Python

Эта книга является практическим руководством для аналитиков, трейдеров и исследователей данных, стремящихся углубить свои знания в области анализа финансовых данных. В книге подробно рассматриваются методы кластерного анализа, их применение для оптимизации портфеля, обнаружения аномалий и прогнозирования трендов на финансовых рынках. Материалы книги сопровождается примерами кода на Python, что позволяет читателям немедленно применять изученные методы на практике. Использование популярных библиотек, таких как Pandas, NumPy, Scikit-learn, Matplotlib и Seaborn, делает анализ данных доступным и эффективным.

Плох тот разработчик, который не мечтает стать архитектором! Вам тоже хочется пройти этот путь как можно быстрее? Авторы бестселлера "Фундаментальный подход к программной архитектуре" научат вас мыслить "архитектурно" и расскажут про актуальные проблемы архитектуры ПО. Вы узнаете о различиях между архитектурой и дизайном и о взаимосвязи между кодом, компонентами и архитектурными стилями. На ярких, запоминающихся и реальных примерах вы научитесь работать с самыми распространенными архитектурными стилями. Архитектурные компоненты не зависят от языка. Мы используем Python только для иллюстрации.

Откройте для себя магию Python — в один клик, в одну строчку! «100 программ в одну строчку кода, Python» — это не просто сборник мини-скриптов, это билет в удивительный мир лаконичного и мощного программирования. Здесь каждая строка — как выстрел из лука в яблочко: точна, эффективна и удивляет своей простотой.

Если вы только начинаете свой путь в хакерском мире, кибербезопасности и тестировании на проникновение, то книга «Основы Linux для хакеров» станет для вас отличным введением. С помощью Kali Linux, операционной системы, предназначенной для цифровой криминалистики и пентеста, вы изучите основы использования Linux и получите инструменты и методы, необходимые для управления средой Linux. Сначала вы узнаете, как установить Kali на виртуальной машине, и познакомитесь с основными понятиями Linux. Затем вы затронете более широкие темы, связанные с Linux, такие как манипулирование текстом, управление файлами и разрешениями на доступ к каталогам, а также управление переменными среды пользователя. Затем вы сосредоточитесь на фундаментальных концепциях хакерской деятельности, таких как безопасность и анонимность, и освоите навыки написания скриптов с помощью Bash и Python.

В учебном пособии последовательно излагаются основы языка Python 3. Рассмотрены основные синтаксические конструкции и встроенные структуры данных, приведены примеры работы с ними.

Практическое руководство по созданию проектов с использованием нейросетей, от простых до сложных. Вместо сухой теории мы будем шаг за шагом разрабатывать реальные приложения, которые демонстрируют мощь искусственного интеллекта в действии. Вы научитесь создавать модели, которые распознают жесты, анализируют лица, генерируют мемы и музыку, исправляют ошибки в коде, диагностируют болезни по голосу, пишут рассказы и даже управляют реальными роботами. Каждая глава — это отдельный проект, сопровождаемый объяснением ключевых концепций, инструкциями по сбору данных, обучению моделей и развертыванию готовых решений.

Предлагаемая вашему вниманию книга посвящена обработке сигналов. Отличительная черта книги, которая выделяет ее из большого количества доступных учебников, это использование модулей на языке Python для решения рассматриваемых проблем. Применение специализированных модулей: NumPy, SciPy, Scikit-learn, pywt, bitarray, Matplotlib позволяет создавать короткие скрипты, решающие текущую проблему.

