reklama - zainteresowany?

Klasyczne problemy informatyki w Pythonie - Helion

Klasyczne problemy informatyki w Pythonie
ebook
Autor: David Kopec
TÅ‚umaczenie: Natalia Chounlamany-Turalska
ISBN: 9788301209933
stron: 250, Format: ebook
Data wydania: 2020-02-13
Księgarnia: Helion

Cena książki: 59,20 zł (poprzednio: 73,09 zł)
Oszczędzasz: 19% (-13,89 zł)

Dodaj do koszyka Klasyczne problemy informatyki w Pythonie

Tagi: Python - Programowanie

Problemy informatyki, które wydają się nowe lub unikatowe, często są zakorzenione w klasycznych algorytmach, technikach kodowania czy zasadach inżynierii. I klasyczne metody są nadal najlepszym sposobem ich rozwiązywania! Opanowanie tych technik w Pythonie zwiększa szanse sukcesu realizowanych projektów webowych, przetwarzania danych, uczenia maszynowego i wielu innych. Książka Klasyczne problemy informatyki w Pythonie podszlifuje Twoje umiejętności rozwiazywania problemów informatyki na podstawie sprawdzonych scenariuszy, ćwiczeń i algorytmów wykorzystujących Pythona. Przedstawia ona dziesiątki wyzwań, począwszy od prostych zadań, takich jak algorytm wyszukiwania binarnego po klasteryzację danych przy użyciu k-średnich. Poczujesz szczególną satysfakcję, gdy uda Ci się rozwiązać zadania łączące informatykę z praktycznymi problemami, takimi jak aplikacje, dane, wydajność, a nawet pomyślne przejście przez następną rozmowę kwalifikacyjną! Książka jest przeznaczona dla średniozaawansowanych programistów Pythona.

Dodaj do koszyka Klasyczne problemy informatyki w Pythonie

 

Osoby które kupowały "Klasyczne problemy informatyki w Pythonie", wybierały także:

  • Receptura na Python. Kurs Video. 54 praktyczne porady dla programist
  • ZÅ‚am ten kod z Pythonem. Jak tworzyć, testować i Å‚amać szyfry
  • NLP. Kurs video. Analiza danych tekstowych w j
  • Web scraping w Data Science. Kurs video. Uczenie maszynowe i architektura splotowych sieci neuronowych
  • Python dla administrator

