozdział 41. Wszystko, co najlepsze: Paradoks Pythona; Dokąd dalej?; Na bis: wydrukuj swój certyfikat!; Dodatki: Dodatek A Instalacja i konfiguracja: Instalowanie interpretera Pythona; Konfiguracja Pythona; Dodatek B Uruchamianie Pythona 3.x w systemie Windows: Dziedzictwo systemu Unix; Dziedzictwo systemu Windows; Wprowadzenie nowego programu uruchomieniowego w systemie Windows; Podręcznik do programu uruchomieniowego; Pułapki nowego programu uruchomieniowego; Podsumowanie: ostateczny wynik dla systemu Windows; Dodatek C Zmiany w języku Python a niniejsza książka: Najważniejsze różnice między wersjami 2.x i 3.x; Ogólne uwagi do zmian w wersji 3.x; Zmiany opisane w piątym wydaniu: wersje 2.7, 3.2 i 3.3; Zmiany opisane w czwartym wydaniu: wersje 2.6, 3.0 i 3.1; Zmiany opisane w trzecim wydaniu: wersje 2.3, 2.4 i 2.5; Wcześniejsze i późniejsze zmiany w Pythonie; Dodatek D Rozwiązania ćwiczeń podsumowujących poszczególne części książki: Część I Wprowadzenie; Część II Typy i operacje; Część III Instrukcja i składnia; Część IV Funkcje i generatory; Część V Moduły i pakiety; Część VI Klasy i programowanie zorientowane obiektowo; Część VII Wyjątki oraz narzędzia; O autorze. Kolofon.

Rozdział 1. Programowanie zgodne z duchem Pythona. Sposób 1. Ustalenie używanej wersji Pythona. Sposób 2. Stosuj styl PEP 8. Sposób 3. Różnice między typami bytes i str. Sposób 4. Wybieraj interpolowane ciągi tekstowe f zamiast ciągów tekstowych formatowania w stylu C i funkcji str.format(). Sposób 5. Decyduj się na funkcje pomocnicze zamiast na skomplikowane wyrażenia. Sposób 6. Zamiast indeksowania wybieraj rozpakowanie wielu operacji przypisania. Sposób 7. Preferuj użycie funkcji enumerate() zamiast range(). Sposób 8. Używaj funkcji zip() do równoczesnego przetwarzania iteratorów. Sposób 9. Unikaj bloków else po pętlach for i while. Sposób 10. Unikaj powtórzeń w wyrażeniach przypisania. Rozdział 2. Lista i słownik. Sposób 11. Umiejętnie podziel sekwencje. Sposób 12. Unikaj użycia indeksów początek, koniec i wartości kroku w pojedynczej operacji podziału. Sposób 13. Wybieraj rozpakowanie typu catch-all zamiast tworzenia wycinków. Sposób 14. Używaj parametru key podczas sortowania według skomplikowanych kryteriów. Sposób 15. Zachowaj ostrożność, gdy polegasz na kolejności wstawiania elementów do obiektu typu dict. Sposób 16. Podczas obsługi brakujących kluczy słownika wybieraj funkcję get() zamiast operatora in i wyjątku KeyError. Sposób 17. Podczas obsługi brakujących elementów w wewnętrznym stanie wybieraj typ defaultdict zamiast metody setdefault(). Sposób 18. Wykorzystaj metodę __missing__() do tworzenia wartości domyślnych w zależności od klucza. Rozdział 3. Funkcje. Sposób 19. Gdy funkcja zwraca wiele wartości, nie rozpakowuj więcej niż trzech zmiennych. Sposób 20. Preferuj wyjątki zamiast zwrotu wartości None. Sposób 21. Zobacz, jak domknięcia współdziałają z zakresem zmiennej. Sposób 22. Zmniejszenie wizualnego zagmatwania za pomocą zmiennej liczby argumentów pozycyjnych. Sposób 23. Zdefiniowanie zachowania opcjonalnego za pomocą argumentów w postaci słów kluczowych. Sposób 24. Użycie None i docstring w celu dynamicznego określenia argumentów domyślnych. Sposób 25. Wymuszaj czytelność kodu, stosując jedynie argumenty w postaci słów kluczowych. Sposób 26. Dekoratory funkcji definiuj za pomocą functools.wraps. Rozdział 4. Konstrukcje składane i generatory. Sposób 27. Używaj list składanych zamiast funkcji map() i filter(). Sposób 28. Unikaj więcej niż dwóch wyrażeń na liście składanej. Sposób 29. Stosuj wyrażenia przypisania, aby unikać powielania zadań w konstrukcjach składanych. Sposób 30. Rozważ użycie generatorów, zamiast zwracać listy. Sposób 31. Podczas iteracji przez argumenty zachowuj postawę defensywną. Sposób 32. Rozważ użycie generatora wyrażeń dla dużych list składanych. Sposób 33. Twórz wiele generatorów za pomocą wyrażenia yield from. Sposób 34. Unikaj wstrzykiwania danych do generatorów za pomocą metody send(). Sposób 35. Unikaj w generatorach przejścia między stanami za pomocą metody throw(). Sposób 36. Rozważ stosowanie modułu itertools w pracy z iteratorami i generatorami. Rozdział 5. Klasy i interfejsy. Sposób 37. Twórz klasy, zamiast zagnieżdżać wiele poziomów typów wbudowanych. Sposób 38. Dla prostych interfejsów akceptuj funkcje zamiast klas. Sposób 39. Użycie polimorfizmu @classmethod w celu ogólnego tworzenia obiektów. Sposób 40. Inicjalizacja klasy nadrzędnej za pomocą wywołania super(). Sposób 41. Rozważ łączenie funkcjonalności za pomocą klas domieszek. Sposób 42. Preferuj atrybuty publiczne zamiast prywatnych. Sposób 43. Stosuj dziedziczenie po collections.abc w kontenerach typów niestandardowych. Rozdział 6. Metaklasy i atrybuty. Sposób 44. Używaj zwykłych atrybutów zamiast metod typu getter i seter. Sposób 45. Rozważ użycie @property zamiast refaktoryzacji atrybutów. Sposób 46. Stosuj deskryptory, aby wielokrotnie wykorzystywać metody udekorowane przez @property. Sposób 47. Używaj metod __getattr__(), __getattribute__() i __setattr__() dla opóźnionych atrybutów. Sposób 48. Sprawdzaj podklasy za pomocą __init_subclass__. Sposób 49. Rejestruj istniejące klasy za pomocą __init_subclass__(). Sposób 50. Adnotacje atrybutów klas dodawaj za pomocą metody __set_name__(). Sposób 51. Dla złożonych rozszerzeń klas wybieraj dekoratory klas zamiast metaklas. Rozdział 7. Współbieżność i równoległość. Sposób 52. Używaj modułu subprocess do zarządzania procesami potomnymi. Sposób 53. Użycie wątków dla operacji blokujących wejście- yjście, unikanie równoległości. Sposób 54. Używaj klasy Lock, aby unikać stanu wyścigu w wątkach. Sposób 55. Używaj klasy Queue do koordynacji pracy między wątkami. Sposób 56. Naucz się rozpoznawać, kiedy współbieżność jest niezbędna. Sposób 57. Unikaj tworzenia nowych egzemplarzy Thread na żądanie fan-out. Sposób 58. Pamiętaj, że stosowanie Queue do obsługi współbieżności wymaga refaktoringu. Sposób 59. Rozważ użycie klasy ThreadPoolExecutor, gdy wątki są potrzebne do zapewnienia współbieżności. Sposób 60. Zapewnij