Современные поисковые системы выходят далеко за рамки простого сопоставления поисковых запросов с базой данных. Прочитав эту книгу, вы получите знания и навыки, необходимые для разработки продвинутых поисковых приложений на основе ИИ, способных автоматически обучаться на основе каждого обновления контента и взаимодействия с пользователем. Ключевые понятия и методы проиллюстрированы доступными для понимания примерами. Весь код книги написан на Python и поставляется в блокнотах Jupyter, работающих в контейнерах Docker. Эта книга предназначена для инженеров поисковых систем, инженеров-программистов и специалистов по данным, которые хотят узнать, как создавать передовые поисковые системы, интегрирующие новейшие методы машинного обучения, чтобы обеспечить более предметно-ориентированный и интеллектуальный поиск. Технические читатели, которые хотят извлечь максимальную пользу из этой книги, могут следовать примерам кода Python. Предполагается знакомство с синтаксисом SQL, поскольку мы решили реализовать многие агрегации данных в этом стандартизированном представлении, когда это возможно.

Эта книга — сборник лучших, тщательно отобранных статей из легендарного журнала «Хакер». Рассмотрены современные подходы к использованию искусственного интеллекта в области информационной безопасности. Описаны методы обхода ограничений ChatGPT, рассмотрено применение нейросетей для написания эксплойтов и поиска уязвимостей в коде. Представлены практические кейсы использования GPT-4 на багбаунти, приведены способы выманивания паролей с помощью чат-ботов и QR-кодов. Даны рекомендации по применению нейросетей и языковой модели Llama для анализа и поиска критичных данных в коде программ. Отдельное внимание уделено генеративному ИИ: показана карта его возможностей, а также способы улучшения изображений с помощью нейросетей. Книга станет ценным источником знаний для тех, кто хочет изучить искусственный интеллект через призму хакерских технологий.

В книге освещаются основополагающие вопросы, относящиеся к структурам данных в Python. Теоретические концепции и абстрактные понятия подкреплены простыми примерами. Порядок следования глав соотносится с задачами обработки структур данных.

Эта книга охватывает широкий спектр тем, связанных с использованием Python для решения различных задач. Каждая глава посвящена отдельной области применения Python, предоставляя подробное описание библиотек, инструментов и примеров их использования. Изучение этих тем позволяет разработчикам, ученым и специалистам в различных областях эффективно использовать язык программирования Python для решения сложных задач и создания надежных и эффективных решений.

5 книг

Не верьте, что программирование для начинающих это трудно. Просто начните заниматься каждый день по часу и вы поймете, что ничего в этом сложного нет. Весь материал структурирован таким образом, чтобы каждый читатель за минимум времени смог освоить максимум информации.

"Машинное обучение для табличных данных" охватывает классические методы машинного обучения, такие как градиентный бустинг и более современные подходы глубокого обучения. К тому времени, как вы закончите книгу, вы будете обладать навыками применения машинного обучения к тем типам данных, с которыми вы работаете каждый день. Машинное обучение может ускорить решение повседневных деловых задач, таких как сверка счетов, прогнозирование спроса и автоматизация обслуживания клиентов, не говоря уже о более экзотических задачах, таких как обнаружение мошенничества, прогнозное обслуживание и персонализированный маркетинг. Эта книга показывает, как раскрыть жизненно важную информацию, хранящуюся в электронных таблицах, бухгалтерских книгах, базах данных и других табличных источниках данных, используя градиентный бустинг, глубокое обучение и генеративный ИИ. "Машинное обучение для табличных данных" предлагает практические методы машинного обучения для обновления каждого этапа конвейера анализа бизнес-данных. В книге вы увидите примеры использования XGBoost и Keras для прогнозирования цен краткосрочной аренды, развертывания локальной модели ML с помощью Python и Flask, а также оптимизации рабочих процессов с использованием больших языковых моделей (LLM). Попутно вы научитесь делать свои модели более мощными и более объяснимыми. Для читателей, знакомых с Python и основами машинного обучения.

В пособии отражены темы: выборочный метод, точечные и интервальные оценки, проверка статистических гипотез, корреляционный анализ, дисперсионный анализ и анализ временных рядов. Пособие может быть использовано как для проведения семинарских занятий, так и для организации самостоятельной работы студентов.

