SOWA OPAC : Katalog komputerowy książek, czasopism i zbiorów specjalnych

77 wyników

Książka

W koszyku

(Technologia i Rozwiązania)

Autor

Raschka Sebastian. Sawka Krzysztof.

Forma i typ

Książki Publikacje fachowe

Temat

Python (język programowania)

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Na okładce i stronie tytułowej wydawca angielskiej wersji: Packt Publishing.

Indeks.

Umożliwianie komputerom uczenia się z danych Tworzenie inteligentnych maszyn służących do przekształcania danych w wiedzę Trzy różne rodzaje uczenia maszynowego Prognozowanie przyszłości za pomocą uczenia nadzorowanego Rozwiązywanie problemów interaktywnych za pomocą uczenia przez wzmacnianie Odkrywanie ukrytych struktur za pomocą uczenia nienadzorowanego Wprowadzenie do podstawowej terminologii i notacji Strategia tworzenia systemów uczenia maszynowego Wstępne przetwarzanie - nadawanie danym formy Trenowanie i dobór modelu predykcyjnego Ewaluacja modeli i przewidywanie wystąpienia nieznanych danych Wykorzystywanie środowiska Python do uczenia maszynowego Instalacja pakietów w Pythonie Trenowanie algorytmów uczenia maszynowego w celach klasyfikacji Sztuczne neurony - rys historyczny początków uczenia maszynowego Implementacja algorytmu uczenia perceptronu w Pythonie Trenowanie modelu perceptronu na zestawie danych Iris Adaptacyjne neurony liniowe i zbieżność uczenia Minimalizacja funkcji kosztu za pomocą metody gradientu prostego Implementacja adaptacyjnego neuronu liniowego w Pythonie Wielkoskalowe uczenie maszynowe i metoda stochastycznego spadku wzdłuż gradientu Stosowanie klasyfikatorów uczenia maszynowego za pomocą biblioteki scikit-learn Wybór algorytmu klasyfikującego Pierwsze kroki z biblioteką scikit-learn Uczenie perceptronu za pomocą biblioteki scikit-learn Modelowanie prawdopodobieństwa przynależności do klasy za pomocą regresji logistycznej Teoretyczne podłoże regresji logistycznej i prawdopodobieństwa warunkowego Wyznaczanie wag logistycznej funkcji kosztu Uczenie modelu regresji logistycznej za pomocą biblioteki scikit-learn Zapobieganie nadmiernemu dopasowaniu za pomocą regularyzacji Wyznaczanie maksymalnego marginesu za pomocą maszyn wektorów nośnych Teoretyczne podłoże maksymalnego marginesu Rozwiązywanie przypadków nieliniowo rozdzielnych za pomocą zmiennych uzupełniających Alternatywne implementacje w interfejsie scikit-learn Rozwiązywanie nieliniowych problemów za pomocą jądra SVM Stosowanie sztuczki z funkcją jądra do znajdowania przestrzeni rozdzielających w przestrzeni o większej liczbie wymiarów Uczenie drzew decyzyjnych Maksymalizowanie przyrostu informacji - osiąganie jak największych korzyści Budowanie drzewa decyzyjnego Łączenie słabych klasyfikatorów w silne klasyfikatory za pomocą modelu losowego lasu Algorytm k-najbliższych sąsiadów - model leniwego uczenia Tworzenie dobrych zbiorów uczących - wstępne przetwarzanie danych Kwestia brakujących danych Usuwanie próbek lub cech niezawierających wartości Wstawianie brakujących danych Estymatory interfejsu scikit-learn Przetwarzanie danych kategoryzujących Mapowanie cech porządkowych Kodowanie etykiet klas Kodowanie "gorącojedynkowe" cech nominalnych (z użyciem wektorów własnych) Rozdzielanie zestawu danych na podzbiory uczące i testowe Skalowanie cech Dobór odpowiednich cech Regularyzacja L1 Algorytmy sekwencyjnego wyboru cech Ocenianie istotności cech za pomocą algorytmu losowego lasu Kompresja danych poprzez redukcję wymiarowości Nienadzorowana redukcja wymiarowości za pomocą analizy głównych składowych Wyjaśniona wariancja całkowita Transformacja cech Analiza głównych składowych w interfejsie scikit-learn Nadzorowana kompresja danych za pomocą liniowej analizy dyskryminacyjnej Obliczanie macierzy rozproszenia Dobór dyskryminant liniowych dla nowej podprzestrzeni cech Rzutowanie próbek na nową przestrzeń cech Implementacja analizy LDA w bibliotece scikit-learn Jądrowa analiza głównych składowych jako metoda odwzorowywania nierozdzielnych liniowo klas Funkcje jądra oraz sztuczka z funkcją jądra Implementacja jądrowej analizy głównych składowych w Pythonie Rzutowanie nowych punktów danych Algorytm jądrowej analizy głównych składowych w bibliotece scikit-learn Najlepsze metody oceny modelu i strojenie parametryczne Usprawnianie cyklu pracy za pomocą kolejkowania Wczytanie zestawu danych Breast Cancer Wisconsin Łączenie funkcji transformujących i estymatorów w kolejce czynności Stosowanie k-krotnego sprawdzianu krzyżowego w ocenie skuteczności modelu Metoda wydzielania K-krotny sprawdzian krzyżowy Sprawdzanie algorytmów za pomocą krzywych uczenia i krzywych walidacji Diagnozowanie problemów z obciążeniem i wariancją za pomocą krzywych uczenia Rozwiązywanie problemów nadmiernego i niewystarczającego dopasowania za pomocą krzywych walidacji Dostrajanie modeli uczenia maszynowego za pomocą metody przeszukiwania siatki Strojenie hiperparametrów przy użyciu metody przeszukiwania siatki Dobór algorytmu poprzez zagnieżdżony sprawdzian krzyżowy Przegląd metryk oceny skuteczności Odczytywanie macierzy pomyłek Optymalizacja precyzji i pełności modelu klasyfikującego Wykres krzywej ROC Metryki zliczające dla klasyfikacji wieloklasowej Łączenie różnych modeli w celu uczenia zespołowego Uczenie zespołów Implementacja prostego klasyfikatora wykorzystującego głosowanie większościowe Łączenie różnych algorytmów w celu klasyfikacji za pomocą głosowania większościowego Ewaluacja i strojenie klasyfikatora zespołowego Agregacja - tworzenie zespołu klasyfikatorów za pomocą próbek początkowych Usprawnianie słabych klasyfikatorów za pomocą wzmocnienia adaptacyjnego Wykorzystywanie uczenia maszynowego w analizie sentymentów Zestaw danych IMDb movie review Wprowadzenie do modelu worka słów Przekształcanie słów w wektory cech Ocena istotności wyrazów za pomocą ważenia częstości termów - odwrotnej częstości w tekście Oczyszczanie danych tekstowych Przetwarzanie tekstu na znaczniki Uczenie modelu regresji logistycznej w celu klasyfikowania tekstu Praca z większą ilością danych - algorytmy sieciowe i uczenie pozardzeniowe Wdrażanie modelu uczenia maszynowego do aplikacji sieciowej Serializacja wyuczonych estymatorów biblioteki scikit-learn Konfigurowanie bazy danych SQLite Tworzenie aplikacji sieciowej za pomocą środowiska Flask Nasza pierwsza aplikacja sieciowa Sprawdzanie i wyświetlanie formularza Przekształcanie klasyfikatora recenzji w aplikację sieciową Umieszczanie aplikacji sieciowej na publicznym serwerze Aktualizowanie klasyfikatora recenzji filmowych Przewidywanie ciągłych zmiennych docelowych za pomocą analizy regresywnej Wprowadzenie do prostego modelu regresji liniowej Zestaw danych Housing Wizualizowanie ważnych elementów zestawu danych Implementacja modelu regresji liniowej wykorzystującego zwykłą metodę najmniejszych kwadratów Określanie parametrów regresywnych za pomocą metody gradientu prostego Szacowanie współczynnika modelu regresji za pomocą biblioteki scikit-learn Uczenie odpornego modelu regresywnego za pomocą algorytmu RANSAC Ocenianie skuteczności modeli regresji liniowej Stosowanie regularyzowanych metod regresji Przekształcanie modelu regresji liniowej w krzywą - regresja wielomianowa Modelowanie nieliniowych zależności w zestawie danych Housing Analiza nieliniowych relacji za pomocą algorytmu losowego lasu Praca z nieoznakowanymi danymi - analiza skupień Grupowanie obiektów na podstawie podobieństwa przy użyciu algorytmu centroidów Algorytm k-means++ Klasteryzacja twarda i miękka Stosowanie metody łokcia do wyszukiwania optymalnej liczby skupień Ujęcie ilościowe jakości klasteryzacji za pomocą wykresu profilu Organizowanie skupień do postaci drzewa klastrów Przeprowadzanie hierarchicznej analizy skupień na macierzy odległości Dołączanie dendrogramów do mapy cieplnej Aglomeracyjna analiza skupień w bibliotece scikit-learn Wyznaczanie rejonów o dużej gęstości za pomocą algorytmu DBSCAN Trenowanie sztucznych sieci neuronowych w rozpoznawaniu obrazu Modelowanie złożonych funkcji przy użyciu sztucznych sieci neuronowych Jednowarstwowa sieć neuronowa - powtórzenie Wstęp do wielowarstwowej architektury sieci neuronowych Aktywacja sieci neuronowej za pomocą propagacji w przód Klasyfikowanie pisma odręcznego Zestaw danych MNIST Implementacja wielowarstwowego perceptronu Trenowanie sztucznej sieci neuronowej Obliczanie logistycznej funkcji kosztu Uczenie sieci neuronowych za pomocą algorytmu wstecznej propagacji Ujęcie intuicyjne algorytmu wstecznej propagacji Usuwanie błędów w sieciach neuronowych za pomocą sprawdzania gradientów Zbieżność w sieciach neuronowych Inne architektury sieci neuronowych Splotowe sieci neuronowe Rekurencyjne sieci neuronowe Jeszcze słowo o implementacji sieci neuronowej Równoległe przetwarzanie sieci neuronowych za pomocą biblioteki Theano Tworzenie, kompilowanie i uruchamianie wyrażeń w interfejsie Theano Czym jest Theano? Pierwsze kroki z Theano Konfigurowanie środowiska Theano Praca ze strukturami tablicowymi Przejdźmy do konkretów - implementacja regresji liniowej w Theano Dobór funkcji aktywacji dla jednokierunkowych sieci neuronowych Funkcja logistyczna - powtórzenie Szacowanie prawdopodobieństw w klasyfikacji wieloklasowej za pomocą znormalizowanej funkcji wykładniczej Rozszerzanie zakresu wartości wyjściowych za pomocą funkcji tangensa hiperbolicznego Skuteczne uczenie sieci neuronowych za pomocą biblioteki Keras

Sygnatura czytelni BWEAiI: XII Ł 88

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 145176 N (1 egz.)

Książka

W koszyku

Autor

Raschka Sebastian. Mirjalili Vahid. Sawka Krzysztof.

Forma i typ

Książki Publikacje dydaktyczne Publikacje fachowe

Temat

Python (język programowania) Programowanie Uczenie maszynowe. Deep learning Sieci neuronowe Podręcznik.

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Tytuł oryginału: Python machine learning : machine learning and deep learning with Pyton, scikit-learn and TensorFlow.

Wydanie 2. odnosi się do oryginału.

Na książce także ISBN oryginału.

Indeks.