wysoką współbieżność operacji wejścia-wyjścia dzięki użyciu współprogramów. Sposób 61. Naucz się przekazywać do asyncio wątkowane operacje wejścia-wyjścia. Sposób 62. Połączenie wątków i współprogramów w celu ułatwienia konwersji na wersję stosującą asyncio. Sposób 63. Maksymalizuj responsywność przez unikanie blokującej pętli zdarzeń asyncio. Sposób 64. Rozważ użycie concurrent.futures(), aby otrzymać prawdziwą równoległość. Rozdział 8. Niezawodność i wydajność. Sposób 65. Wykorzystanie zalet wszystkich bloków w konstrukcji try-except-else-finally. Sposób 66. Rozważ użycie poleceń contextlib i with w celu uzyskania wielokrotnego użycia konstrukcji try-finally. Sposób 67. Podczas obsługi czasu lokalnego używaj modułu datetime zamiast time. Sposób 68. Niezawodne użycie pickle wraz z copyreg. Sposób 69. Gdy ważna jest precyzja, używaj modułu decimal. Sposób 70. Przed optymalizacją przeprowadzaj profilowanie. Sposób 71. Wybieraj typ deque podczas tworzenia kolejek typu producent – konsument. Sposób 72. Podczas wyszukiwania danych w sortowanych sewencjach stosuj moduł bisect. Sposób 73. W kolejkach priorytetowych używaj modułu heapq. Sposób 74. Podczas kopiowania zerowego obiektów typu bytes używaj egzemplarzy memoryview i bytearray. Rozdział 9. Testowanie i debugowanie. Sposób 75. Używaj ciągów tekstowych repr do debugowania danych wyjściowych. Sposób 76. W podklasach klasy TestCase sprawdzaj powiązane ze sobą zachowanie. Sposób 77. Izoluj testy od siebie za pomocą metod setUp(), tearDown(), setUpModule() i tearDownModule(). Sposób 78. Podczas testowania kodu zawierającego skomplikowane zależności korzystaj z imitacji. Sposób 79. Hermetyzuj zależności, aby ułatwić tworzenie imitacji i testowanie. Sposób 80. Rozważ interaktywne usuwanie błędów za pomocą pdb. Sposób 81. Stosuj moduł tracemalloc, aby poznać sposób użycia pamięci i wykryć jej wycieki. Rozdział 10. Współpraca. Sposób 82. Kiedy szukać modułów opracowanych przez społeczność? Sposób 83. Używaj środowisk wirtualnych dla odizolowanych i powtarzalnych zależności. Sposób 84. Dla każdej funkcji, klasy i modułu utwórz docstring. Sposób 85. Używaj pakietów do organizacji modułów i dostarczania stabilnych API. Sposób 86. Rozważ użycie kodu o zasięgu modułu w celu konfiguracji środowiska wdrożenia. Sposób 87. Zdefiniuj główny wyjątek Exception w celu odizolowania komponentu wywołującego od API. Sposób 88. Zobacz, jak przerwać krąg zależności. Sposób 89. Rozważ użycie modułu warnings podczas refaktoryzacji i migracji kodu. Sposób 90. Rozważ stosowanie analizy statycznej za pomocą modułu typing w celu usuwania błędów.

O autorze; O recenzencie; Przedmowa; WSTĘP I PODSTAWOWE ALGORYTMY Rozdział 1. Wprowadzenie do algorytmów; Co to jest algorytm?; Fazy algorytmu; Określenie logiki algorytmu; Zrozumienie pseudokodu; Korzystanie z fragmentów kodu (snippetów); Stworzenie planu wykonania; Wprowadzenie do pakietów w Pythonie; Pakiety w Pythonie; Programowanie w Pythonie z Jupyter; Notebook; Techniki projektowania algorytmów; Wymiar danych; Wymiar obliczeniowy; Analiza efektywności; Analiza pamięciowej złożoności obliczeniowej; Czasowa złożoność obliczeniowa; Szacowanie efektywności; Wybór algorytmu; Notacja dużego O; Walidacja algorytmu; Algorytmy dokładne, aproksymacyjne i randomizowane; Możliwość wyjaśnienia Podsumowanie; Rozdział 2. Struktury danych w algorytmach; Struktury danych w Pythonie; Lista; Krotka; Słownik; Zbiór; Ramka danych; Macierz; Abstrakcyjne typy danych; Wektor; Stos; Kolejka; Kiedy używać stosów i kolejek?; Drzewo; Podsumowanie; Rozdział 3. Algorytmy sortowania wyszukiwania; Wprowadzenie do algorytmów sortowania; Zamiana wartości zmiennych w Pythonie; Sortowanie bąbelkowe; Sortowanie przez wstawianie; Sortowanie przez scalanie; Sortowanie; Shella; Sortowanie przez wymianę; Wprowadzenie do algorytmów wyszukiwania; Wyszukiwanie liniowe; Wyszukiwanie binarne; Wyszukiwanie interpolacyjne; Praktyczne przykłady; Podsumowanie; Rozdział 4. Projektowanie algorytmów; Wprowadzenie do projektowania algorytmów; Kwestia 1: Czy algorytm zwraca rezultat, jakiego oczekujemy?; Kwestia 2: Czy robi to w optymalny sposób?; Kwestia 3: Jak efektywny będzie ten algorytm zastosowany do większych zbiorów danych?; Strategie algorytmiczne; Strategia "dziel i rządź"; Strategia programowania dynamicznego; Strategia algorytmu zachłannego; Praktyczny przykład - rozwiązanie problemu komiwojażera; Metoda siłowa; Zastosowanie algorytmu zachłannego; Algorytm PageRank; Definicja problemu; Implementacja algorytmu PageRank; Programowanie liniowe; Definicja problemu w programowaniu liniowym; Praktyczny przykład - planowanie przepustowości za pomocą programowania liniowego; Podsumowanie; Rozdział 5. Algorytmy grafowe; Reprezentacja grafów; Rodzaje grafów; Specjalne rodzaje krawędzi; Sieci egocentryczne; Analiza sieciowa; Wprowadzenie do teorii analizy sieciowej; Najkrótsza ścieżka; Określanie sąsiedztwa; Wskaźnik centralności; Obliczanie wskaźników centralności w Pythonie; Trawersowanie grafu; Wyszukiwanie wszerz; Wyszukiwanie w głąb; Studium przypadku - analiza oszustw; Prosta analiza pod kątem oszustwa; Podejście strażnicy; Podsumowanie; ALGORYTMY UCZENIA MASZYNOWEGO; Rozdział 6. Algorytmy nienadzorowanego uczenia maszynowego; Wprowadzenie do nienadzorowanego uczenia maszynowego; Uczenie nienadzorowane w cyklu życia eksploracji danych; Trendy badawcze w zakresie uczenia nienadzorowanego; Praktyczne przykłady; Algorytmy klasteryzacji; Wyliczanie podobieństw; Grupowanie hierarchiczne; Ocena klastrów; Zastosowania klasteryzacji; Redukcja wymiarów; Analiza głównych składowych; Ograniczenia analizy głównych składowych; Reguły asocjacyjne; Przykłady użycia; Analiza koszykowa; Reguły asocjacyjne; Wskaźniki reguł; Algorytmy analizy asocjacyjnej; Praktyczny przykład - grupowanie podobnych tweetów; Modelowanie tematów; Klasteryzacja; Algorytmy wykrywania odchyleń; Wykorzystanie klastrów; Wykorzystanie wykrywania odchyleń opartego na gęstości; Wykorzystanie maszyny wektorów nośnych; Podsumowanie; Rozdział 7. Tradycyjne