Dodaj do koszyka Klasyczne problemy informatyki w Pythonie

Spis treści

Klasyczne problemy informatyki w Pythonie eBook -- spis treści

  • OkÅ‚adka
  • Strona tytuÅ‚owa
  • Strona redakcyjna
  • Spis treÅ›ci
  • podziÄ™kowania
  • o autorze
  • o ilustracji na okÅ‚adce
  • wprowadzenie
  • 1. MaÅ‚e problemy
    • 1.1. CiÄ…g Fibonacciego
      • 1.1.1. Pierwsza próba rekurencyjna
      • 1.1.2. Wykorzystywanie przypadków podstawowych
      • 1.1.3. Memoizacja na ratunek
      • 1.1.4. Memoizacja automatyczna
      • 1.1.5. Uproszczony Fibonacci
      • 1.1.6. Generowanie liczb Fibonacciego za pomocÄ… generatora
    • 1.2. Trywialna kompresja
    • 1.3. Szyfr nie do zÅ‚amania
      • 1.3.1. Przygotowywanie danych
      • 1.3.2. Szyfrowanie i deszyfrowanie
    • 1.4. Wyznaczanie liczby pi
    • 1.5. Wieże Hanoi
      • 1.5.1. Modelowanie wież
      • 1.5.2. RozwiÄ…zywanie problemu wież Hanoi
    • 1.6. Praktyczne zastosowania
    • 1.7. Ćwiczenia
  • 2. Problemy wyszukiwania
    • 2.1. Przeszukiwanie DNA
      • 2.1.1. Przechowywanie DNA
      • 2.1.2. Przeszukiwanie liniowe
      • 2.1.3. Wyszukiwanie binarne
      • 2.1.4. Uogólniony przykÅ‚ad
    • 2.2. RozwiÄ…zywanie labiryntów
      • 2.2.1. Generowanie losowego labiryntu
      • 2.2.2. Detale labiryntu
      • 2.2.3. Przeszukiwanie w gÅ‚Ä…b
      • 2.2.4. Przeszukiwanie wszerz
      • 2.2.5. Algorytm A*
    • 2.3. Misjonarze i kanibale
      • 2.3.1. Modelowanie problemu
      • 2.3.2. RozwiÄ…zywanie problemu
    • 2.4. Praktyczne zastosowania
    • 2.5. Ćwiczenia
  • 3. Problemy speÅ‚niania ograniczeÅ„
    • 3.1. Budowanie systemu do rozwiÄ…zywania problemów speÅ‚niania ograniczeÅ„
    • 3.2. Problem kolorowania mapy Australii
    • 3.3. Problem oÅ›miu hetmanów
    • 3.4. WykreÅ›lanki
    • 3.5. SEND + MORE = MONEY
    • 3.6. UkÅ‚ad chipów na pÅ‚ytce
    • 3.7. Praktyczne zastosowania
    • 3.8. Ćwiczenia
  • 4. Problemy grafowe
    • 4.1. Mapa jako graf
    • 4.2. Budowanie szkieletu grafu
      • 4.2.1. Stosowanie klas Edge i Graph
    • 4.3. Znajdowanie najkrótszej drogi
      • 4.3.1. Powrót do przeszukiwania wszerz (BFS)
    • 4.4. Minimalizowanie kosztu budowania sieci
      • 4.4.1. Stosowanie wag
      • 4.4.2. Znajdowanie minimalnego drzewa rozpinajÄ…cego
    • 4.5. Znajdowanie najkrótszych dróg w grafie z wagami
      • 4.5.1. Algorytm Dijkstry
    • 4.6. Praktyczne zastosowania
    • 4.7. Ćwiczenia
  • 5. Algorytmy genetyczne
    • 5.1. Podstawy biologiczne
    • 5.2. Generyczny algorytm genetyczny
    • 5.3. Naiwny test
    • 5.4. SEND + MORE = MONEY ciÄ…g dalszy
    • 5.5. Optymalizowanie kompresji list
    • 5.6. Wyzwania zwiÄ…zane z algorytmami genetycznymi
    • 5.7. Praktyczne zastosowania
    • 5.8. Ćwiczenia
  • 6. Algorytm klasteryzacji
    • 6.1. Przygotowania
    • 6.2. Algorytm klasteryzacji metodÄ… k-Å›rednich
    • 6.3. Klasteryzacja gubernatorów wedÅ‚ug wieku i dÅ‚ugoÅ›ci geograficznej
    • 6.4. Klasteryzacja albumów Michaela Jacksona wedÅ‚ug dÅ‚ugoÅ›ci
    • 6.5. Problemy i rozszerzenia algorytmu klasteryzacji metodÄ… k-Å›rednich
    • 6.6. Praktyczne zastosowania
    • 6.7. Ćwiczenia
  • 7. Dość proste sieci neuronowe
    • 7.1. PodÅ‚oże biologiczne?
    • 7.2. Sztuczne sieci neuronowe
      • 7.2.1. Neurony
      • 7.2.2. Warstwy
      • 7.2.3. Propagacja wsteczna
      • 7.2.4. PeÅ‚en obraz
    • 7.3. Przygotowania
      • 7.3.1. Iloczyn skalarny
      • 7.3.2. Funkcja aktywacji
    • 7.4. Budowanie sieci
      • 7.4.1. Implementowanie neuronów
      • 7.4.2. Implementowanie warstw
      • 7.4.3. Implementowanie sieci
    • 7.5. Problemy klasyfikacji
      • 7.5.1. Normalizowanie danych
      • 7.5.2. Klasyczny zbiór danych iris
      • 7.5.3. Klasyfikowanie wina
    • 7.6. Przyspieszanie sieci neuronowych
    • 7.7. Problemy i rozszerzenia sieci neuronowych
    • 7.8. Praktyczne zastosowania
    • 7.9. Ćwiczenia
  • 8. Przeszukiwanie z przeciwnikiem
    • 8.1. Podstawowe elementy gry planszowej
    • 8.2. Kółko i krzyżyk
      • 8.2.1. ZarzÄ…dzanie stanem gry kółko i krzyżyk
      • 8.2.2. Minimax
      • 8.2.3. Testowanie funkcji minimax na grze kółko i krzyżyk
      • 8.2.4. Rozwijanie sztucznej inteligencji w grze kółko i krzyżyk
    • 8.3. Connect 4
      • 8.3.1. Mechanizm gry Connect 4
      • 8.3.2. Sztuczna inteligencja w grze Connect 4
      • 8.3.3. Poprawianie algorytmu minimax przez redukcjÄ™ alfa-beta
    • 8.4. Inne ulepszenia algorytmu minimax
    • 8.5. Praktyczne zastosowania
    • 8.6. Ćwiczenia
  • 9. Inne problemy
    • 9.1. Problem plecakowy
    • 9.2. Problem komiwojażera
      • 9.2.1. Naiwne podejÅ›cie
      • 9.2.2. MożliwoÅ›ci ulepszenia projektu
    • 9.3. Mnemotechniki dla numerów telefonów
    • 9.4. Praktyczne zastosowania
    • 9.5. Ćwiczenia
  • dodatek A Glosariusz
  • dodatek B Dodatkowe materiaÅ‚y
    • B.1. Python
    • B.2. Algorytmy i struktury danych
    • B.3. Sztuczna inteligencja
    • B.4. Programowanie funkcyjne
    • B.5. Projekty open source pomocne w uczeniu maszynowym
  • dodatek C Krótkie wprowadzenie do adnotacji typów
    • C.1. Czym sÄ… adnotacje typów?
    • C.2. Jak wyglÄ…dajÄ… adnotacje typów?
    • C.3. Do czego przydajÄ… siÄ™ adnotacje typów?
    • C.4. Jakie sÄ… wady adnotacji typów?
    • C.5. Zdobywanie dodatkowych informacji
  • przypisy

Dodaj do koszyka Klasyczne problemy informatyki w Pythonie

Code, Publish & WebDesing by CATALIST.com.pl



(c) 2005-2024 CATALIST agencja interaktywna, znaki firmowe należą do wydawnictwa Helion S.A.