Rozdział 1. Umożliwianie komputerom uczenia się z danych 23 Tworzenie inteligentnych maszyn służących do przekształcania danych w wiedzę 24 Trzy różne rodzaje uczenia maszynowego 24 Prognozowanie przyszłości za pomocą uczenia nadzorowanego 25 Rozwiązywanie problemów interaktywnych za pomocą uczenia przez wzmacnianie 28 Odkrywanie ukrytych struktur za pomocą uczenia nienadzorowanego 29 Wprowadzenie do podstawowej terminologii i notacji 30 Strategia tworzenia systemów uczenia maszynowego 32 Wstępne przetwarzanie - nadawanie danym formy 32 Trenowanie i dobór modelu predykcyjnego 34 Ewaluacja modeli i przewidywanie wystąpienia nieznanych danych 34 Wykorzystywanie środowiska Python do uczenia maszynowego 35 Instalacja środowiska Python i pakietów z repozytorium Python Package Index 35 Korzystanie z platformy Anaconda i menedżera pakietów 36 Pakiety przeznaczone do obliczeń naukowych, analizy danych i uczenia maszynowego 36 Rozdział 2. Trenowanie prostych algorytmów uczenia maszynowego w celach klasyfikacji 39 Sztuczne neurony - rys historyczny początków uczenia maszynowego 40 Formalna definicja sztucznego neuronu 41 Reguła uczenia perceptronu 43 Implementacja algorytmu uczenia perceptronu w Pythonie 45 Obiektowy interfejs API perceptronu 45 Trenowanie modelu perceptronu na zestawie danych Iris 48 Adaptacyjne neurony liniowe i zbieżność uczenia 53 Minimalizacja funkcji kosztu za pomocą metody gradientu prostego 55 Implementacja algorytmu Adaline w Pythonie 56 Usprawnianie gradientu prostego poprzez skalowanie cech 60 Wielkoskalowe uczenie maszynowe i metoda stochastycznego spadku wzdłuż gradientu 62 Rozdział 3. Stosowanie klasyfikatorów uczenia maszynowego za pomocą biblioteki scikit-learn 67 Wybór algorytmu klasyfikującego 68 Pierwsze kroki z biblioteką scikit-learn - uczenie perceptronu 68 Modelowanie prawdopodobieństwa przynależności do klasy za pomocą regresji logistycznej 74 Teoretyczne podłoże regresji logistycznej i prawdopodobieństwa warunkowego 74 Wyznaczanie wag logistycznej funkcji kosztu 78 Przekształcanie implementacji Adaline do postaci algorytmu regresji logistycznej 80 Uczenie modelu regresji logistycznej za pomocą biblioteki scikit-learn 84 Zapobieganie przetrenowaniu za pomocą regularyzacji 86 Wyznaczanie maksymalnego marginesu za pomocą maszyn wektorów nośnych 88 Teoretyczne podłoże maksymalnego marginesu 89 Rozwiązywanie przypadków nieliniowo rozdzielnych za pomocą zmiennych uzupełniających 90 Alternatywne implementacje w interfejsie scikit-learn 92 Rozwiązywanie nieliniowych problemów za pomocą jądra SVM 93 Metody jądrowe dla danych nierozdzielnych liniowo 93 Stosowanie sztuczki z funkcją jądra do znajdowania przestrzeni rozdzielających w przestrzeni wielowymiarowej 95 Uczenie drzew decyzyjnych 99 Maksymalizowanie przyrostu informacji - osiąganie jak największych korzyści 100 Budowanie drzewa decyzyjnego 103 Łączenie wielu drzew decyzyjnych za pomocą modelu losowego lasu 107 Algorytm k-najbliższych sąsiadów - model leniwego uczenia 109 Rozdział 4. Tworzenie dobrych zbiorów uczących - wstępne przetwarzanie danych 115 Kwestia brakujących danych 115 Wykrywanie brakujących wartości w danych tabelarycznych 116 Usuwanie próbek lub cech niezawierających wartości 117 Wstawianie brakujących danych 118 Estymatory interfejsu scikit-learn 119 Przetwarzanie danych kategoryzujących 119 Cechy nominalne i porządkowe 120 Tworzenie przykładowego zestawu danych 120 Mapowanie cech porządkowych 121 Kodowanie etykiet klas 121 Kodowanie "gorącojedynkowe" cech nominalnych (z użyciem wektorów własnych) 122 Rozdzielanie zestawu danych na oddzielne podzbiory uczące i testowe 124 Skalowanie cech 127 Dobór odpowiednich cech 129 Regularyzacje L1 i L2 jako kary ograniczające złożoność modelu 129 Interpretacja geometryczna regularyzacji L2 130 Rozwiązania rzadkie za pomocą regularyzacji L1 131 Algorytmy sekwencyjnego wyboru cech 135 Ocenianie istotności cech za pomocą algorytmu losowego lasu 140 Rozdział 5. Kompresja danych poprzez redukcję wymiarowości 143 Nienadzorowana redukcja wymiarowości za pomocą analizy głównych składowych 144 Podstawowe etapy analizy głównych składowych 144 Wydobywanie głównych składowych krok po kroku 146 Wyjaśniona wariancja całkowita 148 Transformacja cech 149 Analiza głównych składowych w interfejsie scikit-learn 152 Nadzorowana kompresja danych za pomocą liniowej analizy dyskryminacyjnej 154 Porównanie analizy głównych składowych z liniową analizą dyskryminacyjną 155 Wewnętrzne mechanizmy działania liniowej analizy dyskryminacyjnej 156 Obliczanie macierzy rozproszenia 157 Dobór dyskryminant liniowych dla nowej podprzestrzeni cech 159 Rzutowanie próbek na nową przestrzeń cech 161 Implementacja analizy LDA w bibliotece scikit-learn 161 Jądrowa analiza głównych składowych jako metoda odwzorowywania nierozdzielnych liniowo klas 163 Funkcje jądra oraz sztuczka z funkcją jądra 164 Implementacja jądrowej analizy głównych składowych w Pythonie 168 Rzutowanie nowych punktów danych 175 Algorytm jądrowej analizy głównych składowych w bibliotece scikit-learn 178 Rozdział 6. Najlepsze metody oceny modelu i strojenie parametryczne 181 Usprawnianie cyklu pracy za pomocą kolejkowania 181 Wczytanie zestawu danych Breast Cancer Wisconsin 182 Łączenie funkcji transformujących i estymatorów w kolejce czynności 183 Stosowanie k-krotnego sprawdzianu krzyżowego w ocenie skuteczności modelu 184 Metoda wydzielania 185 K-krotny sprawdzian krzyżowy 186 Sprawdzanie algorytmów za pomocą krzywych uczenia i krzywych walidacji 190 Diagnozowanie problemów z obciążeniem i wariancją za pomocą krzywych uczenia 190 Rozwiązywanie problemów przetrenowania i niedotrenowania za pomocą krzywych walidacji 193 Dostrajanie modeli uczenia maszynowego za pomocą metody przeszukiwania siatki 195 Strojenie hiperparametrów przy użyciu metody przeszukiwania siatki 195 Dobór algorytmu poprzez zagnieżdżony sprawdzian krzyżowy 196 Przegląd metryk oceny skuteczności 198 Odczytywanie macierzy pomyłek 198 Optymalizacja precyzji i pełności modelu klasyfikującego 200 Wykres krzywej ROC 202 Metryki zliczające dla klasyfikacji wieloklasowej 204 Kwestia dysproporcji klas 205 Rozdział 7. Łączenie różnych modeli w celu uczenia zespołowego 209 Uczenie zespołów 209 Łączenie klasyfikatorów za pomocą algorytmu głosowania większościowego 213 Implementacja prostego klasyfikatora głosowania większościowego 214 Stosowanie reguły głosowania większościowego do uzyskiwania prognoz 219 Ewaluacja i strojenie klasyfikatora zespołowego 221 Agregacja - tworzenie zespołu klasyfikatorów za pomocą próbek początkowych 226 Agregacja w pigułce 227 Stosowanie agregacji do klasyfikowania przykładów z zestawu Wine 228 Usprawnianie słabych klasyfikatorów za pomocą wzmocnienia adaptacyjnego 231 Wzmacnianie - mechanizm działania 232 Stosowanie algorytmu AdaBoost za pomocą biblioteki scikit-learn 236 Rozdział 8. Wykorzystywanie uczenia maszynowego w analizie sentymentów 241 Przygotowywanie zestawu danych IMDb movie review do przetwarzania tekstu 242 Uzyskiwanie zestawu danych IMDb 242 Przetwarzanie wstępne zestawu danych IMDb do wygodniejszego formatu 243 Wprowadzenie do modelu worka słów 244 Przekształcanie słów w wektory cech 245 Ocena istotności wyrazów za pomocą ważenia częstości termów - odwrotnej częstości w tekście 246 Oczyszczanie danych tekstowych 248 Przetwarzanie tekstu na znaczniki 249 Uczenie modelu regresji logistycznej w celu klasyfikowania tekstu 251 Praca z większą ilością danych - algorytmy sieciowe i uczenie pozardzeniowe 253 Modelowanie tematyczne za pomocą alokacji ukrytej zmiennej Dirichleta 256 Rozkładanie dokumentów tekstowych za pomocą analizy LDA 257 Analiza LDA w bibliotece scikit-learn 258 Rozdział 9. Wdrażanie modelu uczenia maszynowego do aplikacji sieciowej 263 Serializacja wyuczonych estymatorów biblioteki scikit-learn 264 Konfigurowanie bazy danych SQLite 266 Tworzenie aplikacji sieciowej za pomocą środowiska Flask 269 Nasza pierwsza aplikacja sieciowa 269 Sprawdzanie i wyświetlanie formularza 271 Przekształcanie klasyfikatora recenzji w aplikację sieciową 275 Pliki i katalogi - wygląd drzewa katalogów 277 Implementacja głównej części programu w pliku app.py 277 Konfigurowanie formularza recenzji 280 Tworzenie szablonu strony wynikowej 281 Umieszczanie aplikacji sieciowej na publicznym serwerze 282 Tworzenie konta w serwisie PythonAnywhere 283 Przesyłanie aplikacji klasyfikatora filmowego 283 Aktualizowanie klasyfikatora recenzji filmowych 284 Rozdział 10. Przewidywanie ciągłych zmiennych docelowych za pomocą analizy regresywnej 287 Wprowadzenie do regresji liniowej 288 Prosta regresja liniowa 288 Wielowymiarowa regresja liniowa 288 Zestaw danych Housing 290 Wczytywanie zestawu danych Housing do obiektu DataFrame 290 Wizualizowanie ważnych elementów zestawu danych 292 Analiza związków za pomocą macierzy korelacji 293 Implementacja modelu regresji liniowej wykorzystującego zwykłą metodę najmniejszych kwadratów 296 Określanie parametrów regresywnych za pomocą metody gradientu prostego 296 Szacowanie współczynnika modelu regresji za pomocą biblioteki scikit-learn 300 Uczenie odpornego modelu regresywnego za pomocą algorytmu RANSAC 301 Ocenianie skuteczności modeli regresji liniowej 304 Stosowanie regularyzowanych metod regresji 307 Przekształcanie modelu regresji liniowej w krzywą - regresja wielomianowa 308 Dodawanie członów wielomianowych za pomocą biblioteki scikit-learn 309 Modelowanie nieliniowych zależności w zestawie danych Housing 310 Analiza nieliniowych relacji za pomocą algorytmu losowego lasu 314 Rozdział 11. Praca z nieoznakowanymi danymi - analiza skupień 319 Grupowanie obiektów na podstawie podobieństwa przy użyciu algorytmu centroidów 320 Algorytm centroidów w bibliotece scikit-learn 320 Inteligentniejszy sposób dobierania pierwotnych centroidów za pomocą algorytmu k-means++ 324 Klasteryzacja twarda i miękka 325 Stosowanie metody łokcia do wyszukiwania optymalnej liczby skupień 327 Ujęcie ilościowe jakości klasteryzacji za pomocą wykresu profilu 328 Organizowanie skupień do postaci drzewa klastrów 333 Oddolne grupowanie skupień 333 Przeprowadzanie hierarchicznej analizy skupień na macierzy odległości 335 Dołączanie dendrogramów do mapy cieplnej 338 Aglomeracyjna analiza skupień w bibliotece scikit-learn 339 Wyznaczanie rejonów o dużej gęstości za pomocą algorytmu DBSCAN 340 Rozdział 12. Implementowanie wielowarstwowej sieci neuronowej od podstaw 347 Modelowanie złożonych funkcji przy użyciu sztucznych sieci neuronowych 348 Jednowarstwowa sieć neuronowa - powtórzenie 349 Wstęp do wielowarstwowej architektury sieci neuronowych 351 Aktywacja sieci neuronowej za pomocą propagacji w przód 354 Klasyfikowanie pisma odręcznego 356 Zestaw danych MNIST 357 Implementacja perceptronu wielowarstwowego 362 Trenowanie sztucznej sieci neuronowej 371 Obliczanie logistycznej funkcji kosztu 371 Ujęcie intuicyjne algorytmu wstecznej propagacji 374 Uczenie sieci neuronowych za pomocą algorytmu propagacji wstecznej 375 Zbieżność w sieciach neuronowych 378 Jeszcze słowo o implementacji sieci neuronowej 380 Rozdział 13. Równoległe przetwarzanie sieci neuronowych za pomocą biblioteki TensorFlow 381 Biblioteka TensorFlow a skuteczność uczenia 382 Czym jest biblioteka TensorFlow? 383 W jaki sposób będziemy poznawać bibliotekę TensorFlow? 384 Pierwsze kroki z biblioteką TensorFlow 384 Praca ze strukturami tablicowymi 386 Tworzenie prostego modelu za pomocą podstawowego interfejsu TensorFlow 387 Skuteczne uczenie sieci neuronowych za pomocą wyspecjalizowanych interfejsów biblioteki TensorFlow 391 Tworzenie wielowarstwowych sieci neuronowych za pomocą interfejsu Layers 392 Projektowanie wielowarstwowej sieci neuronowej za pomocą interfejsu Keras 395 Dobór funkcji aktywacji dla wielowarstwowych sieci neuronowych 400 Funkcja logistyczna - powtórzenie 400 Szacowanie prawdopodobieństw przynależności do klas w klasyfikacji wieloklasowej za pomocą funkcji softmax 402 Rozszerzanie zakresu wartości wyjściowych za pomocą funkcji tangensa hiperbolicznego 403 Aktywacja za pomocą prostowanej jednostki liniowej (ReLU) 405 Rozdział 14. Czas na szczegóły - mechanizm działania biblioteki TensorFlow 409 Główne funkcje biblioteki TensorFlow 410 Rzędy i tensory 410 Sposób uzyskania rzędu i wymiarów tensora 411 Grafy obliczeniowe 412 Węzły zastępcze 414 Definiowanie węzłów zastępczych 414 Wypełnianie węzłów zastępczych danymi 415 Definiowanie węzłów zastępczych dla tablic danych o różnych rozmiarach pakietów danych 416 Zmienne 417 Definiowanie zmiennych 417 Inicjowanie zmiennych 419 Zakres zmiennych 420 Wielokrotne wykorzystywanie zmiennych 421 Tworzenie modelu regresyjnego 423 Realizowanie obiektów w grafie TensorFlow przy użyciu ich nazw 426 Zapisywanie i wczytywanie modelu 428 Przekształcanie tensorów jako wielowymiarowych tablic danych 430 Wykorzystywanie mechanizmów przebiegu sterowania do tworzenia grafów 433 Wizualizowanie grafów za pomocą modułu TensorBoard 436 Zdobywanie doświadczenia w używaniu modułu TensorBoard 439 Rozdział 15. Klasyfikowanie obrazów za pomocą splotowych sieci neuronowych 441 Podstawowe elementy splotowej sieci neuronowej 442 Splotowe sieci neuronowe i hierarchie cech 442 Splot dyskretny 444 Podpróbkowanie 452 Konstruowanie sieci CNN 454 Praca z wieloma kanałami wejściowymi/barw 454 Regularyzowanie sieci neuronowej metodą porzucania 457 Implementacja głębokiej sieci splotowej za pomocą biblioteki TensorFlow 459 Architektura wielowarstwowej sieci CNN 459 Wczytywanie i wstępne przetwarzanie danych 460 Implementowanie sieci CNN za pomocą podstawowego interfejsu TensorFlow 461 Implementowanie sieci CNN za pomocą interfejsu Layers 471 Rozdział 16. Modelowanie danych sekwencyjnych za pomocą rekurencyjnych sieci neuronowych 477 Wprowadzenie do danych sekwencyjnych 478 Modelowanie danych sekwencyjnych - kolejność ma znaczenie 478 Przedstawianie sekwencji 478 Różne kategorie modelowania sekwencji 479 Sieci rekurencyjne służące do modelowania sekwencji 480 Struktura sieci RNN i przepływ danych 480 Obliczanie aktywacji w sieciach rekurencyjnych 482 Problemy z uczeniem długofalowych oddziaływań 485 Jednostki LSTM 486 Implementowanie wielowarstwowej sieci rekurencyjnej przy użyciu biblioteki TensorFlow do modelowania sekwencji 488 Pierwszy projekt - analiza sentymentów na zestawie danych IMDb za pomocą wielowarstwowej sieci rekurencyjnej 489 Przygotowanie danych 489 Wektor właściwościowy 492 Budowanie modelu sieci rekurencyjnej 494 Konstruktor klasy SentimentRNN 495 Metoda build 495 Metoda train 499 Metoda predict 500 Tworzenie wystąpienia klasy SentimentRNN 500 Uczenie i optymalizowanie modelu sieci rekurencyjnej przeznaczonej do analizy sentymentów 501 Drugi projekt - implementowanie sieci rekurencyjnej modelującej język na poziomie znaków 502 Przygotowanie danych 503 Tworzenie sieci RNN przetwarzającej znaki 506 Konstruktor 506 Metoda build 507 Metoda train 509 Metoda sample 510 Tworzenie i uczenie modelu CharRNN 512 Model CharRNN w trybie próbkowania 512

Sygnatura czytelni BWEAiI: XII Ł 153

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 148069 N (1 egz.)

Książka

W koszyku

Raspberry Pi : najlepsze projekty / Andrew Robinson, Mike Cook ; [tł.: Tomasz Walczak]. - Gliwice : Wydawnictwo Helion, cop. 2014. - 430 s. : il. ; 24 cm.

Autor

Robinson Andrew (1966- ). Cook Mike. Walczak Tomasz.

Temat

Raspberry Pi (komputer) Python (język programowania)

Gatunek

Podręcznik.

Na okł.: Wykorzystaj ogromny potencjał miniatruowego komputera!

U góry okł.: 16 praktycznych projektów programowych i sprzętowych opartych na Raspberry Pi.

Na okł. logo wydaw. oryg.: John Wiley & Sons Limited.

Indeks.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 138664 (1 egz.)

Książka

W koszyku

Autor

Sarbicki Gniewomir

Forma i typ

Książki Publikacje dydaktyczne Publikacje fachowe Publikacje naukowe

Odbiorca

Nauczyciele Szkoły średnie Szkoły wyższe

Temat

Programowanie (informatyka) Python (język programowania)

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Indeks.

1.1. Interaktywna powłoka, interpreter skryptów, edytory i środowiska (11) 1.2. Typy liczbowe (14) 1.3. Typy sekwencyjne (16) 1.3.1. Łańcuchy znaków i łańcuchy bajtów (17) 1.3.2. Listy (20) 1.3.3. Krotki (22) 1.4. Instrukcje warunkowe (22) 1.4.1. Trójargumentowy operator logiczny (23) 1.4.2. Kwantyfikatory (23) 1.5. Pętle for i while (23) 1.6. Listy składane (25) 1.7. Wyrażenia przypisania (26) 1.8. Słowniki (27) 1.9. Funkcje (29) 1.9.1. Zmienna liczba argumentów (32) 1.9.2. Dokumentacja funkcji (33) 1.9.3. Adnotacje funkcji (33) 1.9.4. Zmienne globalne w funkcjach (34) 1.9.5. Funkcje anonimowe (35) 1.10. Programowanie funkcyjne (35) 1.11. Formatowanie łańcuchów (38) 1.11.1. Formatowanie z użyciem operatora % (39) 1.11.2. Formatowanie z użyciem metody format (40) 1.11.3. f-łańcuchy (41) 1.12. Importowanie modułów (42) 1.13. Funkcje matematyczne i liczby pseudolosowe (44) 1.14. Pobieranie argumentów ze standardowego wejścia (45) 1.15. Pobieranie argumentów z linii poleceń. Tworzenie aplikacji konsolowych (45) 1.16. Obsługa wyjątków (46) 1.17. Praca z plikami (47) 1.18. Porównywanie wydajności rozwiązań (50) 1.19. Data i czas (51) 1.20. Serializacja* (52) 1.21. Współpraca z systemem operacyjnym (53) 1.22. Dostęp do zasobów WWW (55) 2. Programowanie obiektowe (57) 2.1. Klasy i instancje, atrybuty i metody (57) 2.2. Konstruktor klasy (60) 2.3. Dziedziczenie i przysłanianie (60) 2.4. Przeciążanie operatorów (61) 2.5. Wywoływanie wyjątków (67) 3. Graficzny interfejs użytkownika (70) 3.1. Pierwszy program w GTK (70) 3.2. Umieszczanie w oknie jego obiektów składowych (72) 3.3. Obsługa zdarzeń (75) 3.4. Metody elementów okna (79) 4. Wielowątkowość (82) 4.1. Pierwszy program wielowątkowy (83) 4.2. Blokady (84) 4.3. Porównanie wydajności (86) 4.4. Kolejki (89) 5. Komunikacja sieciowa (91) 5.1. Pierwszy program (92) 5.2. Serwer wielowątkowy (95) 5.3. Serwer dyskusyjny (96) 5.4. Klient usługi TCP* (99) 5.5. Serwer i klient UDP* (99) 6. Obsługa baz danych (101) 6.1. SQLite (101) 6.1.1. Dostęp do bazy z linii poleceń (101) 6.1.2. Polecenia SQL w SQLite (102) 6.1.3. Moduł sqlite3 (102) 6.2. MySQL* (105) 6.2.1. Dostęp do serwera z linii poleceń i tworzenie kont użytkowników (105) 6.2.2. Polecenia SQL w MySQL (106) 6.2.3. Moduł mysql.connector (107) 6.3. Ćwiczenia (108) 7. Skrypty CGI (110) 7.1. Aplikacje WWW korzystające z bazy danych (114) 8. Obliczenia numeryczne (129) 8.1. Tablice jednowymiarowe (129) 8.2. Wykresy funkcji jednej zmiennej (132) 8.3. Tablice wielowymiarowe (137) 8.4. Wykresy trójwymiarowe (139) 8.5. Pola wektorowe (146) 8.6. Wykresy animowane (147) 8.7. Równania różniczkowe zwyczajne (149) 8.8. Równania różniczkowe cząstkowe (157) 9. Funkcje wyższych rzędów (164) 9.1. Dekoratory funkcji (165) 9.2. Atrybuty funkcji (171) 9.3. Dekoratory jako klasy (172) 9.4. Dekoratory klas (173) 9.5. Menedżery kontekstu (179) 10. Iteratory, generatory, koprocedury (182) 10.1. Funkcje generatorów (185) 10.2. Wyrażenia generatorów i odwzorowywanie generatorów (186) 10.3. Działania na iteratorach (187) 10.4. Menedżery kontekstu z generatorów (192) 10.5. Koprocedury (192) 10.6. Obsługa wyjątków w generatorze (194) 10.7. Algorytm roju cząstek realizowany przez mikrowątki (197) 10.8. Nieblokujące operacje wejścia-wyjścia (201) 11. Programowanie asynchroniczne (204) 11.1. Obiekty oczekiwalne (204) 11.2. Współbieżność zadań (207) 11.3. Asynchroniczne odpowiedniki obiektów i konstrukcji składniowych Pythona (214) 11.4. Asynchroniczny serwer TCP (217) 12. Zarządzanie atrybutami w klasach (220) 12.1. Niskopoziomowe zarządzanie atrybutami (220) 12.2. Właściwości (225) 12.3. Deskryptory (228) 12.4. Metody statyczne i metody klas (230) 12.5. Atrybut. slots. klasy (233) 13. Współbieżność wykorzystująca podprocesy (235) 13.1. Operacje na tablicach NumPy (239) 13.2. Pula podprocesów (242) 13.3. Obiekt podprocesu (243) 13.4. Komunikacja międzyprocesowa (244) 13.5. Synchronizacja podprocesów (249)

Sygnatura czytelni BWB: IX F 26

Sygnatura czytelni BWEAiI: XII Ł 212

dostępna w czytelni

Ta pozycja znajduje się w zbiorach 2 placówek. Rozwiń listę, by zobaczyć szczegóły.