algorytmy uczenia nadzorowanego; Nadzorowane uczenie maszynowe; Żargon nadzorowanego uczenia maszynowego; Warunki konieczne; Rozróżnienie między klasyfikatorami a regresorami; Algorytmy klasyfikujące; Wyzwanie dla klasyfikatorów; Inżynieria cech w przetwarzaniu potokowym; Ocena klasyfikatorów; Określenie faz klasyfikacji; Algorytm drzewa decyzyjnego; Metody zespolone; Regresja logistyczna; Maszyna wektorów nośnych; Naiwny klasyfikator bayesowski; Zwycięzcą wśród algorytmów klasyfikacji jest...; Algorytmy regresji; Wyzwanie dla regresji; Regresja liniowa; Algorytm drzewa regresji; Regresyjny algorytm wzmocnienia gradientowego; Zwycięzcą wśród algorytmów regresji jest...; Praktyczny przykład, jak przewidywać pogodę; Podsumowanie; Rozdział 8. Algorytmy sieci neuronowych; Wprowadzenie do sieci neuronowych; Ewolucja sieci neuronowych; Trenowanie sieci neuronowej; Anatomia sieci neuronowej; Definicja gradientu prostego; Funkcje aktywacji; Narzędzia i modele Keras TensorFlow; Rodzaje sieci neuronowych; Uczenie transferowe; Studium przypadku - użycie uczenia głębokiego do wykrywania oszustw; Metodologia; Podsumowanie; Rozdział 9. Algorytmy przetwarzania języka naturalnego; Wprowadzenie do przetwarzania języka naturalnego; Terminologia przetwarzania języka naturalnego NLTK; Model bag-of-words; Wektorowe przedstawienie słów; Otoczenie słowa; Właściwości wektorowego przedstawienia słów; Użycie rekurencyjnych sieci neuronowych do przetwarzania języka naturalnego; Wykorzystanie przetwarzania języka naturalnego do analizy sentymentu; Studium przypadku - analiza sentymentu w recenzjach filmowych; Podsumowanie; Rozdział 10. Silniki poleceń; Wprowadzenie do silników poleceń; Rodzaje silników poleceń; Silniki poleceń oparte na treści; Silniki poleceń oparte na filtrowaniu kooperacyjnym Hybrydowe silniki poleceń; Ograniczenia systemów poleceń; Zimny start; Wymagania dotyczące metadanych; Problem rzadkości danych; Tendencyjność ze względu na wpływ społeczny; Ograniczone dane; Obszary praktycznych zastosowań; Przykład praktyczny - stworzenie silnika poleceń; Podsumowanie; ZAGADNIENIA ZAAWANSOWANE; Rozdział 11. Algorytmy danych; Wprowadzenie do algorytmów danych; Klasyfikacja danych; Algorytmy przechowywania danych; Strategie przechowywania danych; Algorytmy strumieniowania danych; Zastosowania strumieniowania; Algorytmy kompresji danych; Algorytmy kompresji bezstratnej; Przykład praktyczny - analiza sentymentu na Twitterze; Podsumowanie; Rozdział 12. Kryptografia; Wprowadzenie do kryptografii; Waga najsłabszego ogniwa; Terminologia; Wymagania bezpieczeństwa; Podstawy projektowania szyfrów; Rodzaje technik kryptograficznych; Kryptograficzna funkcja skrótu; Szyfrowanie symetryczne; Szyfrowanie asymetryczne; Przykład - kwestie bezpieczeństwa we wdrażaniu modelu uczenia maszynowego; Atak man-in-the-middle; Obrona przed techniką masquerading; Szyfrowanie danych i modelu; Podsumowanie; Rozdział 13. Algorytmy przetwarzania danych w dużej skali; Wprowadzenie do algorytmów przetwarzania danych w dużej skali; Definicja dobrze zaprojektowanego algorytmu przetwarzania danych w dużej skali; Terminologia; Projektowanie algorytmów równoległych; Prawo Amdahla; Szczegółowość podprocesów Równoważenie obciążenia; Przetwarzanie lokalne; Procesy współbieżne w Pythonie; Tworzenie strategii przetwarzania na puli zasobów; Architektura CUDA; Obliczenia w klastrze; Strategia hybrydowa; Podsumowanie; Rozdział 14. Uwagi praktyczne; Wprowadzenie do uwag praktycznych; Smutna historia bota sztucznej inteligencji na Twitterze; Transparentność algorytmu; Algorytmy uczenia maszynowego i transparentność; Etyka i algorytmy; Problemy z algorytmami uczącymi się; Znaczenie kwestii etycznych; Ograniczanie stronniczości modeli; Problemy NP-trudne; Uproszczenie problemu; Dopasowanie dobrze znanego rozwiązania podobnego problemu; Metoda probabilistyczna; Kiedy używać algorytmów; Praktyczny przykład - teoria czarnego łabędzia; Podsumowanie.

Zawiera: O autorach; O korektorze merytorycznym; Podziękowania; Przedmowa; Wstęp; 1. Przygotowanie środowiska Pythona: Instalowanie systemu Kali Linux; Konfigurowanie języka Python 3; Instalowanie środowiska programistycznego; Higiena kodu; 2. Podstawowe narzędzia sieciowe: Narzędzia sieciowe Pythona; Klient TCP; Klient UDP; Serwer TCP; Budowa netcata; Tworzenie proxy TCP; SSH przez Paramiko; Tunelowanie SSH; 3. Tworzenie szperacza sieciowego: Budowa narzędzia UDP do wykrywania hostów; Tropienie pakietów w Windowsie i Linuksie; Dekodowanie warstwy IP; Dekodowanie danych ICMP; 4. Władanie siecią za pomocą Scapy: Wykradanie danych poświadczających użytkownika z wiadomości e-mail; Atak ARP cache poisoning przy użyciu biblioteki Scapy; Przetwarzanie pliku PCAP; 5. Hakowanie aplikacji sieciowych: Biblioteki internetowe; Mapowanie aplikacji sieciowych typu open source; Analizowanie aplikacji metodą siłową; Ataki siłowe na formularze uwierzytelniania; 6. Rozszerzanie narzędzi Burp: Wstępna konfiguracja; Fuzzing przy użyciu Burpa; Bing w służbie Burpa; Treść strony internetowej jako kopalnia haseł; 7. Centrum dowodzenia GitHub: Tworzenie konta w portalu GitHub; Tworzenie modułów; Konfiguracja trojana; Budowa trojana komunikującego się z portalem GitHub; 8. Popularne zadania trojanów w systemie Windows: Rejestrowanie naciskanych klawiszy; Robienie zrzutów ekranu; Wykonywanie kodu powłoki przy użyciu Pythona; Wykrywanie środowiska ograniczonego; 9. Zabawa w wyprowadzanie danych: Szyfrowanie i deszyfrowanie plików; Wyprowadzanie danych za pomocą poczty e-mail; Wyprowadzanie danych za pomocą transferu plików; Wyprowadzanie danych do serwera WWW; Wszystko razem; 10. Zwiększanie uprawnień w systemie Windows: Instalacja potrzebnych narzędzi; Tworzenie testowej usługi BlackHat; Tworzenie monitora procesów; Uprawnienia tokenów Windows; Pierwsi na mecie; Wstrzykiwanie kodu; 11. Ofensywna analiza śledcza: Instalacja; Ogólny rekonesans; Rekonesans użytkowników; Rekonesans słabych punktów; Interfejs volshell; Własne wtyczki dla Volatility; Czy to w ogóle działa; Idź dalej!

