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.

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

• GraphQL. Kurs video. Buduj nowoczesne API w Pythonie 169,00 zÅ‚, (50,70 zÅ‚ -70%)
• Receptura na Python. Kurs Video. 54 praktyczne porady dla programist 199,00 zÅ‚, (59,70 zÅ‚ -70%)
• Podstawy Pythona z Minecraftem. Kurs video. Piszemy pierwsze skrypty 149,00 zÅ‚, (44,70 zÅ‚ -70%)
• Twórz gry w Pythonie. Kurs video. Poznaj bibliotekÄ™ PyGame 249,00 zÅ‚, (74,70 zÅ‚ -70%)
• Data Science w Pythonie. Kurs video. Algorytmy uczenia maszynowego 199,00 zÅ‚, (59,70 zÅ‚ -70%)

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