Biblioteka WB

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 152527 (1 egz.)

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 152526 (1 egz.)

Książka

W koszyku

Autor

Sarbicki Gniewomir Paweł.

Forma i typ

Książki Publikacje dydaktyczne Publikacje fachowe

Temat

Python (język programowania) Programowanie obiektowe (informatyka).

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Indeks.

1.1. Interaktywna powłoka, interpreter skryptów, edytory i środowiska (12) 1.2. Typy liczbowe (14) 1.3. Typy sekwencyjne (16) 1.3.1. Łańcuchy znaków i łańcuchy bajtów (18) 1.3.2. Listy (20) 1.3.3. Krotki (22) 1.4. Instrukcje warunkowe (22) 1.4.1. Trójargumentowa instrukcja logiczna (23) 1.4.2. Kwantyfikatory (24) 1.5. Pętle for i while (24) 1.6. Listy składane (25) 1.7. Słowniki (27) 1.8. Funkcje (28) 1.8.1. Zmienna liczba argumentów (31) 1.8.2. Dokumentacja funkcji (32) 1.8.3. Zmienne globalne w funkcjach (33) 1.8.4. Funkcje anonimowe (34) 1.9. Programowanie funkcyjne (34) 1.10. Formatowanie łańcuchów (37) 1.10.1. Formatowanie z użyciem operatora % (37) 1.10.2. Formatowanie z użyciem metody format (38) 1.11. Importowanie modułów (40) 1.12. Funkcje matematyczne i liczby pseudolosowe (42) 1.13. Pobieranie argumentów ze standardowego wejścia (43) 1.14. Pobieranie argumentów z linii poleceń. Tworzenie aplikacji konsolowych. (44) 1.15. Obsługa wyjątków (44) 1.16. Praca z plikami (45) 1.17. Porównywanie wydajności rozwiązań (48) 1.18. Data i czas (49) 1.19. Serializacja* (50) 1.20. Współpraca z systemem operacyjnym (52) 1.21. Dostęp do zasobów WWW (53) 2. Programowanie obiektowe (56) 2.1. Klasy i instancje, atrybuty i metody (56) 2.2. Konstruktor klasy (59) 2.3. Dziedziczenie i przysłanianie (59) 2.4. Przeciążanie operatorów (60) 2.5. Wywoływanie wyjątków (67) 3. Graficzny interfejs użytkownika (70) 3.1. Pierwszy program w GTK (70) 3.2. Umieszczanie w oknie jego obiektów składowych (72) 3.3. Obsługa zdarzeń (75) 3.4. Metody elementów okna (79) 4. Wielowątkowość (83) 4.1. Pierwszy program wielowątkowy (84) 4.2. Blokady (85) 4.3. Porównanie wydajności (87) 4.4. Kolejki (90) 5. Komunikacja sieciowa (93) 5.1. Pierwszy program (94) 5.2. Serwer wielowątkowy (97) 5.3. Serwer dyskusyjny (98) 5.4. Klient usługi TCP* (101) 5.5. Serwer i klient UDP* (102) 6. Obsługa baz danych (103) 6.1. SQLite (103) 6.1.1. Dostęp do bazy z linii poleceń (103) 6.1.2. Polecenia SQL w SQLite (104) 6.1.3. Moduł sqlite3 (104) 6.2. MySQL* (108) 6.2.1. Dostęp do serwera z linii poleceń i tworzenie kont użytkowników (108) 6.2.2. Polecenia SQL w MySQL (109) 6.2.3. Moduł mysql.connector (109) 7. Współpraca z serwerem Apache (113) 7.1. Skrypty CGI (114) 7.2. mod_python.publisher (117) 7.3. Aplikacje WWW korzystające z bazy danych (119) 7.4. Prosty mechanizm uwierzytelniania (133) 8. Obliczenia numeryczne (136) 8.1. Tablice jednowymiarowe (136) 8.2. Wykresy funkcji jednej zmiennej (139) 8.3. Tablice wielowymiarowe (145) 8.4. Wykresy trójwymiarowe (147) 8.5. Pola wektorowe (154) 8.6. Wykresy animowane (155) 8.7. Równania różniczkowe zwyczajne (157) 8.8. Równania różniczkowe cząstkowe (164) 9. Iteratory, generatory, koprocedury (172) 9.1. Funkcje generatorów (175) 9.2. Wyrażenia generatorów i odwzorowywanie generatorów (176) 9.3. Działania na iteratorach (177) 9.4. Koprocedury (182) 9.5. Obsługa wyjątków w generatorze (184) 9.6. Algorytm roju cząstek realizowany przez mikrowątki (186) 9.7. Nieblokujące operacje wejścia-wyjścia (191) 9.8. Wielozadaniowość kooperatywna* (193) 10. Funkcje wyższych rzędów (201) 10.1. Dekoratory funkcji (202) 10.2. Atrybuty funkcji (207) 10.3. Dekoratory jako klasy (209) 10.4. Dekoratory klas (210) 10.5. Menedżery kontekstu (214) 11. Zarządzanie atrybutami w klasach (218) 11.1. Niskopoziomowe zarządzanie atrybutami (219) 11.2. Właściwości (224) 11.3. Deskryptory (227) 11.4. Metody statyczne i metody klas (229) 12. Współbieżność wykorzystująca podprocesy (232) 12.1. Operacje na tablicach NumPy (235) 12.2. Pula podprocesów (238) 12.3. Obiekt podprocesu (239) 12.4. Komunikacja międzyprocesowa (241) 12.5. Synchronizacja podprocesów (246)

Sygnatura czytelni BWEAiI: XII Ł 136

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 148066 N (1 egz.)

Książka

W koszyku

Django : tworzenie nowoczesnych aplikacji internetowych w Pythonie / Ben Shaw, Saurabh Badhwar, Andrew Bird, Bharath Chandra K S, Chris Guest ; przekład: Joanna Zatorska. - Gliwice : Helion, copyright 2022. - 720 stron : ilustracje ; 25 cm.

Autor

Shaw Ben Badhwar Saurabh Bird Andrew Chandra K S Bharath Guest Chris Zatorska Joanna

Forma i typ

Książki Publikacje fachowe

Odbiorca

Programiści

Temat

Aplikacja internetowa Django (framework) Programowanie (informatyka) Python (język programowania)

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Indeks.

Tworzenie szkieletu projektu i aplikacji Django Tworzenie projektu, aplikacji oraz serwera roboczego Paradygmat Model View Template Modele Widoki Szablony Wstęp do HTTP Przetwarzanie żądania Projekt Django Aplikacje Django Konfiguracja programu PyCharm Konfiguracja projektu w programie PyCharm Szczegółowe informacje o widokach Mapowanie adresów URL Pisanie widoku i odwzorowania URL GET, POST i obiekty QueryDict Sprawdzanie wartości GET i korzystanie z obiektu QueryDict Analiza ustawień Django Znajdowanie szablonów HTML w katalogach aplikacji Tworzenie katalogu templates oraz szablonu bazowego Renderowanie szablonu za pomocą funkcji render Renderowanie szablonu w widoku Renderowanie zmiennych w szablonach . Użycie zmiennych w szablonach Debugowanie i obsługa błędów . Generowanie i wyświetlanie wyjątków Debugowanie Debugowanie kodu Tworzenie ekranu powitalnego witryny Szkielet wyszukiwarki w witrynie Book . Modele i migracje Bazy danych Relacyjne bazy danych Nierelacyjne bazy danych Operacje bazodanowe z użyciem języka SQL Typy danych w relacyjnych bazach danych Tworzenie bazy danych książek Operacje CRUD w języku SQL Operacje tworzenia w języku SQL Operacje odczytu w języku SQL Operacje aktualizacji w języku SQL Operacje usuwania w języku SQL ORM w platformie Django Konfiguracja bazy danych i tworzenie aplikacji Django Aplikacje Django Migracje Django Tworzenie modeli i migracji Django Opcje pól Klucze główne Relacje Relacje jeden do jednego Dodawanie modelu Review Metody modeli Migracja aplikacji reviews Operacje bazodanowe CRUD w Django Tworzenie wpisu w bazie danych Bookr Tworzenie wpisu za pomocą metody create() Tworzenie obiektu z kluczem obcym Tworzenie rekordów dla relacji wiele do jednego Tworzenie rekordów z relacjami wiele do wielu Relacja wiele do wielu z wykorzystaniem metody add() Użycie metod create() i set() podczas tworzenia relacji Operacje odczytu Pobieranie obiektu za pomocą metody get() Zwracanie obiektu za pomocą metody get() Użycie metody all() do pobrania zbioru obiektów Pobieranie obiektów za pomocą filtrowania . Użycie metody filter() do pobierania obiektów Filtrowanie za pomocą wyszukiwania pól Dopasowywanie wzorców w operacjach filtrowania Pobieranie obiektów poprzez wykluczanie Pobieranie obiektów za pomocą metody order_by() Przeszukiwanie relacji Wyszukiwanie na podstawie kluczy obcych Przeszukiwanie na podstawie nazwy modelu Przeszukiwanie relacji z kluczem obcym za pomocą instancji obiektu Znajdowanie obiektów na podstawie relacji wiele do wielu za pomocą wyszukiwania pola Przeszukiwanie relacji wiele do wielu za pomocą obiektów Przeszukiwanie relacji wiele do wielu za pomocą metody set() Użycie metody update() Użycie metody delete() Tworzenie modeli dla aplikacji do zarządzania projektami Wypełnianie danymi bazy danych projektu Bookr Mapowanie URL, widoki i szablony Widoki oparte na funkcjach Widoki oparte na klasach Konfiguracja URL Implementowanie prostego widoku opartego na funkcji Szablony . Użycie szablonów do wyświetlenia komunikatu powitalnego Język szablonów Django Wyświetlanie listy książek i recenzji Dziedziczenie szablonów Stylowanie szablonów za pomocą biblioteki Bootstrap Dodawanie dziedziczenia szablonów i paska nawigacyjnego Bootstrapa Implementacja widoku szczegółów książki Wstęp do witryny administracyjnej Django Tworzenie konta superużytkownika Tworzenie konta superużytkownika Operacje CRUD za pomocą aplikacji administracyjnej Django Tworzenie Pobieranie danych Aktualizowanie Usuwanie Użytkownicy i grupy Dodawanie i modyfikowanie użytkowników i grup w aplikacji administracyjnej Rejestrowanie modelu Reviews Listy obiektów do edycji Strona edycji modelu Publisher Klucze obce i usuwanie z poziomu aplikacji administracyjnej Dostosowywanie interfejsu administracyjnego Poprawki dotyczące całej witryny administracyjnej Django Analiza obiektu AdminSite w powłoce Pythona Dostosowywanie obiektu SiteAdmin Dostosowywanie klas ModelAdmin. Dodawanie filtra na podstawie daty oraz hierarchii dat Pasek wyszukiwania Wykluczanie i grupowanie pól Dostosowywanie aplikacji administracyjnych dla modeli Zwracanie plików statycznych Zwracanie plików statycznych Wprowadzenie do wyszukiwarek plików statycznych Wyszukiwarki plików statycznych — użycie podczas obsługi żądania AppDirectoriesFinder Przestrzenie nazw plików statycznych Zwracanie pliku z katalogu aplikacji Generowanie statycznych adresów URL za pomocą znacznika szablonów static Użycie znacznika szablonów static FileSystemFinder Zwracanie plików z katalogu static projektu Wyszukiwarki plików statycznych — użycie polecenia collectstatic Kopiowanie plików statycznych dla środowiska produkcyjnego Tryb STATICFILES_DIRS z przedrostkiem Polecenie findstatic Znajdowanie plików poleceniem findstatic Zwracanie ostatnich plików (w celu unieważnienia pamięci podręcznej) . Eksploracja silnika przechowywania ManifestFilesStorage Niestandardowe silniki magazynowania Dodawanie logo do aplikacji reviews Ulepszenia w stylach CSS . Dodawanie globalnego logo Formularze Element Rodzaje pól wejściowych Tworzenie formularza HTML Bezpieczeństwo formularza dzięki ochronie przeciwko Cross-Site Request Forgery Dostęp do danych w widoku . Pobieranie danych POST w widoku Wybór między żądaniami GET i POST Dlaczego trzeba używać metody GET, jeśli można umieścić parametry w URL? Biblioteka Forms w Django Definiowanie formularza Renderowanie formularza w szablonie Tworzenie i renderowanie formularza Django Walidacja formularzy i pobieranie wartości Pythona Walidacja formularza w widoku Wbudowana walidacja pól Dodatkowa walidacja pól Wyszukiwanie książek Zaawansowana walidacja formularzy i formularzy modeli Niestandardowa walidacja i czyszczenie pól Niestandardowe walidatory Metody oczyszczania Walidacja na podstawie wielu pól . Niestandardowe metody oczyszczania i walidacji Wartości zastępcze i początkowe Wartości zastępcze i początkowe Tworzenie i edytowanie modeli Django Klasa ModelForm Tworzenie i edytowanie modelu Publisher Stylowanie i integracja formularza modelu Publisher Interfejs tworzenia instancji modelu Review Zwracanie multimediów i przesyłanie plików Ustawienia związane z przesyłaniem i zwracaniem plików multimedialnych Zwracanie plików multimedialnych w środowisku roboczym Konfiguracja magazynu plików multimedialnych i ich zwracanie Procesory kontekstu i użycie opcji MEDIA_URL w szablonach Ustawienia szablonu i użycie opcji MEDIA_URL w szablonach Przesyłanie plików za pomocą formularzy HTML Obsługa przesłanych plików w widoku Przesyłanie i pobieranie plików