Wprowadzenie. Do kogo jest skierowana ta książka? Konwencje. Czym jest programowanie? O tej książce. Pobieranie i instalacja Pythona. Pobieranie i instalowanie edytora tekstu Mu. Uruchomienie edytora Mu. Uruchomienie środowiska IDLE. Powłoka interaktywna. Instalowanie modułów zewnętrznych. Jak otrzymać pomoc? Sprytne zadawanie pytań dotyczących programowania. Podsumowanie. CZĘŚĆ I. PODSTAWY PROGRAMOWANIA W PYTHONIE. 1. Podstawy Pythona. Wprowadzanie wyrażeń w powłoce interaktywnej. Liczby całkowite, zmiennoprzecinkowe i ciągi tekstowe. Konkatenacja i replikacja ciągu tekstowego. Przechowywanie wartości w zmiennych. Twój pierwszy program. Analiza programu. Podsumowanie. Pytania kontrolne. 2. Kontrola przepływu działania programu. Wartości boolowskie. Operatory porównania. Operatory boolowskie. Łączenie operatorów boolowskich i porównania. Elementy kontroli przepływu działania programu. Wykonywanie programu. Polecenia kontroli przepływu działania programu. Import modułów. Wcześniejsze zakończenie programu za pomocą sys.exit(). Krótki program - odgadnij liczbę. Krótki program - kamień, papier, nożyce. Podsumowanie. Pytania kontrolne. 3. Funkcje. Polecenie def wraz z parametrami. Wartość zwrotna funkcji i polecenie return. Wartość None. Argumenty w postaci słów kluczowych i funkcja print(). Stos wywołań. Zasięgi lokalny i globalny. Zmienne lokalne nie mogą być używane w zasięgu globalnym. W zasięgu lokalnym nie można używać zmiennych zdefiniowanych w innych zasięgach lokalnych. Zmienna globalna może być używana w zasięgu lokalnym. Zmienna lokalna i globalna o takiej samej nazwie. Polecenie global. Obsługa wyjątków. Krótki program – zigzag. Podsumowanie. Pytania kontrolne. Projekt praktyczny. 4. Listy. Typ danych List. Praca z listą. Operatory przypisania i zmiany wartości. Metody. Przykładowy program - Magic 8 Ball utworzony za pomocą listy. Typy danych w postaci sekwencji. Odwołania. Krótki program - gra w życie. Podsumowanie. Pytania kontrolne. Projekty praktyczne. 5. Słowniki i strukturyzacja danych. Typ danych Dictionary. Eleganckie wyświetlanie danych. Użycie struktur danych do modelowania rzeczywistych rozwiązań. Podsumowanie. Pytania kontrolne. Projekty praktyczne. 6. Operacje na ciągach tekstowych. Praca z ciągami tekstowymi. Umieszczenie ciągu tekstowego w innym. Użyteczne metody ciągu tekstowego. Wartości liczbowe znaków pobrane za pomocą funkcji ord() i chr(). Kopiowanie i wklejanie ciągów tekstowych za pomocą modułu pyperclip. Projekt - schowek dla wielu ciągów tekstowych. Projekt - dodanie wypunktowania do kodu znaczników Wiki. Krótki program - świńska łacina. Podsumowanie. Pytania kontrolne. Projekt praktyczny. CZĘŚĆ II. AUTOMATYZACJA ZADAŃ. 7. Dopasowanie wzorca za pomocą wyrażeń regularnych. Wyszukiwanie wzorców w tekście bez użycia wyrażeń regularnych. Wyszukiwanie wzorców w tekście z użyciem wyrażeń regularnych. Jeszcze więcej o dopasowaniach wzorca za pomocą wyrażeń regularnych. Dopasowanie zachłanne i niezachłanne. Metoda findall(). Klasy znaków. Utworzenie własnej klasy znaków. Znaki oraz $. Znak wieloznaczny. Przegląd znaków stosowanych w wyrażeniach regularnych. Dopasowanie bez uwzględnienia wielkości znaków. Zastępowanie ciągu tekstowego za pomocą metody sub(). Zarządzanie skomplikowanymi wyrażeniami regularnymi. Połączenie opcji re.IGNORECASE, re.DOTALL i re.VERBOSE. Projekt - wyodrębnianie numeru telefonu i adresu e-mail. Podsumowanie. Pytania kontrolne. Projekty praktyczne. 8. Weryfikacja danych wejściowych. Moduł PyInputPlus. Projekt - zajęcie kogoś godzinami. Projekt - quiz z tabliczki mnożenia. Podsumowanie. Pytania kontrolne. Projekty praktyczne. 9. Odczyt i zapis plików. Pliki i ścieżki dostępu do plików. Proces odczytu i zapisu pliku. Zapis zmiennych za pomocą modułu shelve. Zapis zmiennych za pomocą funkcji pprint.pformat(). Projekt - generowanie losowych plików quizu. Projekt - schowek przechowujący wiele elementów. Podsumowanie. Pytania kontrolne. Projekty praktyczne. 10. Organizacja plików. Moduł shutil. Przejście przez drzewo katalogu. Kompresja plików za pomocą modułu zipfile. Projekt - zmiana plików z datami w stylu amerykańskim na daty w stylu europejskim. Projekt - utworzenie archiwum ZIP będącego kopią katalogu. Podsumowanie. Pytania kontrolne. Projekty praktyczne. 11. Usuwanie błędów. Zgłaszanie wyjątku. Pobranie stosu wywołań w postaci ciągu tekstowego. Asercje. Rejestracja danych. Debugger edytora Mu. Podsumowanie. Pytania kontrolne. Projekt praktyczny. 12. Pobieranie danych z internetu. Projekt - mapIt.py z użyciem modułu webbrowser. Pobieranie plików z internetu za pomocą modułu requests. Zapis pobranych plików na dysku twardym. HTML. Przetwarzanie kodu HTML za pomocą modułu bs4. Projekt - wyświetlenie wyników wyszukiwania. Projekt - pobranie wszystkich komiksów z witryny XKCD. Kontrolowanie przeglądarki WWW za pomocą modułu selenium. Podsumowanie. Pytania kontrolne. Projekty praktyczne. 13. Praca z arkuszami kalkulacyjnymi programu Excel. Dokumenty Excela. Instalacja modułu openpyxl. Odczyt dokumentów Excela. Projekt - odczyt danych z arkusza kalkulacyjnego. Zapis dokumentów Excela. Projekt - uaktualnienie skoroszytu. Ustawienie stylu czcionki komórek. Obiekt Font. Formuły. Dostosowanie wierszy i kolumn do własnych potrzeb. Wykresy. Podsumowanie. Pytania kontrolne. Projekty praktyczne. 14. Praca z Arkuszami Google. Instalacja i konfiguracja EZSheets. Obiekt skoroszytu. Obiekt arkusza. Podsumowanie. Pytania kontrolne. Projekty praktyczne. 15. Praca z dokumentami PDF i Worda. Dokumenty w formacie PDF. Projekt - połączenie wybranych stron z wielu dokumentów PDF. Dokumenty procesora tekstu Microsoft Word. Tworzenie dokumentu PDF na podstawie dokumentu Worda. Podsumowanie. Pytania kontrolne. Projekty praktyczne. 16. Praca z plikami CSV i danymi JSON. Moduł csv. Projekt - usunięcie nagłówka z pliku CSV. JSON i API. Moduł json. Projekt - pobieranie bieżących danych prognozy pogody. Podsumowanie. Pytania kontrolne. Projekty praktyczne. 17. Czas, harmonogram zadań i uruchamianie programów. Moduł time. Zaokrąglanie liczb. Projekt – superstoper. Moduł datetime. Przegląd funkcji czasu w Pythonie. Wielowątkowość. Projekt - wielowątkowy program pobierający dane z witryny XKCD. Uruchamianie innych programów z poziomu Pythona. Projekt - prosty program odliczający czas. Podsumowanie. Pytania kontrolne. Projekty praktyczne. 18. Wysyłanie wiadomości e-mail i tekstowych. Wysyłanie i odbieranie poczty za pomocą API Gmail. SMTP. Wysyłanie wiadomości e-mail. IMAP. Pobieranie i usuwanie wiadomości e-mail za pomocą protokołu IMAP. Projekt - wysyłanie wiadomości e-mail z przypomnieniami o składkach. Wysyłanie wiadomości tekstowych za pomocą bramek SMS. Wysyłanie wiadomości tekstowych za pomocą Twilio. Projekt - moduł typu "wyślij mi wiadomość SMS". Podsumowanie. Pytania kontrolne. Projekty praktyczne. 19. Praca z obrazami. Podstawy teorii obrazu cyfrowego. Praca z obrazami za pomocą modułu pillow. Projekt - dodanie logo. Rysowanie na obrazach. Pytania kontrolne. Projekty praktyczne. 20. Kontrolowanie klawiatury i myszy za pomocą automatyzacji GUI. Instalacja modułu pyautogui. Konfiguracja ustawień dostępności w macOS. Pozostajemy na kursie. Kontrola poruszania myszą. Kontrola działania myszy. Planowanie ruchu myszą. Praca z ekranem. Rozpoznawanie obrazu. Pobieranie informacji o oknie. Kontrola klawiatury. Konfiguracja skryptów automatyzacji GUI. Projekt - automatyczne wypełnianie formularzy. Wyświetlanie okien dialogowych. Podsumowanie. Pytania kontrolne Projekty praktyczne. A. Instalacja modułów firm trzecich. B. Uruchamianie programów. C. Odpowiedzi na pytania kontrolne.