Стремительное развитие ИИ меняет нашу жизнь, а поспевать за ним становится все труднее. Каждый, кто профессионально использует ИИ, быстро приходит к пониманию, что качество результатов напрямую зависит от качества входных данных. Поэтому нам сейчас не обойтись без промт-инжиниринга (prompt engineering) — набора методов повышения надежности, эффективности и точности моделей ИИ. Большие языковые (LLM) и диффузионные модели, такие как ChatGPT и DALL-E, постоянно обучаются на общедоступных текстах и изображениях из Интернета. Так что практически любой человек может использовать модели ИИ для решения задач, которые ранее не поддавались автоматизации. Эта книга поможет вам осваивать и применять на практике модели генеративного ИИ. Необдуманная интеграция LLM и диффузионных моделей в рабочие процессы часто дает весьма спорные результаты. Джеймс Феникс и Майк Тейлор научат вас использовать промт-инжиниринг, чтобы эффективно ­внедрить ИИ в любой процесс.

Эта книга — ваше руководство в мир программирования на языке Python. Она написана для начинающих и тех, кто хочет углубить свои знания, предоставляя понятные объяснения и практические примеры для освоения всех ключевых аспектов языка. Вы начнёте с основ — изучения синтаксиса, типов данных и базовых конструкций, а затем перейдёте к более сложным темам: функциям, объектно-ориентированному программированию, работе с модулями и пакетами.

Пособие содержит справочный материал и необходимый набор лабораторных и индивидуальных заданий для инвариантной самостоятельной работы.

Анализ и визуализация данных имеют большое значение, именно они позволяют принимать обоснованные решения. Но в Excel достаточно много ограничений, которые превращают вашу жизнь в ад. «Excel с Python и R» меняет правила. Стивен Сандерсон — автор пакетов healthyverse для R, Дэвид Кун — соучредитель Functional Analytics, компании, создавшей ownR (платформа для разработки решений на R, Python и других языках обработки данных). Интеграция Python и R с Excel изменит ваш подход к анализу данных с использованием электронных таблиц. Вы сможете автоматизировать задачи статистического анализа и создавать мощные визуализации, научитесь выполнять разведочный анализ данных и анализ временных рядов и даже интегрировать различные API для максимальной эффективности. И новички, и эксперты найдут в этой книге все необходимое, чтобы раскрыть весь потенциал Excel и поднять навыки анализа данных на новый уровень. К концу книги вы освоите приемы импортирования данных из Excel, манипулирования ими в R или Python, сможете решать задачи анализа данных в выбранном вами фреймворке и возвращать результаты обратно в Excel.

Большие языковые модели (LLM) зарекомендовали себя как мощные инструменты для решения широкого круга задач, и предприятия взяли это на заметку. Однако переход от демонстрационных образцов и прототипов к полноценным приложениям может быть затруднен. Эта книга помогает устранить этот пробел, предоставляя инструменты, методы и руководства, которые необходимы инженерам-практикам для создания полезных продуктов, используя возможности языковых моделей. Опытный исследователь в области машинного обучения (ML) Сухас Пай предлагает практические советы по использованию LLM для ваших задач и решению часто встречающихся задач. Эта книга предназначена для широкой аудитории, включая инженеров-программистов, переходящих к разработке приложений ИИ, практиков и ученых в области машинного обучения, а также менеджеров по продуктам. Единственными необходимыми условиями для изучения этой книги являются знание языка программирования Python и понимание основных принципов машинного обучения и глубокого обучения.

Чтобы добиться успеха в области ИИ и Data Science, необходимо сначала освоить API. С помощью этой практической книги ученые, изучающие данные, и разработчики программного обеспечения получат практический опыт разработки и использования API с помощью языка программирования Python и таких популярных фреймворков, как FastAPI и StreamLit. В первой части вы шаг за шагом разберете проекты по созданию API с помощью Python и FastAPI и развертыванию их в облаке. Часть 2 научит вас использовать API в проектах Data Science с помощью стандартных инструментов. А в третьей части вы используете ChatGPT, фреймворк LangChain и другие инструменты для доступа к API с помощью генеративного ИИ и больших языковых моделей (LLM).