Przesyłanie i pobieranie plików Przesyłanie plików za pomocą formularzy Django Przesyłanie plików za pomocą formularza Django Przesyłanie obrazów za pomocą formularzy Django Zmiana rozmiaru obrazów za pomocą biblioteki Pillow Przesyłanie obrazów za pomocą formularzy Django Zwracanie przesłanych (i innych) plików za pomocą Django Magazynowanie plików w instancjach modeli Zapisywanie obrazów w instancjach modeli Korzystanie z klasy FieldFile Odwoływanie się do plików multimedialnych w szablonach FileField i ImageField w modelach Klasa ModelForm i przesyłanie plików Przesyłanie plików i obrazów za pomocą instancji klasy ModelForm Przesyłanie obrazu i plików PDF dotyczących książek Wyświetlanie okładki i łącza do fragmentu książki . Sesje i uwierzytelnianie Middleware Moduły middleware Implementacja widoków i szablonów do uwierzytelniania . Zmiana przeznaczenia szablonu logowania aplikacji administracyjnej Przechowywanie haseł w Django Strona profilu i obiekt request.user Dodawanie strony profilu Dekoratory uwierzytelniania i przekierowania . Dodawanie dekoratorów uwierzytelniania do widoków Dodawanie danych uwierzytelniania do szablonów Przełączanie łączy logowania i wylogowania w bazowym szablonie Udostępnianie treści na podstawie stanu uwierzytelnienia za pomocą bloków warunkowych w szablonach Sesje Moduł pickle lub magazyn w formacie JSON Analiza klucza sesji Przechowywanie danych w sesji Zapisywanie w sesji ostatnio wyświetlanych książek Wykorzystanie magazynu sesji na stronie wyszukiwania książek Zaawansowane aspekty aplikacji administracyjnej Django i jej dostosowywanie 4Dostosowywanie witryny administracyjnej Wykrywanie plików administracyjnych w Django Klasa AdminSite w Django Tworzenie niestandardowej witryny administracyjnej w projekcie Bookr Nadpisywanie domyślnej właściwości admin.site Nadpisywanie domyślnej witryny administracyjnej Dostosowanie tekstu w witrynie administracyjnej za pomocą atrybutów AdminSite Dostosowywanie szablonów witryny administracyjnej Dostosowanie szablonu wylogowania dla witryny administracyjnej Bookr Dodawanie widoków do witryny administracyjnej Tworzenie nowej funkcji widoku Dostęp do wspólnych zmiennych szablonu Mapowanie adresów URL na niestandardowy widok Ograniczanie niestandardowych widoków do witryny administracyjnej . Dodawanie niestandardowych widoków do witryny administracyjnej Przekazywanie dodatkowych kluczy do szablonów za pomocą zmiennych szablonów . Tworzenie niestandardowego interfejsu administracyjnego z wbudowaną wyszukiwarką . Zaawansowane aspekty szablonów i widoki oparte na klasach Filtry szablonów Niestandardowe filtry szablonów Filtry szablonów Konfiguracja katalogu służącego do zapisywania filtrów szablonów Konfiguracja biblioteki szablonów Implementowanie niestandardowej funkcji filtra Użycie niestandardowych filtrów w szablonach Tworzenie niestandardowego filtra szablonów Filtry tekstowe Znaczniki szablonów Typy znaczników szablonów Proste znaczniki Tworzenie prostych znaczników szablonów Tworzenie niestandardowego prostego znacznika Znaczniki włączające 454 Budowanie niestandardowego znacznika włączającego Widoki Django Widoki oparte na klasach Tworzenie katalogu książek w widoku opartym na klasach Operacje CRUD za pomocą widoków opartych na klasach Renderowanie szczegółów na stronie profilu użytkownika za pomocą znaczników włączających. Tworzenie API REST-owego API REST-owe Django REST Framework Instalacja i konfiguracja Widoki API oparte na funkcjach Tworzenie prostego API REST-owego Serializery Tworzenie widoku API w celu wyświetlenia listy książek Widoki API oparte na klasach i widoki generyczne Serializery modeli Tworzenie widoków API opartych na klasach i serializerów modeli Tworzenie punktu końcowego API dla strony poświęconej najaktywniejszym współautorom Obiekty typu ViewSet Routery Używanie zbiorów widoków i routerów Uwierzytelnianie Uwierzytelnianie oparte na tokenach Implementowanie uwierzytelniania opartego na tokenach w API aplikacji Bookr Generowanie plików CSV, PDF i innych plików binarnych Obsługa plików CSV w Pythonie Korzystanie z modułu csv Pythona Odczytywanie danych z pliku CSV Odczyt pliku CSV w Pythonie Zapisywanie danych do plików CSV za pomocą Pythona Generowanie pliku CSV za pomocą modułu Pythona csv Lepszy sposób odczytu i zapisu plików CSV Przetwarzanie plików Excela w Pythonie Eksportowanie danych do plików binarnych Obsługa plików XLSX za pomocą pakietu XlsxWriter Tworzenie plików XLSX w Pythonie Obsługa plików PDF w Pythonie Przekształcanie stron WWW do formatu PDF Generowanie dokumentu PDF na podstawie strony WWW w Pythonie Tworzenie wykresów w Pythonie Generowanie wykresów za pomocą biblioteki plotly Generowanie wykresów w Pythonie Integrowanie biblioteki plotly z Django Integrowanie wizualizacji z Django Wizualizacja historii przeczytanych książek na stronie profilowej użytkownika Eksportowanie książek przeczytanych przez użytkownika do pliku XLSX Testowanie Dlaczego testowanie jest ważne Testy automatyczne Testowanie w Django Implementowanie przypadków testowych Testy jednostkowe w Django Korzystanie z asercji Pisanie prostego testu jednostkowego Konfiguracja przed testami i czyszczenie po wykonaniu każdego przypadku testowego Testowanie modeli Django Testowanie modeli Django Testowanie widoków Django Pisanie przypadków testowych dla widoków Django Testowanie widoków wymagających uwierzytelniania Pisanie przypadków testowych w celu walidacji uwierzytelnionych użytkowników Klasa RequestFactory Django Testowanie widoków za pomocą klasy RequestFactory Testowanie widoków opartych na klasach Klasy przypadków testowych w Django SimpleTestCase TransactionTestCase LiveServerTestCase Modularyzacja kodu testowego Testowanie modeli i widoków w projekcie Bookr . Zewnętrzne biblioteki Django Zmienne środowiskowe django-configurations Zmiany w pliku manage.py Konfiguracja ze zmiennych środowiskowych Konfiguracja biblioteki django-configurations dj-database-url Konfiguracja biblioteki dj-database-url Django Debug Toolbar Konfiguracja narzędzia Django Debug Toolbar django-crispy-forms Filtr crispy Znacznik szablonów crispy Użycie biblioteki Django Crispy Forms z formularzem SearchForm django-allauth Inicjalizacja uwierzytelniania za pomocą biblioteki django-allauth Zadanie 15.1. Aktualizacja formularza z wykorzystaniem klasy FormHelper . Używanie frontendowej biblioteki JavaScriptu z Django Platformy JavaScriptu Wprowadzenie do JavaScriptu React Komponenty . Konfiguracja przykładowej strony z wykorzystaniem Reacta 614Poleć książkęKup książkę JSX JSX i Babel Właściwości JSX Właściwości komponentu Reacta Obiekty Promise w JavaScripcie fetch Pobieranie i wyświetlanie książek Znacznik szablonów verbatim.

Sygnatura czytelni BWEAiI: XII Ł 216

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 153006 (1 egz.)

Książka

W koszyku

Autor

Shaw Zed. Lachowski Lech.

Forma i typ

Książki Publikacje fachowe

Temat

Python (język programowania) Programowanie obiektowe

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Indeks.

Ulepszenia w edycji Python 3 (15) Trudna droga jest łatwiejsza (16) Czytanie i pisanie (16) Dbałość o szczegóły (16) Dostrzeganie różnic (16) Pytaj, pytaj i pytaj (17) Nie przeklejaj (17) Uwagi na temat ćwiczeń i wytrwałości (17) Ćwiczenie 0. Konfiguracja (20) macOS (20) macOS. Co powinieneś zobaczyć (21) Windows (21) Windows. Co powinieneś zobaczyć (22) Linux (23) Linux. Co powinieneś zobaczyć (23) Szukanie informacji w internecie (24) Ostrzeżenia dla początkujących (24) Alternatywne edytory tekstów (25) Ćwiczenie 1. Dobry pierwszy program (28) Ćwiczenie 2. Komentarze i znaki kratki (34) Ćwiczenie 3. Liczby i działania algebraiczne (36) Ćwiczenie 4. Zmienne i nazwy (40) Ćwiczenie 6. Łańcuchy znaków i tekst (46) Ćwiczenie 7. Więcej drukowania (50) Ćwiczenie 8. Drukowanie, drukowanie (52) Ćwiczenie 9. Drukowanie, drukowanie, drukowanie (54) Ćwiczenie 10. Co to było? (56) Ćwiczenie 11. Zadawanie pytań (60) Ćwiczenie 12. Wyświetlanie podpowiedzi dla użytkownika (62) Ćwiczenie 13. Parametry, rozpakowywanie i zmienne (64) Ćwiczenie 14. Znak zachęty i przekazywanie zmiennej (68) Ćwiczenie 15. Czytanie z plików (72) Ćwiczenie 16. Czytanie i zapisywanie plików (76) Ćwiczenie 17. Więcej plików (80) Ćwiczenie 18. Nazwy, zmienne, kod i funkcje (84) Ćwiczenie 19. Funkcje i zmienne (88) Ćwiczenie 20. Funkcje i pliki (92) Ćwiczenie 21. Funkcje mogą coś zwracać (96) Ćwiczenie 22. Czego nauczyłeś się do tej pory? (100) Ćwiczenie 23. Łańcuchy znaków, bajty i kodowanie znaków (102) Wstępne badanie kodu (102) Przełączniki, konwencje i rodzaje kodowania (104) Analizujemy dane wyjściowe (106) Analizujemy kod (106) Bawimy się kodowaniem (109) Popsuj kod (109) Ćwiczenie 24. Więcej praktyki (110) Co powinieneś zobaczyć (111) Zrób to sam (111) Typowe pytania (111) Ćwiczenie 25. Jeszcze więcej praktyki (112) Ćwiczenie 26. Gratulacje, rozwiąż test! (116) Ćwiczenie 27. Zapamiętywanie logiki (118) Wyrażenie logiczne (119) Tablice prawdy (119) Typowe pytania (120) Ćwiczenie 28. Ćwiczymy logikę boolowską (122) Ćwiczenie 29. Co, jeśli... (126) Ćwiczenie 30. Else oraz if (128) Ćwiczenie 31. Podejmowanie decyzji (130) Ćwiczenie 32. Pętle i listy (134) Ćwiczenie 33. Pętle while (138) Ćwiczenie 34. Uzyskiwanie dostępu do elementów list (142) Ćwiczenie 35. Gałęzie i funkcje (144) Ćwiczenie 36. Projektowanie i debugowanie (148) Ćwiczenie 37. Przegląd symboli (150) Słowa kluczowe (150) Typy danych (151) Sekwencje ucieczki (152) Formatowanie łańcuchów znaków w starym stylu (152) Operatory (153) Czytanie kodu (154) Zrób to sam (155) Typowe pytania (155) Ćwiczenie 38. Operacje na listach (156) Co mogą robić listy (158) Kiedy używać list (159) Ćwiczenie 39. Słowniki, piękne słowniki (162) Przykład słownika (163) Co powinieneś zobaczyć (164) Co mogą robić słowniki (165) Ćwiczenie 40. Moduły, klasy i obiekty (168) Moduły są jak słowniki (168) Klasy są jak moduły (169) Obiekty są jak import (170) Różne sposoby pobierania elementów (171) Pierwszy przykład klasy (172) Ćwiczenie 41. Uczymy się mówić obiektowo (174) Ćwiczymy słówka (174) Ćwiczymy zdania (174) Ćwiczenie łączone (175) Test z czytania (175) Tłumaczenie ze zdań na kod (177) Poczytaj jeszcze więcej kodu (178) Ćwiczenie 42. Jest, ma, obiekty i klasy (180) Jak to wygląda w kodzie (181) Na temat class Nazwa(object) (183) Ćwiczenie 43. Podstawowa analiza obiektowa i projekt (186) Analiza prostego silnika gry (187) Opisz lub rozrysuj problem (187) Wyodrębnij kluczowe pojęcia i zbadaj je (188) Utwórz hierarchię klas i mapę obiektów dla koncepcji (188) Zakoduj klasy i napisz test, aby je uruchomić (189) Powtórz i udoskonal (191) Z góry do dołu i z dołu do góry (191) Kod gry Goci z planety Percal 25 (192) Co powinieneś zobaczyć (198) Ćwiczenie 44. Porównanie dziedziczenia i kompozycji (200) Co to jest dziedziczenie (200) Dziedziczenie domyślne (201) Bezpośrednie nadpisanie (202) Zmiana zachowania przed lub po (202) Połączenie wszystkich trzech sposobów (203) Dlaczego super() (205) Używanie super() z __init__ (205) Kompozycja (205) Kiedy używać dziedziczenia, a kiedy kompozycji (207) Ćwiczenie 45. Tworzysz grę (210) Ocenianie napisanej gry (210) Styl funkcji (211) Styl klas (211) Styl kodu (212) Dobre komentarze (212) Oceń swoją grę (213) Ćwiczenie 46. Szkielet projektu (214) Konfiguracja w systemach macOS i Linux (214) Konfiguracja w systemie Windows 10 (215) Tworzenie szkieletu katalogu projektów (217) Ostateczna struktura katalogów (218) Testowanie konfiguracji (219) Używanie szkieletu (220) Wymagany quiz (220) Typowe pytania (220) Ćwiczenie 47. Zautomatyzowane testowanie (222) Pisanie przypadku testowego (222) Wytyczne testowania (224) Ćwiczenie 48. Zaawansowane wprowadzanie danych przez użytkownika (226) Nasz leksykon gry (226) Rozkładanie zdań na części (227) Krotki leksykonu (227) Skanowanie danych wejściowych (227) Wyjątki i liczby (227) Wyzwanie "najpierw przygotuj testy" (228) Ćwiczenie 49. Tworzenie zdań (232) Dopasowywanie i podglądanie (232) Gramatyka zdania (233) Słowo o wyjątkach (233) Kod parsera (233) Zabawa z parserem (236) Ćwiczenie 50. Twoja pierwsza strona internetowa (238) Instalowanie frameworku flask (238) Tworzenie prostego projektu "Witaj, świecie" (238) Co się tutaj dzieje (240) Naprawianie błędów (240) Tworzenie podstawowych szablonów (241) Ćwiczenie 51. Pobieranie danych wejściowych z przeglądarki (246) Jak działa sieć (246) Jak działają formularze (248) Tworzenie formularzy HTML (249) Tworzenie szablonu układu (251) Pisanie zautomatyzowanych testów dla formularzy (252) Zrób to sam (254) Popsuj kod (254) Ćwiczenie 52. Początek Twojej gry internetowej (256) Refaktoryzacja gry z ćwiczenia 43. (256) Tworzenie silnika (261) Następne kroki (266) Jak uczyć się dowolnego języka programowania (267) Przyspieszony kurs wiersza poleceń (272) Wprowadzenie: zamknij się i zacznij używać powłoki (272) Będziesz musiał zapamiętywać rzeczy (273) Konfiguracja (274) Zadanie (274) Ścieżki, foldery, katalogi (pwd) (277) Tworzenie katalogu (mkdir) (279) Zmienianie katalogu (cd) (281) Listowanie katalogu (ls) (285) Zadanie (285) Czego się nauczyłeś (287) Zadanie dodatkowe (288) Usuwanie katalogu (rmdir) (288) Poruszanie się po katalogach (pushd, popd) (290) Tworzenie pustych plików (touch/New-Item) (293) Kopiowanie pliku (cp) (294) Przenoszenie pliku (mv) (297) Przeglądanie pliku (less/more) (299) Strumieniowanie pliku (cat) (300) Usuwanie pliku (rm) (301) Wyjście z terminala (exit) (303) Następne kroki z wierszem poleceń (304) Zasoby dla uniksowej powłoki bash (304)

Sygnatura czytelni BWEAiI: XII Ł 96

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 145992 N (1 egz.)

Książka

W koszyku

Autor

Shaw Zed. Lachowski Lech.

Forma i typ

Książki Publikacje dydaktyczne Publikacje fachowe

Temat

Python (język programowania) Programowanie obiektowe (informatyka)

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Tytuł oryginału: Learn more Python 3 : the next step for new Python programmers.

Na książce także ISBN oryginału.

Na stronie redakcyjnej: "Authorized translation from the english language edition, entilted: Learn Python 3 the hard way: a very simple introduction to the terrifyingly beautiful world of computers and code".

Indeks.