O autorze; O korektorze merytorycznym; Przedmowa; Wstęp; Rozdział 1. Czym są mikrousługi?: Geneza architektury SOA; Podejście monolityczne; Podejście mikrousługowe; Zalety mikrousług; Wady mikrousług; Implementacja mikrousług w języku Python; Wydajność kodu; Podsumowanie; Rozdział 2. Platforma Flask: Jaka wersja Pythona?; Obsługa zapytań w platformie Flask; Wbudowane funkcjonalności platformy Flask; Szkielet mikrousługi; Podsumowanie; Rozdział 3. Cykl doskonały: kodowanie, testowanie, dokumentowanie: Rodzaje testów; Pakiet WebTest; Narzędzia pytest i tox; Dokumentacja programistyczna; Ciągła integracja; Podsumowanie; Rozdział 4. Aplikacja Runnerly: Aplikacja Runnerly; Struktura monolityczna; Dzielenie monolitu; Usługa danych; Standard Open API 2.0; Dalszy podział aplikacji; Podsumowanie; Rozdział 5. Interakcje z innymi usługami: Wywołania synchroniczne; Wywołania asynchroniczne; Testy; Podsumowanie; Rozdział 6. Monitorowanie usług: Centralizacja dzienników; Wskaźniki wydajnościowe; Podsumowanie; Rozdział 7. Zabezpieczanie usług: Protokół OAuth2; Uwierzytelnienie oparte na tokenach; Zapora WAF; Zabezpieczanie kodu; Podsumowanie; Rozdział 8. Wszystko razem: Tworzenie interfejsu za pomocą biblioteki ReactJS; Biblioteka ReactJS i platforma Flask; Uwierzytelnianie użytkowników i autoryzowanie zapytań; Podsumowanie; Rozdział 9. Spakowanie i uruchomienie Runnerly: Narzędzia pakujące; Uruchamianie mikrousług; Zarządzanie procesami; Podsumowanie; Rozdział 10. Usługi kontenerowe: Czym jest Docker?; Docker od podstaw; Uruchamianie aplikacji Flask na platformie Docker; Kompletny system - OpenResty, Circus i Flask; Wdrożenia kontenerowe; Podsumowanie; Rozdział 11. Instalacja w chmurze AWS: Chmura AWS; Kierowanie zapytań - Route53, ELB i AutoScaling; Wykonywanie kodu - EC2 i Lambda; Gromadzenie danych - EBS, S3, RDS, ElasticCache i CloudFront; Podstawy wdrażania mikrousług w chmurze AWS; Wdrażanie klastrów przy użyciu usługi ECS; Usługa Route53; Podsumowanie; Rozdział 12. Co dalej?: Iteratory i generatory; Koprocedury; Biblioteka asyncio; Platforma aiohttp; Platforma Sanic; Model asynchroniczny i synchroniczny; Podsumowanie; Skorowidz.

Zawiera: O autorze; O recenzencie; Przedmowa; Dla kogo przeznaczona jest ta książka?; Zawartość książki; Jak maksymalnie skorzystać z lektury?; Pobieranie plików z przykładowym kodem; Pobieranie kolorowych rysunków; Używane konwencje; 1. Rozpoczęcie przygody z automatyzacją: Aktywowanie środowiska wirtualnego; Instalowanie niezależnych pakietów; Tworzenie łańcuchów znaków ze sformatowanymi wartościami; Operowanie łańcuchami znaków; Pobieranie danych z ustrukturyzowanych łańcuchów znaków; Używanie niezależnego narzędzia parse; Wprowadzenie do wyrażeń regularnych; Więcej o wyrażeniach regularnych; Dodawanie argumentów wiersza poleceń; 2. Łatwa automatyzacja zadań: Przygotowanie zadania; Konfigurowanie prac crona; Rejestrowanie błędów i problemów; Wysyłanie e-maili z powiadomieniami; 3. Tworzenie pierwszej aplikacji do pobierania informacji ze stron WWW: Pobieranie stron WWW; Parsowanie kodu HTML; Crawling w sieci WWW; Subskrybowanie kanałów informacyjnych; Dostęp do internetowych API; Interakcje z formularzami; Używanie pakietu Selenium do obsługi zaawansowanych interakcji; Dostęp do stron chronionych hasłem; Przyspieszanie pobierania informacji ze stron WWW; 4. Wyszukiwanie i wczytywanie plików lokalnych: Skanowanie i przeszukiwanie katalogów; Wczytywanie plików tekstowych; Praca z kodowaniami; Wczytywanie plików CSV; Wczytywanie plików dziennika; Odczyt metadanych plików; Wczytywanie plików graficznych; Wczytywanie plików PDF; Wczytywanie dokumentów Worda; Sprawdzanie występowania słowa kluczowego w dokumentach; 5. Generowanie atrakcyjnych raportów: Tworzenie prostego raportu obejmującego zwykły tekst; Używanie szablonów do generowania raportów; Formatowanie tekstu za pomocą znaczników Markdown; Generowanie prostego dokumentu Worda; Dodawanie stylów do dokumentu Worda; Generowanie struktury w dokumencie Worda; Dodawanie grafiki do dokumentów Worda; Generowanie prostego dokumentu PDF; Określanie struktury dokumentu PDF; Łączenie raportów w formacie PDF; Dodawanie znaków wodnych i szyfrowanie dokumentów PDF; 6. Zabawa z arkuszami kalkulacyjnymi: Zapis arkusza kalkulacyjnego w formacie CSV; Aktualizowanie plików CSV; Odczyt arkusza kalkulacyjnego Excela; Aktualizowanie arkusza kalkulacyjnego Excela; Tworzenie nowych arkuszy w plikach Excela; Tworzenie wykresów w Excelu; Formatowanie komórek w Excelu; Tworzenie makra w LibreOffice; 7. Oczyszczanie i przetwarzanie danych: Przygotowywanie arkusza kalkulacyjnego w formacie CSV; Dodawanie symboli walut na podstawie lokalizacji; Standaryzowanie formatu dat; Agregowanie danych; Równoległe przetwarzanie danych; Przetwarzanie danych z użyciem biblioteki Pandas; 8. Tworzenie atrakcyjnych wykresów: Tworzenie prostego wykresu z wartością sprzedaży; Generowanie słupków warstwowych; Rysowanie wykresów kołowych; Wyświetlanie wielu linii; Rysowanie wykresów punktowych; Wyświetlanie map; Dodawanie legendy i opisów; Łączenie wykresów; Zapisywanie wykresów; 9. Kanały komunikacji: Praca z szablonami e-maili; Wysyłanie pojedynczych e-maili; Odczytywanie e-maili; Dodawanie subskrybentów do newslettera rozsyłanego pocztą elektroniczną; Przesyłanie powiadomień za pomocą e-maili; Tworzenie SMS-ów; Odbieranie SMS-ów; Tworzenie bota dla komunikatora Telegram; 10. A może zautomatyzujesz kampanię marketingową?: Wprowadzenie; Wykrywanie okazji; Tworzenie spersonalizowanych kodów rabatowych; Wysyłanie powiadomień do klienta z użyciem preferowanego przez niego kanału; Przygotowywanie informacji o sprzedaży; Generowanie raportów sprzedażowych; 11. Uczenie maszynowe i automatyzacja: Wprowadzenie; Analizowanie obrazów za pomocą Google Cloud Vision AI; Pobieranie tekstu z obrazu za pomocą Google Cloud Vision AI; Analizowanie tekstu za pomocą Google Cloud Natural Language; Tworzenie własnego bazującego na uczeniu maszynowym modelu do klasyfikowania tekstu; 12. Automatyczne procedury testowe: Wprowadzenie; Pisanie i wykonywanie przypadków testowych; Testowanie kodu zewnętrznego; Testowanie z użyciem atrap zależności; Testowanie z użyciem symulowanych wywołań HTTP; Przygotowywanie scenariuszy testowych; Selektywne wykonywanie testów; 13. Techniki debugowania: Wprowadzenie; Podstawy interpretera Pythona; Debugowanie za pomocą rejestrowania informacji; Debugowanie z użyciem punktów przerwania; Doskonalenie umiejętności debugowania.