CZĘŚĆ I. POCZĄTKOWA WIEDZA (14) A jeśli naprawdę nie podoba mi się idea Twojego głupiego procesu osobistego, Zed? (15) A jeśli się okaże, że jestem beznadziejny? (15) Ćwiczenie 0. Konfiguracja (18) Edytor programisty (18) Python 3.6 (18) Działający Terminal (19) Działająca konfiguracja pip+virtualenv (19) Dziennik laboratoryjny (19) Opcjonalnie: oprogramowanie do nagrywania ekranu (19) Ćwiczenie 1. O procesie (22) Ćwiczenie 2. O kreatywności (26) Ćwiczenie 3. O jakości (28) CZĘŚĆ II. SZYBKIE SESJE KODOWANIA (32) Jak ćwiczyć kreatywność? (33) Proces dla początkujących programistów (34) Proces kodowania dla początkującego programisty (35) Ćwiczenie 4. Obsługiwanie argumentów wiersza poleceń (36) Ćwiczenie 5. Polecenie cat (40) Ćwiczenie 6. Polecenie find (44) Ćwiczenie 7. Polecenie grep (48) Ćwiczenie 8. Polecenie cut (50) Ćwiczenie 9. Polecenie sed (52) Ćwiczenie 10. Polecenie sort (54) Ćwiczenie 11. Polecenie uniq (56) Ćwiczenie 12. Przegląd (58) CZĘŚĆ III. STRUKTURY DANYCH (60) Uczenie się jakości poprzez struktury danych (61) Jak studiować struktury danych? (62) Ćwiczenie 13. Listy jednokierunkowe (64) Opis (64) Kontroler (66) Test (67) Wstępny audyt (69) Audyt (70) Ćwiczenie 14. Listy dwukierunkowe (72) Wprowadzamy warunki niezmienne (73) Ćwiczenie 15. Stosy i kolejki (76) Popsuj kod (78) Ćwiczenie 16. Sortowanie bąbelkowe, przez scalanie i szybkie (80) Ćwiczenie 17. Słownik (88) Wykonanie kopii wzorcowej kodu (88) Skopiuj kod (89) Adnotuj kod (92) Podsumuj strukturę danych (92) Zapamiętaj podsumowanie (93) Zaimplementuj z pamięci (94) Powtarzaj (95) Popsuj kod (95) Ćwiczenie 18. Mierzenie wydajności (96) Narzędzia (96) Analizowanie wydajności (98) Wyzwanie (100) Popsuj kod (100) Ćwiczenie 19. Poprawianie wydajności (102) Ćwiczenie 20. Binarne drzewo poszukiwań (106) Wymagania BSTree (106) Usuwanie (107) Ćwiczenie 21. Wyszukiwanie binarne (110) Ćwiczenie 22. Tablice sufiksowe (112) Ćwiczenie 23. Drzewo trójkowe (114) Ćwiczenie 24. Szybkie wyszukiwanie URL (118) CZĘŚĆ IV. ŚREDNIO ZAAWANSOWANE PROJEKTY (120) Śledzenie błędów (121) Ćwiczenie 25. Polecenie xargs (122) Ćwiczenie 26. Polecenie hexdump (124) Ćwiczenie 27. Polecenie tr (128) Krytyka 45-minutowych bloków (129) Ćwiczenie 28. Polecenie sh (130) Ćwiczenie 29. Polecenia diff i patch (132) CZĘŚĆ V. PARSOWANIE TEKSTU (134) Stopień pokrycia kodu (134) Ćwiczenie 30. Automaty skończone (136) Ćwiczenie 31. Wyrażenia regularne (140) Ćwiczenie 32. Skanery (144) Skaner szczątkowego Pythona (145) Ćwiczenie 33. Parsery (150) Parser schodzenia rekurencyjnego (151) Gramatyka BNF (152) Szybki parser demo (153) Ćwiczenie 34. Analizatory (158) Wzorzec Odwiedzający (159) Krótki analizator szczątkowego Pythona (159) Porównanie parsera i analizatora (162) Ćwiczenie 35. Interpretery (164) Porównanie interpreterów i kompilatorów (164) Python jest jednym i drugim (165) Jak napisać interpreter? (165) Ćwiczenie 36. Prosty kalkulator (168) Ćwiczenie 37. Mały BASIC (170) CZĘŚĆ VI. SQL I MAPOWANIE OBIEKTOWO-RELACYJNE (172) SQL i tabele (172) Czego się dowiesz? (173) Ćwiczenie 38. Wprowadzenie do SQL (174) Czym jest SQL? (174) Konfiguracja (175) Nauka słownictwa SQL (176) Gramatyka SQL (177) Ćwiczenie 39. Tworzenie za pomocą SQL (178) Tworzenie tabel (178) Tworzenie wielotabelowych baz danych (178) Wstawianie danych (179) Wstawianie danych referencyjnych (180) Ćwiczenie 40. Odczytywanie za pomocą SQL (182) Wybieranie z wielu tabel (182) Ćwiczenie 41. Aktualizacja za pomocą SQL (186) Aktualizacja złożonych danych (186) Podmienianie danych (187) Ćwiczenie 42. Usuwanie za pomocą SQL (190) Usuwanie przy użyciu innych tabel (190) Ćwiczenie 43. Administrowanie bazą danych SQL (194) Niszczenie i zmienianie tabel (194) Migracja i ewoluowanie danych (195) Ćwiczenie 44. Korzystanie z API baz danych Pythona (198) Nauka API (198) Ćwiczenie 45. Tworzenie ORM (200) CZĘŚĆ VII. PROJEKTY KOŃCOWE (202) Jaki jest Twój proces? (203) Ćwiczenie 46. Narzędzie blog (204) Ćwiczenie 47. Język bc (206) Ćwiczenie 48. Narzędzie ed (208) Ćwiczenie 49. Narzędzie sed (210) Ćwiczenie 50. Narzędzie vi (212) Ćwiczenie 51. lessweb (214) Ćwiczenie 52. moreweb (216)

Sygnatura czytelni BWEAiI: XII Ł 105

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 146537 N (1 egz.)

Książka

W koszyku

Autor

Slatkin Brett. Górczyński Robert.

Forma i typ

Książki Publikacje fachowe

Temat

Python (język programowania)

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Wydanie 2. odnosi się do oryginału.

Tytuł oryginału: Effective Python : 90 specific ways to write better Python.

Rozdział 1. Programowanie zgodne z duchem Pythona 19 Sposób 1. Ustalenie używanej wersji Pythona 19 Sposób 2. Stosuj styl PEP 8 21 Sposób 3. Różnice między typami bytes i str 23 Sposób 4. Wybieraj interpolowane ciągi tekstowe f zamiast ciągów tekstowych formatowania w stylu C i funkcji str.format() 28 Sposób 5. Decyduj się na funkcje pomocnicze zamiast na skomplikowane wyrażenia 38 Sposób 6. Zamiast indeksowania wybieraj rozpakowanie wielu operacji przypisania 41 Sposób 7. Preferuj użycie funkcji enumerate() zamiast range() 44 Sposób 8. Używaj funkcji zip() do równoczesnego przetwarzania iteratorów 46 Sposób 9. Unikaj bloków else po pętlach for i while 48 Sposób 10. Unikaj powtórzeń w wyrażeniach przypisania 50 Rozdział 2. Lista i słownik 57 Sposób 11. Umiejętnie podziel sekwencje 57 Sposób 12. Unikaj użycia indeksów początek, koniec i wartości kroku w pojedynczej operacji podziału 60 Sposób 13. Wybieraj rozpakowanie typu catch-all zamiast tworzenia wycinków 62 Sposób 14. Używaj parametru key podczas sortowania według skomplikowanych kryteriów 66 Sposób 15. Zachowaj ostrożność, gdy polegasz na kolejności wstawiania elementów do obiektu typu dict 71 Sposób 16. Podczas obsługi brakujących kluczy słownika wybieraj funkcję get() zamiast operatora in i wyjątku KeyError 78 Sposób 17. Podczas obsługi brakujących elementów w wewnętrznym stanie wybieraj typ defaultdict zamiast metody setdefault() 82 Sposób 18. Wykorzystaj metodę __missing__() do tworzenia wartości domyślnych w zależności od klucza 84 Rozdział 3. Funkcje 89 Sposób 19. Gdy funkcja zwraca wiele wartości, nie rozpakowuj więcej niż trzech zmiennych 89 Sposób 20. Preferuj wyjątki zamiast zwrotu wartości None 92 Sposób 21. Zobacz, jak domknięcia współdziałają z zakresem zmiennej 95 Sposób 22. Zmniejszenie wizualnego zagmatwania za pomocą zmiennej liczby argumentów pozycyjnych 98 Sposób 23. Zdefiniowanie zachowania opcjonalnego za pomocą argumentów w postaci słów kluczowych 101 Sposób 24. Użycie None i docstring w celu dynamicznego określenia argumentów domyślnych 105 Sposób 25. Wymuszaj czytelność kodu, stosując jedynie argumenty w postaci słów kluczowych 108 Sposób 26. Dekoratory funkcji definiuj za pomocą functools.wraps 112 Rozdział 4. Konstrukcje składane i generatory 117 Sposób 27. Używaj list składanych zamiast funkcji map() i filter() 117 Sposób 28. Unikaj więcej niż dwóch wyrażeń na liście składanej 119 Sposób 29. Stosuj wyrażenia przypisania, aby unikać powielania zadań w konstrukcjach składanych 121 Sposób 30. Rozważ użycie generatorów, zamiast zwracać listy 124 Sposób 31. Podczas iteracji przez argumenty zachowuj postawę defensywną 126 Sposób 32. Rozważ użycie generatora wyrażeń dla dużych list składanych 131 Sposób 33. Twórz wiele generatorów za pomocą wyrażenia yield from 132 Sposób 34. Unikaj wstrzykiwania danych do generatorów za pomocą metody send() 135 Sposób 35. Unikaj w generatorach przejścia między stanami za pomocą metody throw() 140 Sposób 36. Rozważ stosowanie modułu itertools w pracy z iteratorami i generatorami 144 Rozdział 5. Klasy i interfejsy 151 Sposób 37. Twórz klasy, zamiast zagnieżdżać wiele poziomów typów wbudowanych 151 Sposób 38. Dla prostych interfejsów akceptuj funkcje zamiast klas 157 Sposób 39. Użycie polimorfizmu @classmethod w celu ogólnego tworzenia obiektów 160 Sposób 40. Inicjalizacja klasy nadrzędnej za pomocą wywołania super() 165 Sposób 41. Rozważ łączenie funkcjonalności za pomocą klas domieszek 169 Sposób 42. Preferuj atrybuty publiczne zamiast prywatnych 173 Sposób 43. Stosuj dziedziczenie po collections.abc w kontenerach typów niestandardowych 178 Rozdział 6. Metaklasy i atrybuty 183 Sposób 44. Używaj zwykłych atrybutów zamiast metod typu getter i setter 183 Sposób 45. Rozważ użycie @property zamiast refaktoryzacji atrybutów 187 Sposób 46. Stosuj deskryptory, aby wielokrotnie wykorzystywać metody udekorowane przez @property 191 Sposób 47. Używaj metod __getattr__(), __getattribute__() i __setattr__() dla opóźnionych atrybutów 196 Sposób 48. Sprawdzaj podklasy za pomocą __init_subclass__ 201 Sposób 49. Rejestruj istniejące klasy za pomocą __init_subclass__() 208 Sposób 50. Adnotacje atrybutów klas dodawaj za pomocą metody __set_name__() 212 Sposób 51. Dla złożonych rozszerzeń klas wybieraj dekoratory klas zamiast metaklas 216 Rozdział 7. Współbieżność i równoległość 223 Sposób 52. Używaj modułu subprocess do zarządzania procesami potomnymi 224 Sposób 53. Użycie wątków dla operacji blokujących wejście- yjście, unikanie równoległości 228 Sposób 54. Używaj klasy Lock, aby unikać stanu wyścigu w wątkach 232 Sposób 55. Używaj klasy Queue do koordynacji pracy między wątkami 236 Sposób 56. Naucz się rozpoznawać, kiedy współbieżność jest niezbędna 244 Sposób 57. Unikaj tworzenia nowych egzemplarzy Thread na żądanie fan-out 248 Sposób 58. Pamiętaj, że stosowanie Queue do obsługi współbieżności wymaga refaktoringu 252 Sposób 59. Rozważ użycie klasy ThreadPoolExecutor, gdy wątki są potrzebne do zapewnienia współbieżności 258 Sposób 60. Zapewnij wysoką współbieżność operacji wejścia-wyjścia dzięki użyciu współprogramów 260 Sposób 61. Naucz się przekazywać do asyncio wątkowane operacje wejścia-wyjścia 264 Sposób 62. Połączenie wątków i współprogramów w celu ułatwienia konwersji na wersję stosującą asyncio 274 Sposób 63. Maksymalizuj responsywność przez unikanie blokującej pętli zdarzeń asyncio 280 Sposób 64. Rozważ użycie concurrent.futures(), aby otrzymać prawdziwą równoległość 283 Rozdział 8. Niezawodność i wydajność 289 Sposób 65. Wykorzystanie zalet wszystkich bloków w konstrukcji try-except-else-finally 289 Sposób 66. Rozważ użycie poleceń contextlib i with w celu uzyskania wielokrotnego użycia konstrukcji try-finally 294 Sposób 67. Podczas obsługi czasu lokalnego używaj modułu datetime zamiast time 297 Sposób 68. Niezawodne użycie pickle wraz z copyreg 301 Sposób 69. Gdy ważna jest precyzja, używaj modułu decimal 307 Sposób 70. Przed optymalizacją przeprowadzaj profilowanie 310 Sposób 71. Wybieraj typ deque podczas tworzenia kolejek typu producent - konsument 314 Sposób 72. Podczas wyszukiwania danych w sortowanych sekwencjach stosuj moduł bisect 321 Sposób 73. W kolejkach priorytetowych używaj modułu heapq 323 Sposób 74. Podczas kopiowania zerowego obiektów typu bytes używaj egzemplarzy memoryview i bytearray 331 Rozdział 9. Testowanie i debugowanie 337 Sposób 75. Używaj ciągów tekstowych repr do debugowania danych wyjściowych 338 Sposób 76. W podklasach klasy TestCase sprawdzaj powiązane ze sobą zachowanie 341 Sposób 77. Izoluj testy od siebie za pomocą metod setUp(), tearDown(), setUpModule() i tearDownModule() 348 Sposób 78. Podczas testowania kodu zawierającego skomplikowane zależności korzystaj z imitacji 350 Sposób 79. Hermetyzuj zależności, aby ułatwić tworzenie imitacji i testowanie 357 Sposób 80. Rozważ interaktywne usuwanie błędów za pomocą pdb 361 Sposób 81. Stosuj moduł tracemalloc, aby poznać sposób użycia pamięci i wykryć jej wycieki 365 Rozdział 10. Współpraca 369 Sposób 82. Kiedy szukać modułów opracowanych przez społeczność? 369 Sposób 83. Używaj środowisk wirtualnych dla odizolowanych i powtarzalnych zależności 370 Sposób 84. Dla każdej funkcji, klasy i modułu utwórz docstring 375 Sposób 85. Używaj pakietów do organizacji modułów i dostarczania stabilnych API 380 Sposób 86. Rozważ użycie kodu o zasięgu modułu w celu konfiguracji środowiska wdrożenia 385 Sposób 87. Zdefiniuj główny wyjątek Exception w celu odizolowania komponentu wywołującego od API 387 Sposób 88. Zobacz, jak przerwać krąg zależności 391 Sposób 89. Rozważ użycie modułu warnings podczas refaktoryzacji i migracji kodu 395 Sposób 90. Rozważ stosowanie analizy statycznej za pomocą modułu typing w celu usuwania błędów 401

Sygnatura czytelni BWEAiI: XII Ł 167

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 149556 N (1 egz.)

Książka

W koszyku

Zrozumieć Bitcoin : programowanie kryptowalut od podstaw / Jimmy Song ; tłumaczenie: Krzysztof Konatowicz. - Gliwice : Helion, 2020. - 291, [1] strona : ilustracje kolorowe ; 24 cm.

Autor

Song Jimmy. Konatowicz Krzysztof.

Forma i typ

Książki Publikacje popularnonaukowe

Temat

Bitcoin. Python (język programowania). Blockchain. Kryptografia.

Dziedzina i ujęcie

Gospodarka, ekonomia, finanse Informatyka i technologie informacyjne

Na stronie tytułowej i okładce również nazwa wydawcy wydania oryginalnego: O'Reilly.

Indeks.

Ciała skończone Trochę matematyki wyższej Definiowanie zbiorów skończonych Tworzenie ciała skończonego w Pythonie Arytmetyka modulo Arytmetyka modulo w Pythonie Dodawanie i odejmowanie w ciele skończonym Programowanie dodawania i odejmowania w Pythonie Mnożenie i potęgowanie w ciele skończonym Programowanie mnożenia w Pythonie Programowanie potęgowania w Pythonie Dzielenie w ciele skończonym Redefiniowanie potęgowania Krzywe eliptyczne Kodowanie krzywych eliptycznych w Pythonie Dodawanie punktów Matematyka dodawania punktów Programowanie dodawania punktów Programowanie jeszcze jednego przypadku Kryptografia krzywych eliptycznych Krzywe eliptyczne nad ciałem liczb rzeczywistych Krzywe eliptyczne nad ciałami skończonymi Programowanie krzywych eliptycznych nad ciałami skończonymi Dodawanie punktów nad ciałami skończonymi Programowanie dodawania punktów na krzywej nad ciałami skończonymi Mnożenie skalarne dla krzywych eliptycznych Mnożenie skalarne druga odsłona Grupy w matematyce Element neutralny Zamkniętość Element odwrotny Przemienność Łączność Programowanie mnożenia skalarnego Definiowanie krzywej dla Bitcoina Korzystanie z krzywej secp256k1 Kryptografia klucza publicznego Podpisywanie i weryfikacja Wpisywanie celu Szczegóły weryfikacji Weryfikacja podpisu Programowanie weryfikacji podpisów Szczegóły podpisywania Tworzenie podpisu Programowanie podpisywania komunikatów Serializacja Nieskompresowany format SEC Skompresowany format SEC Podpisy DER Base58 Przesyłanie klucza publicznego Format adresu Format WIF Porządek bajtowy (big- i little-endian) dodatkowe informacje Transakcje Składniki transakcji Wersja Wejścia Przetwarzanie pola ze skryptem Wyjścia Czas blokady Kodowanie transakcji Opłata transakcyjna Obliczanie opłaty transakcyjnej Język Script Przykładowe operacje Programowanie obsługi kodów operacji Przetwarzanie pól ze skryptami Programowanie analizatora składniowego i serializatora pól skryptów Scalanie pól ze skryptami Programowanie scalania skryptów Skrypty standardowe p2pk Programowanie interpretera skryptów Elementy stosu pod lupą Problemy z p2pk Rozwiązywanie problemów za pomocą p2pkh p2pkh Skrypty mogą być konstruowane dowolnie Użyteczność skryptów Wyzwanie: znalezienie kolizji SHA-1 Tworzenie i walidacja transakcji Walidacja transakcji Sprawdzanie wydania wejść Sprawdzanie sumy wejść i sumy wyjść Sprawdzanie podpisu zerujemy wszystkie skrypty ScriptSig zastępujemy ScriptSig podpisywanego wejścia poprzednim ScriptPubKey dołączamy typ skrótu Weryfikacja całej transakcji Tworzenie transakcji Konstruowanie transakcji Tworzenie transakcji Podpisywanie transakcji Tworzenie własnych transakcji w testnecie Pay-to-script-hash Czysty multisig Programowanie obsługi OP_CHECKMULTISIG Problemy z czystym multisig Pay-to-script-hash (p2sh) Programowanie p2sh Bardziej skomplikowane skrypty Adresy Weryfikacja podpisów p2sh zerujemy wszystkie skrypty ScriptSig zastępujemy ScriptSig podpisywanego wejścia p2sh skryptem RedeemScript dołączamy typ skrótu Bloki Transakcje coinbase ScriptSig BIP0034 Nagłówki bloków Wersja Poprzedni blok Korzeń drzewa skrótów Znacznik czasu Sekwencja bitowa Wartość nonce Dowód pracy W jaki sposób górnik generuje nowe skróty? Trudność Sprawdzanie dowodu pracy Zmiana trudności Techniki sieciowe Komunikaty sieciowe Interpretowanie treści komunikatu Uzgadnianie komunikacji w sieci Łączenie się z siecią Odbieranie nagłówków bloków Odpowiedź z nagłówkami Uproszczona weryfikacja płatności Motywacja Drzewo skrótów Element nadrzędny Poziom nadrzędny drzewa skrótów Korzeń drzewa skrótów w blokach Korzystanie z drzewa skrótów Blok drzewa skrótów Struktura drzewa skrótów Programowanie obsługi drzewa skrótów Komunikat sieciowy merkleblock Wykorzystanie flag bitowych i skrótów Filtry Blooma Filtry Blooma według BIP0037 Ładowanie filtra Blooma Pobieranie bloków drzewa skrótów Pobieranie interesujących nas transakcji Segwit Pay-to-witness-pubkey-hash (p2wpkh) Kowalność transakcji Eliminowanie kowalności Transakcje p2wpkh p2sh-p2wpkh Programowanie p2wpkh i p2sh-p2wpkh Pay-to-witness-script-hash (p2wsh) p2sh-p2wsh Programowanie p2wsh i p2sh-p2wsh Inne usprawnienia Tematy zaawansowane i dalsze kroki Proponowane tematy do dalszej nauki Portfele Hierarchiczne portfele deterministyczne Seedy mnemoniczne Kanały płatnicze i sieć Lightning Społeczność Proponowane dalsze projekty Portfel testnetowy Eksplorator bloków Sklep internetowy Biblioteka narzędzi Poszukiwanie pracy Ciała skończone Krzywe eliptyczne Kryptografia krzywych eliptycznych Serializacja Transakcje Język Script Tworzenie i walidacja transakcji Pay-to-script-hash Bloki Techniki sieciowe Uproszczona weryfikacja płatności Filtry Blooma Kolofon

Sygnatura czytelni BWZ: XIII A 27

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEiZ

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. E 6241 (1 egz.)