1. Podstawy Pythona dla DevOps: Instalowanie i uruchamianie Pythona; Programowanie proceduralne; Sterowanie przepływem kodu; Pętle while; Obsługa wyjątków; Obiekty wbudowane; Funkcje; Korzystanie z wyrażeń regularnych; Leniwe wartościowanie; Dodatkowe funkcjonalności IPythona; Ćwiczenia; 2. Automatyzacja zadań dotyczących plików i systemu plików: Odczytywanie i zapisywanie plików; Korzystanie z wyrażeń regularnych do wyszukiwania tekstu; Przetwarzanie dużych plików; Szyfrowanie tekstu; Moduł os; Zarządzanie plikami i katalogami za pomocą modułu os.path; Przeglądanie drzew katalogów za pomocą funkcji os.walk; Ścieżki jako obiekty modułu pathlib; 3. Praca w wierszu polecenia: Praca w środowisku powłoki; Tworzenie narzędzi wiersza polecenia; Studium przypadku: Turbodoładowanie Pythona za pomocą narzędzi wiersza polecenia; Ćwiczenia; 4. Przydatne narzędzia systemu Linux: Narzędzia dyskowe; Narzędzia sieciowe; Narzędzia do badania CPU; Korzystanie z Bash i ZSH; Łączenie możliwości Pythona z powłoką Bash i ZSH; Jednowierszowe skrypty w Pythonie; strace; Ćwiczenia; Zadanie związane ze studium przypadku; 5. Zarządzanie pakietami: Dlaczego tworzenie pakietów jest ważne?; Wytyczne dotyczące tworzenia pakietów; Wybór strategii; Sposoby tworzenia pakietów; Zarządzanie za pomocą systemd; Instalacja modułu; Ćwiczenia; Zadanie związane ze studium przypadku; 6. Continuous Integration i Continuous Deployment: Studium przypadku: konwersja źle utrzymywanej witryny bazującej na WordPressie do Hugo; Studium przypadku: instalacja aplikacji Python App Engine za pomocą mechanizmu Google Cloud Build; Studium przypadku: NFSOPS; 7. Monitorowanie i logowanie: Kluczowe pojęcia dotyczące budowania niezawodnych systemów; Niezmienne zasady DevOps; Monitorowanie; Oprzyrządowanie; Logowanie; Stos ELK; Ćwiczenia; Zadanie związane ze studium przypadku; 8. Pytest dla DevOps: Testowanie za pomocą frameworka pytest; Pierwsze kroki z pytest; Cechy frameworka pytest; Fikstury; Testowanie infrastruktury; Przykłady; Testowanie notatników Jupyter Notebooks z wykorzystaniem frameworka pytest; Ćwiczenia; Zadanie związane ze studium przypadku; 9. Chmura obliczeniowa: Podstawy chmury obliczeniowej; Rodzaje chmur obliczeniowych; Rodzaje usług chmury obliczeniowej; Infrastruktura jako kod; Ciągłe dostawy; Wirtualizacja i kontenery; Wyzwania i możliwości przetwarzania rozproszonego; Współbieżność, wydajność i zarządzanie procesami w dobie chmury obliczeniowej; Zarządzanie procesami; Wniosek; Ćwiczenia; Studia przypadków; 10. Infrastruktura jako kod: Klasyfikacja narzędzi automatyzacji infrastruktury; Dostarczanie ręczne; Automatyczne dostarczanie infrastruktury z wykorzystaniem systemu Terraform; Zautomatyzowane dostarczanie infrastruktury za pomocą systemu Pulumi; Ćwiczenia; 11. Technologie kontenerowe: Docker i Docker Compose: Czym jest kontener Dockera?; Tworzenie, budowanie, uruchamianie i usuwanie obrazów i kontenerów Dockera; Publikowanie obrazów Dockera w Rejestrze Dockera; Uruchamianie kontenera Dockera z tego samego obrazu na innym hoście; Uruchamianie wielu kontenerów Dockera za pomocą systemu Docker Compose; Przenoszenie usług docker-compose do nowego hosta i systemu operacyjnego; Ćwiczenia; 12. Orkiestracja kontenerów: Kubernetes: Przegląd pojęć związanych z systemem Kubernetes; Korzystanie z systemu Kompose do tworzenia manifestów Kubernetesa na podstawie pliku docker-compose.yaml; Instalacja manifestów Kubernetesa w lokalnym klastrze Kubernetesa z wykorzystaniem minikube; Uruchomienie klastra GKE Kubernetes w GCP za pomocą Pulumi; Instalacja przykładowej aplikacji Flask do GKE; Instalacja wykresów Helm Prometheus i Grafana; Niszczenie klastra GKE; Ćwiczenia; 13. Technologie bezserwerowe: Wdrażanie tej samej funkcji Pythona do chmur dostawców z Wielkiej Trójki; Wdrażanie funkcji Pythona do platform FaaS działających w trybie self-hosted; Konfigurowanie tabeli DynamoDB, funkcji Lambda i metod API Gateway za pomocą AWS CDK; Ćwiczenia; 14. MLOps i inżynieria uczenia maszynowego: Czym jest uczenie maszynowe?; Ekosystem uczenia maszynowego w Pythonie; Platformy uczenia maszynowego w chmurze; Model dojrzałości uczenia maszynowego; Model Sklearn Flask z wykorzystaniem systemów Kubernetes i Docker; Sklearn Flask z wykorzystaniem Kubernetesa i Dockera; Ćwiczenia; Zadanie związane ze studium przypadku; Pytania i zadania kontrolne; 15. Inżynieria danych: Small data; Zapis do pliku; Odczyt z pliku; Potok generatora używany w celu czytania i przetwarzania wierszy; Korzystanie z formatu YAML; Big Data; Narzędzia Big Data, komponenty i platformy; Pobieranie strumieni danych w czasie rzeczywistym; Studium przypadku: budowanie własnego potoku danych; Inżynieria danych w trybie bezserwerowym; Wnioski; Ćwiczenia; Zadanie związane ze studium przypadku; 16. Historie wojenne DevOps i wywiady: Studio filmowe nie może produkować filmów; Studio gier nie może opublikować gry; Uruchomienie skryptów Pythona zajmuje 60 sekund; Gaszenie pożarów za pomocą pamięci podręcznej i inteligentnej instrumentacji; Automatyzacja zabierze Ci pracę!; Antywzorce DevOps; Wywiady; Zalecenia; Ćwiczenia; Wyzwania; Projekt końcowy.

1. Operacje na liczbach: Podstawowe operacje matematyczne; Etykiety: przypisywanie nazw liczbom; Różne rodzaje liczb; Pobieranie danych wejściowych od użytkownika; Pisanie programów wykonujących obliczenia matematyczne; Czego nauczyłeś się w tym rozdziale; Wyzwania programistyczne; 2. Wizualizacja danych przy użyciu wykresów: Wyjaśnienie układu współrzędnych kartezjańskich; Operowanie na listach i krotkach; Tworzenie wykresów przy użyciu pakietu Matplotlib; Rysowanie wykresów na podstawie wzorów; Czego nauczyłeś się w tym rozdziale; Wyzwania programistyczne; 3. Opisywanie danych przy użyciu statystyki: Obliczanie średniej; Obliczanie mediany; Znajdowanie rozstępu i tworzenie tabeli częstotliwości; Pomiary zmienności; Obliczanie korelacji pomiędzy dwoma zbiorami danych; Wykresy punktowe; Odczyt danych z plików; Czego nauczyłeś się w tym rozdziale; Wyzwania programistyczne; 4. Algebra i obliczenia symboliczne z użyciem SymPy: Definiowanie symboli i operacji symbolicznych; Operacje na wyrażeniach; Rozwiązywanie równań; Rysowanie wykresów z użyciem SymPy; Czego nauczyłeś się w tym rozdziale; Wyzwania programistyczne; 5. Zabawy ze zbiorami i prawdopodobieństwem Czym są zbiory?; Prawdopodobieństwo; Czego nauczyłeś się w tym rozdziale; Wyzwania programistyczne; 6. Rysowanie kształtów geometrycznych i fraktali: Rysowanie kształtów geometrycznych przy użyciu obiektów Patch biblioteki Matplotlib; Rysowanie fraktali; Czego nauczyłeś się w tym rozdziale; Wyzwania programistyczne; 7. Rozwiązywanie problemów analizy matematycznej: Czym są funkcje?; Założenia w bibliotece SymPy; Znajdowanie granicy funkcji; Wyznaczanie pochodnych funkcji; Pochodne wyższych rzędów i znajdowanie maksimów i minimów funkcji; Znajdowanie maksimum globalnego przy użyciu metody gradientu prostego; Wyznaczanie całek funkcji; Funkcje gęstości prawdopodobieństwa; Czego nauczyłeś się w tym rozdziale; Wyzwania programistyczne; Podsumowanie: Rzeczy do zbadania; Szukanie pomocy; Zakończenie; A. Instalacja oprogramowania: Microsoft Windows; Linux; Mac OS X; B. Przegląd zagadnień związanych z programowaniem w Pythonie: if __name__ == '__main__'; Wyrażenia listowe; Słowniki; Zwracanie wielu wartości; Obsługa wyjątków; Odczyt plików w Pythonie; Wielokrotne stosowanie kodu; C. Rozwiązania wyzwań programistycznych: Rozwiązania wyzwań z rozdziału 1.; Rozwiązania wyzwań z rozdziału 2.; Rozwiązania wyzwań z rozdziału 3.; Rozwiązania wyzwań z rozdziału 4.; Rozwiązania wyzwań z rozdziału 5.; Rozwiązania wyzwań z rozdziału 6.; Rozwiązania wyzwań z rozdziału 7.

Zawiera: Opinie o książce; Wprowadzenie: Dlaczego napisałem tę książkę?; Dla kogo jest ta książka?; Jak podzielona jest ta książka?; Wersje Pythona i Excela; Konwencje stosowane w książce; Korzystanie z kodu źródłowego; Podziękowania; CZĘŚĆ I. Wprowadzenie do Pythona: Rozdział 1. Dlaczego Python w Excelu?: Excel jest językiem programowania; Python dla Excela; Podsumowanie; Rozdział 2. Środowisko programistyczne: Dystrybucja Anaconda Python; Notatniki Jupyter; Visual Studio Code; Podsumowanie; Rozdział 3. Wprowadzenie do Pythona: Typy danych; Indeksowanie i wycinanie; Struktury danych; Przepływ sterowania; Organizacja kodu; PEP 8 przewodnik stylu kodowania w Pythonie; Podsumowanie; CZĘŚĆ II. Wprowadzenie do biblioteki pandas: Rozdział 4. Podstawy NumPy: Pierwsze kroki z NumPy; Tworzenie tablic i operowanie nimi; Podsumowanie; Rozdział 5. Analiza danych z biblioteką pandas: DataFrame i Series; Operowanie danymi; Łączenie obiektów DataFrame; Statystyka opisowa i agregacja danych; Tworzenie wykresów; Importowanie i eksportowanie obiektów DataFrame; Podsumowanie; Rozdział 6. Analiza szeregów czasowych za pomocą pandas: DatetimeIndex; Typowe operacje na szeregach czasowych; Ograniczenia związane z pandas; Podsumowanie; CZĘŚĆ III. Odczytywanie i zapisywanie plików Excela bez Excela: Rozdział 7. Operowanie plikami Excela za pomocą pandas: Studium przypadku: raportowanie w Excelu; Odczytywanie i zapisywanie plików Excela za pomocą pandas; Ograniczenia związane z używaniem pandas z plikami Excela; Podsumowanie; Rozdział 8. Manipulowanie plikami Excela za pomocą pakietów do odczytu i zapisu: Pakiety do odczytu i zapisu; Zaawansowane zagadnienia związane z odczytem i zapisem; Praca z dużymi plikami Excela; Formatowanie obiektów DataFrame w Excelu; Studium przypadku (nowe podejście): raportowanie w Excelu; Podsumowanie; CZĘŚĆ IV. Programowanie aplikacji Excel za pomocą xlwings: Rozdział 9. Automatyzacja Excela: Pierwsze kroki z xlwings; Konwertery, opcje i kolekcje; Zaawansowane zagadnienia związane z xlwings; Podsumowanie; Rozdział 10. Narzędzia Excela działające w oparciu o język Python: Wykorzystanie Excela jako frontendu za pomocą xlwings; Wdrażanie; Podsumowanie; Rozdział 11. Tropiciel pakietów Pythona: Co będziemy budować?; Podstawowa funkcjonalność; Struktura aplikacji; Podsumowanie; Rozdział 12. Funkcje definiowane przez użytkownika (UDF): Pierwsze kroki z funkcjami UDF; Studium przypadku: Google Trends; Zaawansowane tematy dotyczące funkcji UDF; Podsumowanie; Dodatek A. Środowiska Condy: Tworzenie nowego środowiska Condy; Wyłączanie automatycznej aktywacji; Dodatek B. Zaawansowane funkcjonalności VS Code: Debugger; Notatniki Jupyter w VS Code; Dodatek C. Zaawansowane pojęcia związane z Pythonem: Klasy i obiekty; Praca z obiektami datetime uwzględniającymi strefę czasową; Mutowalne i niemutowalne obiekty Pythona; O autorze; Kolofon.

Zawiera: O autorach; O recenzencie; Wprowadzenie: Dla kogo jest ta książka?; O czym jest ta książka?; Co zrobić, aby jak najlepiej wykorzystać tę książkę; Kody źródłowe; Konwencje typograficzne przyjęte w tej książce; I. Podstawowe pojęcia z obszaru matematyki dyskretnej: 1. Podstawowe pojęcia, notacja, teoria mnogości, relacje i funkcje: Czym jest matematyka dyskretna?; Podstawowa teoria mnogości; Funkcje i relacje; Podsumowanie; 2. Logika formalna i dowody matematyczne: Logika formalna i dowodzenie za pomocą tablic prawdy; Dowody wprost; Dowody nie wprost; Dowodzenie przez indukcję matematyczną; Podsumowanie; 3. Obliczenia w systemach o podstawie n: Zrozumieć liczby o podstawie n; Konwersje między różnymi podstawami; Liczby binarne i ich zastosowania; Liczby szesnastkowe i ich zastosowanie; Podsumowanie; 4. Kombinatoryka z użyciem SciPy: Podstawy zliczania; Permutacje i kombinacje obiektów; Alokacja pamięci; Skuteczność algorytmów siłowych; Podsumowanie; 5. Elementy prawdopodobieństwa dyskretnego: Definicja doświadczenie losowe; Definicje zdarzenia elementarne, zdarzenia losowe, przestrzenie prób; Przykład rzut monetą; Przykład rzut wieloma monetami; Definicja miara probabilistyczna; Twierdzenie podstawowe własności prawdopodobieństwa; Przykład sport; Twierdzenie monotoniczność; Twierdzenie zasada włączeń i wyłączeń; Definicja rozkład jednostajny; Twierdzenie obliczanie prawdopodobieństwa; Przykład rzut wieloma monetami; Definicja zdarzenia niezależne; Przykład rzucanie wieloma monetami; Prawdopodobieństwo warunkowe i twierdzenie Bayesa; Bayesowski filtr antyspamowy; Zmienne losowe, średnie i wariancja; Google PageRank (część I); Podsumowanie; II. Zastosowania matematyki dyskretnej w analizie danych i informatyce: 6. Algorytmy algebry liniowej: Zrozumieć układy równań liniowych; Macierze i macierzowe reprezentacje układów równań liniowych; Rozwiązywanie małych układów równań liniowych za pomocą metody eliminacji Gaussa; Rozwiązywanie dużych układów równań liniowych za pomocą NumPy; Podsumowanie; 7. Złożoność algorytmów: Złożoność obliczeniowa algorytmów; Notacja dużego O; Złożoność algorytmów zawierających podstawowe instrukcje sterujące; Złożoność popularnych algorytmów wyszukiwania; Popularne klasy złożoności obliczeniowej; Podsumowanie; Bibliografia; 8. Przechowywanie i wyodrębnianie cech z grafów, drzew i sieci: Zrozumieć grafy, drzewa i sieci; Zastosowania grafów, drzew i sieci; Przechowywanie grafów i sieci; Wyodrębnianie cech z grafów; Podsumowanie; 9. Przeszukiwanie struktur danych i znajdowanie najkrótszych ścieżek: Przeszukiwanie struktur grafowych i drzew; Algorytm przeszukiwania w głąb (DFS); Implementacja algorytmu przeszukiwania w głąb w Pythonie; Problem najkrótszej ścieżki i jego warianty; Znajdowanie najkrótszych ścieżek metodą siłową; Algorytm Dijkstry znajdowania najkrótszych ścieżek; Implementacja algorytmu Dijkstry w Pythonie; Podsumowanie; III. Praktyczne zastosowania matematyki dyskretnej: 10. Analiza regresji za pomocą NumPy i scikit-learn: Zbiór danych; Linie najlepszego dopasowania i metoda najmniejszych kwadratów; Linia najlepszego dopasowania; Dopasowywanie prostej metodą najmniejszych kwadratów w NumPy; Dopasowywanie krzywych metodą najmniejszych kwadratów z użyciem NumPy i SciPy; Dopasowanie płaszczyzn metodą najmniejszych kwadratów z użyciem NumPy i SciPy; Podsumowanie; 11. Wyszukiwanie w sieci za pomocą algorytmu PageRank: Rozwój wyszukiwarek na przestrzeni lat; Google PageRank (część II); Implementacja algorytmu PageRank w Pythonie; Zastosowanie algorytmu na danych rzeczywistych; Podsumowanie; 12. Analiza głównych składowych za pomocą scikit-learn: Wartości i wektory własne, bazy ortogonalne; Redukcja wymiarowości za pomocą analizy głównych składowych; Implementacja metody PCA z scikit-learn; Zastosowanie metody PCA na rzeczywistych danych; Podsumowanie.