Książka

W koszyku

Jak zaprogramować robota : zastosowanie Raspberry Pi i Pythona w tworzeniu autonomicznych robotów / Danny Staple ; przekład: Anna Mizerska. - Gliwice : Helion, copyright 2022. - 516, [4] strony : fotografie, ilustracje, wykresy ; 24 cm.

Autor

Staple Danny Mizerska Anna

Forma i typ

Książki Publikacje fachowe

Odbiorca

Programiści

Temat

Automatyka Programowanie (informatyka) Python (język programowania) Raspberry Pi Roboty i manipulatory

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne Inżynieria i technika

Wydanie 2. odnosi się do oryginału. W książce także ISBN oryginału.

Bibliografie, netografie przy większości rozdziałów.

Wprowadzenie do robotyki Co oznacza słowo robot? Przykłady zaawansowanych i imponujących robotów Łaziki marsjańskie Roboty w domu Pralka Inne roboty w domu Roboty w przemyśle Robotyczne ramiona Roboty magazynowe Roboty edukacyjne, hobbystyczne i biorące udział w zawodach Odkrywanie elementów robota kod i elektronika Wymagania techniczne Z czego zbudowany jest robot? Rodzaje części robota Rodzaje silników Inne elementy wykonawcze Wskaźniki stanu wyświetlacze, światła i dźwięki Rodzaje czujników Kontrolery oraz wejścia i wyjścia Piny wejścia/wyjścia Kontrolery Wybór Raspberry Pi Projekt z uwzględnieniem części i struktury kodu Projekt fizycznej budowy robota . Odkrywanie Raspberry Pi Odkrywanie możliwości Raspberry Pi Prędkość i moc Złącza i praca w sieci Wybór Raspberry Pi 3A+ Wybór złączy Piny zasilania Magistrale danych Ogólne wejścia/wyjścia Nakładki Hat do Raspberry Pi Czym jest Raspberry Pi OS? Przygotowanie karty SD za pomocą Raspberry Pi Imager . Przygotowanie Raspberry Pi pod robota Czym jest system bez głowy i dlaczego jest praktycznym rozwiązaniem dla robota? Konfiguracja Wi-Fi na Raspberry Pi i włączenie dostępu do SSH Znalezienie swojego Raspberry Pi w sieci Instalacja programu Bonjour w systemie Windows Test programu Bonjour Wykrywanie i rozwiązywanie problemów Łączenie się z Raspberry Pi za pomocą PuTTY lub SSH Konfiguracja Raspberry Pi OS Zmiana nazwy Raspberry Pi Zabezpieczenie Raspberry Pi (choć w małym stopniu) Ponowne uruchomienie Raspberry Pi i połączenie się z nim Aktualizacja oprogramowania Raspberry Pi Wyłączanie Raspberry Pi Tworzenie kopii zapasowej kodu za pomocą Gita i karty pamięci SD Jak kod może zostać uszkodzony lub utracony? Utrata lub uszkodzenie danych na karcie SD Zmiany w kodzie i ustawieniach Strategia 1. Zapisywanie kodu na PC i przesyłanie go do Pi Strategia 2. Użycie Gita do cofania się w czasie Strategia 3. Tworzenie kopii zapasowych na karcie SD Windows Mac Linux Budowanie autonomicznego robota podłączanie czujników i silników do Raspberry Pi Rozdział 6. Podstawy budowania robota koła, zasilanie i połączenia Wybór podwozia robota Rozmiar Liczba kół Koła i silniki Prostota Cena Wybór sterownika silników Stopień integracji Wykorzystanie pinów Rozmiar Lutowanie Zasilanie Złącza Zasilanie robota Testowe dopasowanie elementów robota Składanie podstawy robota Montaż płytek enkodera Montaż wsporników Montaż plastikowych wsporników Montaż metalowych wsporników Montaż kółka samonastawnego Zakładanie kół Przygotowanie przewodów Montaż Raspberry Pi Dodanie baterii Montaż banku energii Montaż koszyka na baterie Gotowa podstawa robota Podłączanie silników do Raspberry Pi Podłączanie sterownika do silników i baterii Niezależne zasilanie Jazda do przodu i skręcanie wprawianie silników w ruch za pomocą Pythona Wymagania techniczne Testowy kod dla silników Przygotowanie bibliotek Test wyszukanie nakładki sterownika silników Test pokazanie, że silniki się kręcą Rozwiązywanie problemów Omówienie kodu Sterowanie robotem Rodzaje sterowania Koła skrętne Koła stałe Inne systemy kierowania Kierowanie budowanym przez nas robotem Obiekt Robot kod do eksperymentów związanych z komunikacją z robotem Dlaczego warto utworzyć ten obiekt? Z czego się składa obiekt Robot? Skrypt pokonania z góry określonej ścieżki . Programowanie czujników odległości za pomocą Pythona Wymagania techniczne Wybór między czujnikami optycznymi a ultradźwiękowymi Optyczne czujniki odległości Ultradźwiękowe czujniki odległości Stany logiczne i przesuwanie poziomów napięcia Dlaczego dwa czujniki? Podłączanie czujnika ultradźwiękowego i odczytywanie z niego danych

Montaż czujników Dodawanie przełącznika zasilania Podłączanie czujników odległości Instalacja bibliotek Pythona do komunikacji z czujnikiem Odczytywanie odległości z czujnika ultradźwiękowego Wykrywanie i rozwiązywanie problemów Unikanie ścian skrypt omijania przeszkód Dodawanie czujników do klasy Robot Zachowania polegające na omijaniu przeszkód Pierwsza próba omijania przeszkód Bardziej zaawansowane omijanie przeszkód Programowanie pasków LED RGB za pomocą Pythona Wymagania techniczne Czym jest pasek LED RGB? Porównanie technologii stosowanych w paskach świetlnych Wartości RGB Podłączanie pasków LED RGB do Raspberry Pi Podłączanie paska LED Pisanie kodu dla diod LED Tworzenie interfejsu LED Dodawanie klasy Leds do klasy Robot Test jednej diody LED Wykrywanie i rozwiązywanie problemów Test wszystkich diod LED Wyświetlanie tęczy za pomocą diod LED Modele przestrzeni barw Odcień Nasycenie Wartość Zamiana HSV na RGB Wyświetlanie tęczy na pasku LED Wykorzystanie paska LED RGB do rozwiązywania problemów z unikaniem przeszkód Dodawanie diod LED do zachowania unikania przeszkód Dodawanie kolorów tęczy . Sterowanie serwomotorami za pomocą Pythona Czym są serwomotory? Budowa serwomotoru Wysyłanie pozycji do serwomotorów Ustawianie serwomotoru za pomocą Raspberry Pi Kod obracający serwomotorem Wykrywanie i rozwiązywanie problemów Sterowanie silnikami prądu stałego i serwomotorami Kalibracja serwomotorów Dodawanie mechanizmu uchylno-obrotowego Budowa mechanizmu uchylno-obrotowego Montaż mechanizmu uchylno-obrotowego na robocie Kod dla mechanizmu uchylno-obrotowego Obiekt serwomotoru Dodawanie serwomotoru do klasy robota Kręcenie mechanizmem uchylno-obrotowym Uruchamianie mechanizmu uchylno-obrotowego Wykrywanie i rozwiązywanie problemów Budowanie sonaru Montaż czujnika Instalacja bibliotek Kod zachowania Wykrywanie i rozwiązywanie problemów Programowanie enkoderów za pomocą Pythona Pomiar przejechanego dystansu za pomocą enkoderów Zastosowanie enkoderów Rodzaje enkoderów Określanie położenia bezwzględnego i względnego Określanie kierunku i prędkości Enkodery w naszym robocie Montaż enkoderów Przygotowanie enkoderów Podnoszenie Raspberry Pi Przymocowanie enkoderów do podwozia Podłączanie enkoderów do Raspberry Pi Wykrywanie pokonanej odległości za pomocą Pythona Zapisywanie informacji w logu Proste zliczanie Wykrywanie i rozwiązywanie problemów Dodawanie enkoderów do obiektu robota Wykorzystanie klasy enkoderów Dodawanie urządzenia do obiektu robota Przeliczanie tyknięć na milimetry Jazda po linii prostej Korygowanie toru jazdy za pomocą regulatora PID Obiekt regulatora PID w Pythonie Kod jazdy po linii prostej Wykrywanie i rozwiązywanie problemów dotyczących tego zachowania Pokonanie zadanego dystansu Refaktoryzacja zamiany jednostek w klasie EncoderCounter Inicjalizacja stałych Zachowanie polegające na pokonywaniu zadanej odległości Skręcanie w określony sposób Funkcja jazdy po łuku Programowanie IMU za pomocą Pythona Urządzenia nawigacji inercyjnej Polecane modele IMU Lutowanie dodawanie złączy do IMU Połączenia lutowane Montaż IMU na robocie Umiejscowienie czujnika na robocie Podłączanie IMU do Raspberry Pi Pomiar temperatury Instalacja oprogramowania Wykrywanie i rozwiązywanie problemów Odczytywanie pomiarów temperatury Tworzenie interfejsu Czym jest VPython? Wykres temperatury Rysowanie wykresu temperatury Wykrywanie i rozwiązywanie problemów Uproszczenie linii poleceń systemu VPython Odczytywanie danych z żyroskopu za pomocą Pythona Zasada działania żyroskopu Układy współrzędnych i obrót Dodawanie żyroskopu do interfejsu Wykres danych z żyroskopu Odczytywanie danych z akcelerometru za pomocą Pythona Zasada działania akcelerometru Dodawanie akcelerometru do interfejsu Wyświetlanie danych z akcelerometru w postaci wektora Praca z magnetometrem Zasada działania magnetometru Dodawanie magnetometru do interfejsu Wyświetlanie danych z magnetometru Słyszenie i widzenie wyposażenie robota w inteligentne czujniki System wizyjny robota z wykorzystaniem bibliotek PiCamera i OpenCV Konfiguracja kamery dla Raspberry Pi Montaż kamery na mechanizmie uchylno-obrotowym Podłączanie kamery Konfiguracja oprogramowania do rozpoznawania obrazów Konfiguracja oprogramowania kamery Pi Zdjęcie z Raspberry Pi Instalacja OpenCV i bibliotek pomocniczych Tworzenie aplikacji dla Raspberry Pi do przesyłania obrazu Projektowanie serwera kamery OpenCV Obiekt CameraStream Tworzenie głównej aplikacji serwera do przesyłania obrazów Budowa szablonu Uruchamianie serwera Wykrywanie i rozwiązywanie problemów Wykonywanie zadań w tle w trakcie przesyłania obrazu Tworzenie trzonu aplikacji webowej Tworzenie sterowanego zachowania Tworzenie szablonu na potrzeby sterowania Uruchamianie sterowalnego serwera z obrazami Podążanie za kolorowymi obiektami za pomocą Pythona Zamiana obrazu na informacje Rozbudowa regulatora PID Dodawanie pozostałych elementów zachowania Stworzenie szablonu do sterowania Napisanie kodu zachowania Uruchamianie zachowania Dobieranie odpowiednich wartości dla regulatora PID Wykrywanie i usuwanie problemów Śledzenie twarzy za pomocą Pythona

Szukanie obiektów na obrazie Całkowanie obrazów Wyszukiwanie podstawowych cech Projektowanie naszego zachowania Kod odpowiedzialny za śledzenie twarzy Uruchamianie zachowania polegającego na śledzeniu twarzy Wykrywanie i rozwiązywanie problemów . Śledzenie linii z wykorzystaniem kamery i Pythona Wymagania techniczne Śledzenie linii wprowadzenie Czym jest śledzenie linii? Zastosowanie w przemyśle Rodzaje technik śledzenia linii Tworzenie trasy testowej dla funkcji śledzenia linii Przygotowanie niezbędnych materiałów Wytyczanie linii Proces śledzenia linii z wykorzystaniem komputerowego rozpoznawania obrazów Algorytmy śledzenia linii za pomocą kamery Proces rozpoznawania linii Testowanie widzenia komputerowego za pomocą przykładowych obrazów Dlaczego należy używać obrazów testowych? Przygotowanie obrazów testowych Kod Pythona znajdujący krawędzie linii Określanie położenia linii na podstawie krawędzi Obrazy testowe z niewyraźną linią Śledzenie linii z wykorzystaniem algorytmu PID Tworzenie schematu zachowania Dodawanie czynnika czasu do regulatora PID Tworzenie wstępnej wersji zachowania Regulacja wartości PID Wykrywanie i rozwiązywanie problemów Ponowne odnajdowanie linii Komunikacja głosowa z robotem za pomocą programu Mycroft Wymagania techniczne Wprowadzenie do programu Mycroft terminologia asystenta głosowego Zamiana mowy na tekst Słowa wybudzające Wypowiedzi Intencja Dialogi Słownictwo Umiejętności Ograniczenia nasłuchiwania mowy przez robota Dodawanie wejścia i wyjścia audio do Raspberry Pi Montaż nakładki Instalacja asystenta głosowego na Raspberry Pi Instalacja oprogramowania nakładki ReSpeaker Pi Wykrywanie i rozwiązywanie problemów Komunikacja programu Mycroft z kartą dźwiękową Pierwsze kroki w programie Mycroft Klient Mycroft Rozmowa z asystentem głosowym Mycroft Wykrywanie i rozwiązywanie problemów Programowanie API za pomocą modułu Flask Zarys sterowania robotem za pomocą Mycroftu Zdalne uruchamianie zachowania Zarządzanie trybami robota Programowanie interfejsu sterującego Wykrywanie i rozwiązywanie problemów Programowanie asystenta głosowego w programie Mycroft Tworzenie intencji Plik konfiguracyjny Plik z zależnościami Tworzenie plików ze słownictwem Pliki z odpowiedziami Obecna struktura folderu umiejętności Wykrywanie i rozwiązywanie problemów Dodawanie kolejnej intencji Słownictwo i dialog Dodawanie kodu Próba po dodaniu nowej intencji Więcej o IMU Wymagania techniczne Programowanie wirtualnego robota Tworzenie modelu w VPythonie Wykrywanie i rozwiązywanie problemów Wykrywanie obrotu za pomocą żyroskopu Kalibracja żyroskopu Obracanie wirtualnym robotem za pomocą żyroskopu Wykrywanie i rozwiązywanie problemów Wykrywanie pochylenia i przechylenia za pomocą akcelerometru Odczyt pochylenia i przechylenia z wektora akcelerometru Wykrywanie i rozwiązywanie problemów Wygładzanie odczytów akcelerometrów Przyrost czasu Fuzja danych pomiarowych z akcelerometru i żyroskopu Wykrywanie i rozwiązywanie problemów Wykrywanie odchylenia za pomocą magnetometru Kalibracja magnetometru Wykrywanie i rozwiązywanie problemów Sprawdzanie danych uzyskanych podczas kalibracji Co, jeśli koła nie nakładają się na siebie? Odczytywanie przybliżonej wartości odchylenia robota z magnetometru Zestawienie odczytów z czujników w celu ustalenia orientacji Rozwiązanie problemu 180 stopni Sterowanie robotem na podstawie danych z IMU . Sterowanie robotem za pomocą telefonu i Pythona Gdy nie działa sterowanie głosem dlaczego musimy mieć możliwość sterowania Menu wybieranie zachowań dla robota Zarządzanie trybami robota Wykrywanie i rozwiązywanie problemów Usługa sieciowa Szablon Uruchamianie aplikacji Wykrywanie i rozwiązywanie problemów Wybór kontrolera jak będziemy sterować robotem i dlaczego Projekt i ogólny zarys Przygotowanie Raspberry Pi do zdalnego sterowania przygotowanie podstawowego systemu sterowania Rozbudowa podstawowej aplikacji do obsługi obrazów Budowa systemu ręcznego sterowania Szablon (strona internetowa) Arkusz stylów Programowanie suwaków Uruchamianie ręcznego sterowania Wykrywanie i rozwiązywanie problemów Robot w pełni sterowany za pomocą telefonu Tryby menu kompatybilne z zachowaniami opartymi na module Flask Wgrywanie usług wideo Nadanie menu stylu Przekształcanie linków menu w przyciski Menu startowe dla Raspberry Pi Dodawanie diody do serwera menu Automatyczne uruchamianie robota za pomocą systemd Wykrywanie i rozwiązywanie problemów Część IV Kontynuacja przygody z robotyką Rozdział 18. Rozwijanie umiejętności z zakresu robotyki Społeczności konstruktorów robotów w sieci fora i media społecznościowe Kanały w serwisie YouTube, które warto znać Pytania natury technicznej gdzie szukać pomocy? Spotkania konstruktorów robotów zawody, miejsca dla twórców, spotkania Przestrzeń dla twórców Targi twórców, Raspberry Jams i Doja Zawody Propozycje nowych umiejętności do zdobycia druk 3D, lutowanie, PCB i CNC Projektowanie Projekty 2D i schematy 3D CAD Umiejętności związane z formowaniem i budowaniem Umiejętności obsługi maszyn i narzędzi Umiejętności manualne i narzędzia Umiejętności związane z elektroniką Zasady w elektronice Rozwijanie umiejętności lutowania Niestandardowe obwody Wzbogacanie wiedzy o rozpoznawaniu obrazów Książki Kursy internetowe Media społecznościowe Wzbogacanie swojej wiedzy o uczenie maszynowe Platforma programistyczna ROS Projekt kolejnego robota podsumowanie Wizualizacja Twojego następnego robota Tworzenie schematu blokowego Wybór części Schemat testowego dopasowania elementów robota Zakup części Składanie robota Planowanie kodu dla robota Warstwy oprogramowania Schematy przepływu danych Ogólnie przyjęte formy schematów Programowanie robota Przedstawienie światu swojego projektu