CZĘŚĆ I. PODSTAWY UCZENIA MASZYNOWEGO. 1. Krajobraz uczenia maszynowego. Czym jest uczenie maszynowe? Dlaczego warto korzystać z uczenia maszynowego? Przykładowe zastosowania. Rodzaje systemów uczenia maszynowego. Główne problemy uczenia maszynowego. Testowanie i ocenianie. Ćwiczenia. 2. Nasz pierwszy projekt uczenia maszynowego. Praca z rzeczywistymi danymi. Przeanalizuj całokształt projektu. Zdobądź dane. Odkrywaj i wizualizuj dane, aby zdobywać nowe informacje. Przygotuj dane pod algorytmy uczenia maszynowego. Wybór i uczenie modelu. Wyreguluj swój model. Uruchom, monitoruj i utrzymuj swój system. Teraz Twoja kolej! Ćwiczenia. 3. Klasyfikacja. Zbiór danych MNIST. Uczenie klasyfikatora binarnego. Miary wydajności. Klasyfikacja wieloklasowa. Analiza błędów. Klasyfikacja wieloetykietowa. Klasyfikacja wielowyjściowa. Ćwiczenia. 4. Uczenie modeli. Regresja liniowa. Gradient prosty. Regresja wielomianowa. Krzywe uczenia. Regularyzowane modele liniowe. Regresja logistyczna. Ćwiczenia. 5. Maszyny wektorów nośnych. Liniowa klasyfikacja SVM. Nieliniowa klasyfikacja SVM. Regresja SVM. Mechanizm działania. Ćwiczenia. 6. Drzewa decyzyjne. Uczenie i wizualizowanie drzewa decyzyjnego. Wyliczanie prognoz. Szacowanie prawdopodobieństw przynależności do klas. Algorytm uczący CART. Złożoność obliczeniowa. Wskaźnik Giniego czy entropia? Hiperparametry regularyzacyjne. Regresja. Niestabilność. Ćwiczenia. 7. Uczenie zespołowe i losowe lasy. Klasyfikatory głosujące. Agregacja i wklejanie. Rejony losowe i podprzestrzenie losowe. Losowe lasy. Wzmacnianie. Kontaminacja. Ćwiczenia. 8. Redukcja wymiarowości. Klątwa wymiarowości. Główne strategie redukcji wymiarowości. Analiza PCA. Jądrowa analiza PCA. Algorytm LLE. Inne techniki redukowania wymiarowości. Ćwiczenia. 9. Techniki uczenia nienadzorowanego. Analiza skupień. Mieszaniny gaussowskie. Ćwiczenia. CZĘŚĆ II. SIECI NEURONOWE I UCZENIE GŁĘBOKIE. 10. Wprowadzenie do sztucznych sieci neuronowych i ich implementacji z użyciem interfejsu Keras. Od biologicznych do sztucznych neuronów. Implementowanie perceptronów wielowarstwowych za pomocą interfejsu Keras. Dostrajanie hiperparametrów sieci neuronowej. Ćwiczenia. 11. Uczenie głębokich sieci neuronowych. Problemy zanikających/eksplodujących gradientów. Wielokrotne stosowanie gotowych warstw. Szybsze optymalizatory. Regularyzacja jako sposób zapobiegania przetrenowaniu. Podsumowanie i praktyczne wskazówki. Ćwiczenia. 12. Modele niestandardowe i uczenie za pomocą modułu TensorFlow. Krótkie omówienie modułu TensorFlow. Korzystanie z modułu TensorFlow jak z biblioteki NumPy. Dostosowywanie modeli i algorytmów uczenia. Funkcje i grafy modułu TensorFlow. Ćwiczenia. 13. Wczytywanie i wstępne przetwarzanie danych za pomocą modułu TensorFlow. Interfejs danych. Format TFRecord. Wstępne przetwarzanie cech wejściowych. TF Transform. Projekt TensorFlow Datasets (TFDS). Ćwiczenia. 14. Głębokie widzenie komputerowe za pomocą splotowych sieci neuronowych. Struktura kory wzrokowej. Warstwy splotowe. Warstwa łącząca. Architektury splotowych sieci neuronowych. Implementacja sieci ResNet-34 za pomocą interfejsu Keras. Korzystanie z gotowych modeli w interfejsie Keras. Gotowe modele w uczeniu transferowym. Klasyfikowanie i lokalizowanie. Wykrywanie obiektów. Segmentacja semantyczna. Ćwiczenia. 15. Przetwarzanie sekwencji za pomocą sieci rekurencyjnych i splotowych. Neurony i warstwy rekurencyjne. Uczenie sieci rekurencyjnych. Prognozowanie szeregów czasowych. Obsługa długich sekwencji. Ćwiczenia. 16. Przetwarzanie języka naturalnego za pomocą sieci rekurencyjnych i mechanizmów uwagi. Generowanie tekstów szekspirowskich za pomocą znakowej sieci rekurencyjnej. Analiza sentymentów. Sieć typu koder - dekoder służąca do neuronowego tłumaczenia maszynowego. Mechanizmy uwagi. Współczesne innowacje w modelach językowych. Ćwiczenia. 17. Uczenie reprezentacji za pomocą autokoderów i generatywnych sieci przeciwstawnych. Efektywne reprezentacje danych. Analiza PCA za pomocą niedopełnionego autokodera liniowego. Autokodery stosowe. Autokodery splotowe. Autokodery rekurencyjne. Autokodery odszumiające. Autokodery rzadkie. Autokodery wariacyjne. Generatywne sieci przeciwstawne. Ćwiczenia. 18. Uczenie przez wzmacnianie. Uczenie się optymalizowania nagród. Wyszukiwanie strategii. Wprowadzenie do narzędzia OpenAI Gym. Sieci neuronowe jako strategie. Ocenianie czynności: problem przypisania zasługi. Gradienty strategii. Procesy decyzyjne Markowa. Uczenie metodą różnic czasowych. Q-uczenie. Implementacja modelu Q-uczenia głębokiego. Odmiany Q-uczenia głębokiego. Biblioteka TF-Agents. Przegląd popularnych algorytmów RN. Ćwiczenia. 19. Wielkoskalowe uczenie i wdrażanie modeli TensorFlow. Eksploatacja modelu TensorFlow. Wdrażanie modelu na urządzeniu mobilnym lub wbudowanym. Przyspieszanie obliczeń za pomocą procesorów graficznych. Uczenie modeli za pomocą wielu urządzeń. Ćwiczenia. Dziękuję! A. Rozwiązania ćwiczeń. B. Lista kontrolna projektu uczenia maszynowego. C. Problem dualny w maszynach wektorów nośnych. D. Różniczkowanie automatyczne. E. Inne popularne architektury sieci neuronowych. F. Specjalne struktury danych. G. Grafy TensorFlow.