Sygnatura czytelni BMW: XII D 103 (nowy)

Sygnatura czytelni BWEAiI: XII Ą 118

dostępna w czytelni

Ta pozycja znajduje się w zbiorach 2 placówek. Rozwiń listę, by zobaczyć szczegóły.

Biblioteka Międzywydziałowa

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. M 15294 N (1 egz.)

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 151826 N (1 egz.)

Książka

W koszyku

Python 3 : kompletne wprowadzenie do programowania / Mark Summerfield ; [tł. Robert Górczyński]. - Gliwice : Helion, cop. 2010. - 636 s. : il. ; 23 cm.

Autor

Summerfield Mark. Górczyński Robert.

Temat

Python (język programowania) Programowanie obiektowe

Gatunek

Podręczniki

Tyt. oryg.: Programming in Python 3: a Complete Introduction to the Python Language.

Na s. tyt. i okł.: Wyd. 2 - wynika z dosłownego przekładu oryginału z zachowaniem szaty graficznej i jej oznaczeń.

U góry s. tyt., okł. i na grzb. nazwa wydaw. oryg.: Addison-Wesley.

U góry okł.: Poznaj wspaniałe możliwości języka Python 3 i twórz dowolne programy [...].

Indeks.

Sygnatura czytelni BWEAiI: XII Ł 17

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 125753 N (1 egz.)

Książka

W koszyku

Rekurencyjna książka o rekurencji : zostań mistrzem rozmów kwalifikacyjnych poświęconych językom Python i JavaScript / Al Sweigart ; przekład: Filip Kamiński. - Gliwice : Helion, copyright 2023. - 332, [4] strony : fotografie, ilustracje, wykresy ; 23 cm.

Autor

Sweigart Al. Kamiński Filip (informatyka).

Forma i typ

Książki Publikacje fachowe

Odbiorca

Programiści

Temat

Algorytmy JavaScript Programowanie (informatyka) Python (język programowania) Rekurencja

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Na stronie tytułowej, okładce i grzbiecie także nazwa wydawcy oryginału: No starch press.

Czym są funkcje? Czym są stosy? Czym jest stos wywołań? Czym są funkcje rekurencyjne i przepełnienie stosu? Przypadki bazowe i rekurencyjne Kod przed wywołaniem rekurencyjnym i po wywołaniu rekurencyjnym Rekurencja a iteracja Obliczanie silni Iteracyjny algorytm obliczania silni Rekurencyjny algorytm obliczania silni Dlaczego rekurencyjny algorytm obliczania silni jest szalenie nieefektywny? Znajdowanie wyrazów ciągu Fibonacciego Iteracyjny algorytm wyznaczania n-tego wyrazu ciągu Fibonacciego Rekurencyjny algorytm wyznaczania n-tego wyrazu ciągu Fibonacciego Dlaczego rekurencyjny algorytm wyznaczania n-tego wyrazu ciągu Fibonacciego jest mocno nieefektywny? Zamiana algorytmu rekurencyjnego na iteracyjny Zamiana algorytmu iteracyjnego na rekurencyjny Studium przypadku: obliczanie potęg Rekurencyjna funkcja potęgująca Iteracyjne obliczanie potęgi na podstawie wniosków z algorytmu rekurencyjnego Kiedy powinno się korzystać z rekurencji? Tworzenie algorytmów rekurencyjnych Klasyczne algorytmy rekurencyjne Dodawanie liczb zapisanych w tablicy Odwracanie łańcucha znaków Wykrywanie palindromów Wieże Hanoi Algorytm flood fill Funkcja Ackermanna. Algorytmy z nawrotami i algorytmy przechodzenia przez drzewa Algorytmy przechodzenia przez drzewo Drzewa w Pythonie i JavaScripcie Przechodzenie przez drzewo Przechodzenie przez drzewo w porządku preorder postorder inorder Znajdowanie ośmioliterowych słów w drzewie Ustalanie maksymalnej głębokości drzewa Szukanie wyjścia z labiryntu Algorytmy typu "dziel i zwyciężaj" Wyszukiwanie binarne - znajdowanie książki na półce z ułożonymi alfabetycznie pozycjami Sortowanie szybkie - dzielenie nieposortowanej sterty książek na posortowane stosy Sortowanie przez scalanie - łączenie małych stosów kart do gry w większe posortowane stosy Sumowanie liczb zapisanych w tablicy Algorytm mnożenia Karacuby Matematyka kryjąca się za algorytmem Karacuby Permutacje i kombinacje Podstawy teorii mnogości Znajdowanie permutacji bez powtórzeń - usadzanie gości przy weselnym stole Znajdowanie permutacji za pomocą zagnieżdżonych pętli - podejście dalekie od ideału Permutacje z powtórzeniami - narzędzie do łamania haseł Znajdowanie k-elementowych kombinacji za pomocą rekurencji Znajdowanie wszystkich kombinacji zawierających poprawne nawiasowanie Zbiór potęgowy - znajdowanie wszystkich podzbiorów zbioru Memoizacja i programowanie dynamiczne Memoizacja Programowanie dynamiczne z zastosowaniem strategii top-down Memoizacja w programowaniu funkcyjnym Memoizacja w rekurencyjnym algorytmie wyznaczania elementów ciągu Fibonacciego Moduł functools Pythona Co się stanie, gdy przeprowadzimy memoizację "nieczystej" funkcji? Optymalizacja rekurencji ogonowej Jak działa rekurencja ogonowa i na czym polega jej optymalizacja? Akumulatory w rekurencji ogonowej Ograniczenia rekurencji ogonowej Rekurencja ogonowa - studium przypadku Rekurencja ogonowa - odwracanie łańcuchów znaków Rekurencja ogonowa - potęgowanie parzysty/nieparzysty. Rysowanie fraktali Grafika żółwia Podstawowe funkcje modułu turtle Trójkąt Sierpińskiego Dywan Sierpińskiego Drzewa fraktalne Jak długie jest wybrzeże Wielkiej Brytanii? Krzywa i płatek śniegu Kocha Krzywa Hilberta Projekty Wyszukiwarka plików Program do wyszukiwania plików Funkcje dopasowujące Znajdowanie plików, których rozmiar w bajtach jest parzysty Znajdowanie plików, których nazwy zawierają każdą z pięciu samogłosek Rekurencyjna funkcja walk() Wywoływanie funkcji walk() Funkcje biblioteki standardowej Pythona przydatne w pracy z plikami Ustalanie nazwy pliku Wyszukiwanie informacji o znacznikach czasowych pliku Modyfikowanie plików Generator labiryntów Kod generatora labiryntów Stałe w generatorze labiryntu Tworzenie struktury danych labiryntu Wyświetlanie struktury danych labiryntu Korzystanie z rekurencyjnego algorytmu z nawrotami Rozpoczynanie łańcucha wywołań rekurencyjnych. Układanie "piętnastki" Rekurencyjny algorytm układania "piętnastki" Kod programu do układania "piętnastki" Stałe w programie Reprezentacja układanki w danych Wyświetlanie układanki Tworzenie nowej układanki Znajdowanie współrzędnych pustego pola Wykonywanie ruchu Cofanie ruchu Tworzenie nowej układanki Rekurencyjne rozwiązywanie piętnastki Funkcja solve() Funkcja attemptMove() Uruchamianie solvera Program do rysowania fraktali Fraktale dostępne w programie Algorytm zastosowany w programie Kod programu Fractal Art Maker Stałe w programie i konfiguracja modułu turtle Praca z funkcjami rysującymi kształty Funkcja drawFilledSquare() Funkcja drawTriangleOutline() Funkcja drawFractal() Początek funkcji Obsługa słownika specyfikacji Wykorzystywanie specyfikacji Tworzenie przykładowych fraktali Cztery rogi Spirala kwadratów Podwójna spirala kwadratów Spirala trójkątów Glider z "gry w życie" Conwaya Trójkąt Sierpińskiego Fala Róg Płatek śniegu Rysowanie pojedynczego kwadratu lub trójkąta Tworzenie własnych fraktali. Efekt Droste Instalowanie biblioteki Pillow Przygotowanie obrazka Kod programu Droste Maker Początek implementacji Znajdowanie obszaru w kolorze magenty Zmiana rozmiaru obrazka Rekurencyjne umieszczanie obrazu w obrazie

Sygnatura czytelni BWEAiI: XII N 170

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 154695 N (1 egz.)

Książka

W koszyku

Autor

Sweigart Al Mizerska Anna

Forma i typ

Książki Publikacje dydaktyczne

Temat

Programowanie (informatyka) Programy komputerowe Python (język programowania)

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Tytuł oryginału: The big book of small Python projects : 81 easy practice programs.

Na stronie tytułowej, okładce i grzbiecie także nazwa wydawcy oryginału: No Starch Press.

#1. Bajgle: Odgadnij trzycyfrową liczbę w oparciu o podpowiedzi #2. Paradoks dnia urodzin: Określ prawdopodobieństwo, że dwie osoby w różnej wielkości grupach mają taką samą datę urodzin #3. Bitmapowa wiadomość: Wyświetl wiadomość na ekranie w postaci dwuwymiarowej bitmapy #4. Oczko: Klasyczna gra karciana przeciwko krupierowi ze sztuczną inteligencją #5. Animacja logo DVD: Symulacja kolorowego logo DVD odbijającego się na ekranie #6. Szyfr Cezara: Prosty szyfr używany tysiące lat temu #7. Łamacz szyfru Cezara: Program odczytujący wiadomości napisane szyfrem Cezara bez znajomości klucza #8. Generator kalendarza: Twórz kartki z kalendarza dla danego roku i miesiąca #9. Marchewka w pudełku: Prosta gra na blefowanie dla dwóch graczy #10. Cho-han: Hazardowa gra w kości z feudalnej Japonii #11. Generator chwytliwych nagłówków: Generator śmiesznych nagłówków #12. Problem Collatza: Odkryj najprostszy niemożliwy do rozstrzygnięcia problem matematyczny #13. Gra w życie Conwaya: Klasyczny automat komórkowy, którego proste zasady pozwalają na złożone zachowanie #14. Odliczanie: Licznik w stylu wyświetlacza siedmiosegmentowego #15. Głęboka jaskinia: Animacja tunelu, który nigdy się nie kończy #16. Diamenty: Algorytm rysowania różnej wielkości diamentów #17. Matematyka i kostki: Graficzna gra matematyczna z rzutami kostką #18. Rzut kostką: Narzędzie do odczytywania rzutów kostką używaną w grze Dungeons & Dragons w celu generowania losowych liczb #19. Zegar cyfrowy: Zegar z wyświetlaczem w stylu kalkulatora #20. Strumień cyfrowy: Przewijany wygaszacz ekranu, który przypomina film Matrix #21. Wizualizacja DNA: Niekończąca się podwójna helisa stworzona za pomocą znaków ASCII przedstawiająca łańcuch DNA #22. Kaczątko: Mieszaj i dobieraj łańcuchy znaków, by za pomocą znaków ASCII stworzyć różne kaczuszki #23. Znikopis: Rysuj linie za pomocą kursora #24. Rozkład na czynniki: Wyznacz wszystkie czynniki danej liczby #25. Szybki strzał: Sprawdź swój refleks, by przekonać się, czy jesteś najszybciej klikającą osobą na Dzikim Zachodzie #26. Fibonacci: Generuj liczby sławnego ciągu Fibonacciego #27. Akwarium: Kolorowe, animowane akwarium wykonane ze znaków ASCII #28. Flooder: Próba wypełnienia całej planszy jednym kolorem #29. Pożar lasu: Symulacja rozprzestrzeniania się pożaru w lesie #30. Czwórki: Gra planszowa, w której dwóch graczy stara się ułożyć w rzędzie cztery płytki #31. Odgadnij liczbę: Klasyczna gra w odgadywanie liczby #32. Naiwniak: Zabawny program, który zajmie na długo naiwne osoby #33. Łamacz haseł: Odkryj hasło na podstawie wskazówek #34. Wisielec i Gilotyna: Klasyczna zgadywanka słowna #35. Siatka heksagonalna: Generuj wzory za pomocą programu i znaków ASCII #36. Klepsydra: Prosty silnik spadającego piasku #37. Głodne roboty: Unikaj zabójczych robotów w labiryncie #38. Oskarżam!: Detektywistyczna gra, w której trzeba ustalić, kto kłamie, a kto mówi prawdę #39. Mrówka Langtona: Automat komórkowy, gdzie mrówki poruszają się zgodnie z prostymi zasadami #40. Hakerski slang: Przetłumacz wiadomości na h4k3r$] #41. Szczęśliwe gwiazdy: Gra kościana #42. Magiczna kula: Program odpowiadający "tak"/"nie" na Twoje pytania dotyczące przyszłości #43. Mankala: Starożytna gra planszowa z Mezopotamii dla dwóch osób #44. Labirynt 2D: Spróbuj uciec z labiryntu #45. Labirynt 3D: Spróbuj uciec z labiryntu. w 3D! #46. Symulator miliona rzutów kostką: Odkryj prawdopodobieństwo na podstawie wyników miliona rzutów zestawem kostek #47. Generator sztuki Mondriana: Twórz geometryczne rysunki w stylu Pieta Mondriana #48. Paradoks Monty'ego Halla: Symulacja paradoksu Monty'ego Halla znanego z teleturnieju telewizyjnego #49. Tabliczka mnożenia: Wyświetl tabliczkę mnożenia o wymiarach 12×12 pól #50. 99 butelek: Wyświetl powtarzające się zwrotki piosenki #51. 99 buUtellek: Wyświetl powtarzające się zwrotki piosenki, której tekst staje się z każdym wersem coraz bardziej zniekształcony #52. Systemy liczbowe: Zbadaj liczby w systemie binarnym i szesnastkowym #53. Układ okresowy pierwiastków: Interaktywna baza danych pierwiastków chemicznych #54. Świńska łacina: Tłumacz wiadomości na ińskąśwaj acinęłaj #55. Loteria: Symulacja przegranej w loterii tysiąc razy #56. Liczby pierwsze: Wyznacz liczby pierwsze #57. Pasek postępu: Przykładowy pasek postępu do wykorzystania w innych programach #58. Tęcza: Prosta animacja tęczy dla początkujących #59. Papier, kamień, nożyce: Klasyczna gra z użyciem dłoni dla dwóch osób #60. Papier, kamień, nożyce (wersja zwycięzcy): Wersja gry, w której gracz nie może przegrać #61. Szyfr ROT13: Najprostszy szyfr do kodowania i odkodowania wiadomości #62. Obracający się sześcian: Animacja obracającego się sześcianu #63. Królewska gra z Ur: Gra z Mezopotamii licząca sobie 5000 lat #64. Wyświetlacz siedmiosegmentowy: Wyświetlacz taki jak ten używany w kalkulatorach i kuchenkach mikrofalowych #65. Lśniący dywan: Generuj za pomocą programu dywan jak z filmu Lśnienie #66. Prosty szyfr podstawieniowy: Bardziej zaawansowana wersja szyfru Cezara #67. Sinusoidalna wiadomość: Wyświetlanie przewijanej wiadomości w kształcie fali #68. Przesuwanka: Klasyczna układanka 4×4 #69. Wyścig ślimaków: Szybkie wyścigi ślimaków! #70. Soroban - japoński abakus: Komputerowa symulacja przyrządu do liczenia używanego długo przed powstaniem komputerów #71. Powtarzanie dźwięków: Staraj się zapamiętywać coraz dłuższe sekwencje dźwięków #72. Tekst kanciastoporty: Przetłumacz wiadomość na tEkSt KaNcIaStOpoRtY #73. Sudoku: Klasyczna łamigłówka z gazet #74. Zamiana tekstu na mowę: Spraw, by Twój komputer do Ciebie przemówił! #75. Trzy karty: Podstępna gra w trzy karty, w którą przegrał już niejeden turysta #76. Kółko i krzyżyk: Klasyczna gra dla dwóch osób, w której gracze naprzemiennie stawiają X i O #77. Wieże Hanoi: Klasyczna łamigłówka z krążkami układanymi na sobie według określonych zasad #78. Podchwytliwe pytania: Quiz z pozornie łatwymi pytaniami i zaskakującymi odpowiedziami #79. 2048: Przyjemna układanka polegająca na dopasowywaniu płytek #80. Szyfr Vigenère'a: Szyfr tak zaawansowany, że nikomu nie udało się go złamać przez setki lat, dopóki nie powstały komputery #81. Wiadra z wodą: Uzyskaj dokładnie 4 litry wody przez wylewanie i napełnianie trzech wiader

Sygnatura czytelni BWEAiI: XII Ł 219

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 153060 (1 egz.)

Książka

W koszyku

Autor

Weidman Seth. Walczak Tomasz (tłumacz).

Forma i typ

Książki Publikacje fachowe

Temat

Python (język programowania) Sieci neuronowe (informatyka) Sztuczna inteligencja Uczenie maszynowe. Deep learning

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Tytuł oryginału: Deep learning from scratch : building with Python from first principles.

Na okładce i stronie tytułowej nazwa wydawcy oryginału: O'Reilly.

1. Podstawowe zagadnienia 15 Funkcje 16 Matematyka 16 Diagramy 16 Kod 17 Pochodne 20 Matematyka 20 Diagramy 20 Kod 21 Funkcje zagnieżdżone 22 Diagram 22 Matematyka 22 Kod 23 Inny diagram 23 Reguła łańcuchowa 24 Matematyka 24 Diagram 24 Kod 25 Nieco dłuższy przykład 27 Matematyka 27 Diagram 27 Kod 28 Funkcje z wieloma danymi wejściowymi 29 Matematyka 30 Diagram 30 Kod 30 Pochodne funkcji z wieloma danymi wejściowymi 31 Diagram 31 Matematyka 31 Kod 32 Funkcje przyjmujące wiele wektorów jako dane wejściowe 32 Matematyka 33 Tworzenie nowych cech na podstawie istniejących 33 Matematyka 33 Diagram 33 Kod 34 Pochodne funkcji z wieloma wektorami wejściowymi 35 Diagram 35 Matematyka 36 Kod 36 Następny etap - funkcje wektorowe i ich pochodne 37 Diagram 37 Matematyka 37 Kod 38 Funkcje wektorowe i ich pochodne w kroku wstecz 38 Grafy obliczeniowe z danymi wejściowymi w postaci dwóch macierzy dwuwymiarowych 40 Matematyka 41 Diagram 43 Kod 43 Ciekawa część - krok wstecz 43 Diagram 44 Matematyka 44 Kod 46 2. Wprowadzenie do budowania modeli 51 Wstęp do uczenia nadzorowanego 52 Modele uczenia nadzorowanego 53 Regresja liniowa 55 Regresja liniowa - diagram 55 Regresja liniowa - bardziej pomocny diagram (i obliczenia matematyczne) 57 Dodawanie wyrazu wolnego 58 Regresja liniowa - kod 58 Uczenie modelu 59 Obliczanie gradientów - diagram 59 Obliczanie gradientów - matematyka (i trochę kodu) 60 Obliczanie gradientów - (kompletny) kod 61 Używanie gradientów do uczenia modelu 62 Ocena modelu - testowe i treningowe zbiory danych 63 Ocena modelu - kod 63 Analizowanie najważniejszej cechy 65 Budowanie sieci neuronowych od podstaw 66 Krok 1. Zestaw regresji liniowych 67 Krok 2. Funkcja nieliniowa 67 Krok 3. Inna regresja liniowa 68 Diagramy 68 Kod 70 Sieci neuronowe - krok wstecz 71 Uczenie i ocena pierwszej sieci neuronowej 73 Dwa powody, dla których nowy model jest lepszy 74 3. Deep learning od podstaw 77 Definicja procesu deep learning - pierwszy krok 77 Elementy sieci neuronowych - operacje 79 Diagram 79 Kod 80 Elementy sieci neuronowych - warstwy 82 Diagramy 82 Elementy z elementów 84 Wzorzec warstwy 86 Warstwa gęsta 88 Klasa NeuralNetwork (i ewentualnie inne) 89 Diagram 89 Kod 90 Klasa Loss 90 Deep learning od podstaw 92 Implementowanie treningu na porcjach danych 92 Klasa NeuralNetwork - kod 93 Nauczyciel i optymalizator 95 Optymalizator 95 Nauczyciel 97 Łączenie wszystkich elementów 98 Pierwszy model z dziedziny deep learning (napisany od podstaw) 99 4. Rozszerzenia 101 Intuicyjne rozważania na temat sieci neuronowych 102 Funkcja straty - funkcja softmax z entropią krzyżową 104 Komponent nr 1. Funkcja softmax 104 Komponent nr 2. Entropia krzyżowa 105 Uwaga na temat funkcji aktywacji 108 Eksperymenty 111 Wstępne przetwarzanie danych 111 Model 112 Eksperyment: wartość straty z użyciem funkcji softmax z entropią krzyżową 113 Współczynnik momentum 113 Intuicyjny opis współczynnika momentum 114 Implementowanie współczynnika momentum w klasie Optimizer 114 Eksperyment - algorytm SGD ze współczynnikiem momentum 116 Zmniejszanie współczynnika uczenia 116 Sposoby zmniejszania współczynnika uczenia 116 Eksperymenty - zmniejszanie współczynnika uczenia 118 Inicjowanie wag 119 Matematyka i kod 120 Eksperymenty - inicjowanie wag 121 Dropout 122 Definicja 122 Implementacja 122 Eksperymenty - dropout 123 5. Konwolucyjne sieci neuronowe 127 Sieci neuronowe i uczenie reprezentacji 127 Inna architektura dla danych graficznych 128 Operacja konwolucji 129 Wielokanałowa operacja konwolucji 131 Warstwy konwolucyjne 131 Wpływ na implementację 132 Różnice między warstwami konwolucyjnymi a warstwami gęstymi 133 Generowanie predykcji z użyciem warstw konwolucyjnych - warstwa spłaszczania 134 Warstwy agregujące 135 Implementowanie wielokanałowej operacji konwolucji 137 Krok w przód 137 Konwolucja - krok wstecz 140 Porcje danych, konwolucje dwuwymiarowe i operacje wielokanałowe 144 Konwolucje dwuwymiarowe 145 Ostatni element - dodawanie kanałów 147 Używanie nowej operacji do uczenia sieci CNN 150 Operacja Flatten 150 Kompletna warstwa Conv2D 151 Eksperymenty 152 6. Rekurencyjne sieci neuronowe 155 Najważniejsze ograniczenie - przetwarzanie odgałęzień 156 Automatyczne różniczkowanie 158 Pisanie kodu do akumulowania gradientów 158 Powody stosowania sieci RNN 162 Wprowadzenie do sieci RNN 163 Pierwsza klasa dla sieci RNN - RNNLayer 164 Druga klasa dla sieci RNN - RNNNode 165 Łączenie obu klas 166 Krok wstecz 167 Sieci RNN - kod 169 Klasa RNNLayer 170 Podstawowe elementy sieci RNNNode 172 Zwykłe węzły RNNNode 173 Ograniczenia zwykłych węzłów RNNNode 175 Pierwsze rozwiązanie - węzły GRUNode 176 Węzły LSTMNode 179 Reprezentacja danych dla opartego na sieci RNN modelu języka naturalnego na poziomie znaków 182 Inne zadania z obszaru modelowania języka naturalnego 182 Łączenie odmian warstw RNNLayer 183 Łączenie wszystkich elementów 184 7. PyTorch 187 Typ Tensor w bibliotece PyTorch 187 Deep learning z użyciem biblioteki PyTorch 188 Elementy z biblioteki PyTorch - klasy reprezentujące model, warstwę, optymalizator i wartość straty 189 Implementowanie elementów sieci neuronowej za pomocą biblioteki PyTorch - warstwa DenseLayer 190 Przykład - modelowanie cen domów w Bostonie z użyciem biblioteki PyTorch 191 Elementy oparte na bibliotece PyTorch - klasy optymalizatora i wartości straty 192 Elementy oparte na bibliotece PyTorch - klasa nauczyciela 193 Sztuczki służące do optymalizowania uczenia w bibliotece PyTorch 195 Sieci CNN w bibliotece PyTorch 196 Klasa DataLoader i transformacje 198 Tworzenie sieci LSTM za pomocą biblioteki PyTorch 200 Postscriptum - uczenie nienadzorowane z użyciem autoenkoderów 202 Uczenie reprezentacji 203 Podejście stosowane w sytuacjach, gdy w ogóle nie ma etykiet 203 Implementowanie autoenkodera za pomocą biblioteki PyTorch 204 Trudniejszy test uczenia nienadzorowanego i rozwiązanie 209 A. Skok na głęboką wodę 211 Reguła łańcuchowa dla macierzy 211 Gradient dla wartości straty względem wyrazu wolnego 215 Konwolucje z użyciem mnożenia macierzy 215

Sygnatura czytelni BWEAiI: XII Ł 175

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 149871 N (1 egz.)

Książka

W koszyku

Matematyka dyskretna dla praktyków : algorytmy i uczenie maszynowe w Pythonie / Ryan T. White, Archana Tikayat Ray ; przekład: Filip Kamiński. - Gliwice : Helion, copyright 2022. - 270, [2] strony : ilustracje, wykresy ; 24 cm.

Autor

White Ryan T. Ray Archana Tikayat Kamiński Filip (informatyk)

Forma i typ

Książki Publikacje dydaktyczne

Temat

Algorytmy Matematyka dyskretna Programowanie (informatyka) Python (język programowania) Uczenie maszynowe

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne Matematyka

W książce także ISBN oryginału.

Część I. Podstawowe pojęcia z obszaru matematyki dyskretnej Część II. Zastosowania matematyki dyskretnej w analizie danych i informatyce Część III. Praktyczne zastosowania matematyki dyskretnej 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 Definicja zbiory i ich notacja Definicja elementy zbiorów Definicja zbiór pusty Przykład kilka przykładowych zbiorów Definicja podzbiory i nadzbiory Definicja notacja konstrukcji zbiorów Przykład użycie notacji konstrukcji zbiorów Definicja podstawowe operacje na zbiorach Definicja zbiory rozłączne Przykład liczby parzyste i nieparzyste Twierdzenie prawa De Morgana Dowód Przykład prawo De Morgana Definicja moc zbioru Przykład moce zbiorów Funkcje i relacje Definicja relacje, dziedziny i przeciwdziedziny Definicja funkcje Przykłady relacje kontra funkcje Przykład funkcje w algebrze elementarnej Przykład funkcje w Pythonie i funkcje matematyczne 2. Logika formalna i dowody matematyczne Logika formalna i dowodzenie za pomocą tablic prawdy Podstawy terminologii stosowanej w logice formalnej Przykład niepoprawny argument Przykład wszystkie pingwiny mieszkają w RPA! Podstawowe idee logiki formalnej Tablice prawdy Przykład implikacja odwrotna Przykład prawo przechodniości implikacji Przykład prawa De Morgana Przykład implikacja przeciwstawna Dowody wprost Przykład iloczyn parzystych i nieparzystych liczb całkowitych Przykład pierwiastki liczb parzystych Skrócenie dowodu za pomocą implikacji przeciwstawnej Dowody nie wprost Przykład czy istnieje najmniejsza dodatnia liczba wymierna? Przykład dowód, że 2 jest liczbą niewymierną Przykład ile jest liczb pierwszych? Dowodzenie przez indukcję matematyczną Przykład suma 1+2+...+n Przykład kształty wypełniające przestrzeń Przykład wzrost wykładniczy a wzrost w tempie silni 3. Obliczenia w systemach o podstawie n Zrozumieć liczby o podstawie n Przykład liczby dziesiętne Definicja liczby o podstawie n Konwersje między różnymi podstawami Konwersja liczb o podstawie n na liczby dziesiętne Przykład wartość dziesiętna liczby o podstawie 6 Konwersja z zapisu dziesiętnego na system o podstawie n Przykład konwersja liczby dziesiętnej na liczbę binarną (podstawa 2) Przykład konwersje z systemu dziesiętnego na binarny i szesnastkowy w Pythonie Liczby binarne i ich zastosowania Algebra Boolea Operator AND Operator OR Operator NOT Przykład użytkownicy Netfliksa Liczby szesnastkowe i ich zastosowanie Przykład położenie obiektów w pamięci komputera Przykład wyświetlanie komunikatów o błędach Przykład adresy MAC Przykład kolory w sieci 4. Kombinatoryka z użyciem SciPy Podstawy zliczania Definicja iloczyn kartezjański Twierdzenie moc iloczynów kartezjańskich zbiorów skończonych Definicja iloczyn kartezjański n zbiorów Twierdzenie reguła mnożenia Przykład bajty Przykład kolory w komputerze Permutacje i kombinacje obiektów Definicja permutacja Przykład permutacje prostego zbioru Twierdzenie permutacje zbioru Przykład playlista Wzrost w tempie silni Twierdzenie wariacja bez powtórzeń Definicja kombinacja Przykład kombinacje kontra permutacje prostego zbioru Twierdzenie kombinacje ze zbioru Współczynniki dwumianowe Przykład tworzenie zespołu Przykład kombinacje kul Alokacja pamięci Przykład wstępne przydzielanie pamięci Skuteczność algorytmów siłowych Przykład szyfr Cezara Przykład problem komiwojażera 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 Dowód Przykład sport Twierdzenie monotoniczność Dowód Twierdzenie zasada włączeń i wyłączeń Dowód Definicja rozkład jednostajny Twierdzenie obliczanie prawdopodobieństwa Dowód Przykład rzut wieloma monetami Definicja zdarzenia niezależne Przykład rzucanie wieloma monetami Prawdopodobieństwo warunkowe i twierdzenie Bayesa Definicja prawdopodobieństwo warunkowe Przykład temperatury i opady Twierdzenie reguły mnożenia Dowód Twierdzenie twierdzenie o prawdopodobieństwie całkowitym Dowód Twierdzenie twierdzenie Bayesa Dowód Bayesowski filtr antyspamowy Zmienne losowe, średnie i wariancja Definicja zmienna losowa Przykład błędy przesyłania danych Przykład empiryczna zmienna losowa Definicja wartość oczekiwana Przykład empiryczna zmienna losowa Definicja wariancja i odchylenie standardowe Twierdzenie obliczanie wariancji w praktyce Dowód Przykład empiryczna zmienna losowa Google PageRank (część I) II. Zastosowania matematyki dyskretnej w analizie danych i informatyce 6. Algorytmy algebry liniowej Zrozumieć układy równań liniowych Definicja równanie liniowe dwóch zmiennych Definicja kartezjański układ współrzędnych Przykład równanie liniowe Definicja układ dwóch równań liniowych dwóch zmiennych Przykład układ oznaczony Przykład układ sprzeczny Przykład układ nieoznaczony Definicja układy równań liniowych i ich rozwiązania Definicja układy oznaczone, sprzeczne i nieoznaczone Macierze i macierzowe reprezentacje układów równań liniowych Definicja macierze i wektory Definicja dodawanie i odejmowanie macierzy Definicja mnożenie przez skalar Definicja transpozycja macierzy Definicja iloczyn skalarny wektorów Definicja mnożenie macierzy Przykład ręczne mnożenie macierzy i mnożenie macierzy w NumPy Rozwiązywanie małych układów równań liniowych za pomocą metody eliminacji Gaussa Definicja współczynnik wiodący Definicja zredukowana macierz schodkowa Przykład układ oznaczony z macierzą schodkową Przykład układ sprzeczny z macierzą schodkową Przykład układ nieoznaczony z macierzą schodkową Algorytm eliminacja Gaussa Przykład układ 3 równań liniowych z 3 niewiadomymi Rozwiązywanie dużych układów równań liniowych za pomocą NumPy Przykład układ 3 równań z 3 niewiadomymi (NumPy) Przykład sprzeczne i nieoznaczone układy równań w NumPy Przykład układ 10 równań z 10 niewiadomymi (NumPy) 7. Złożoność algorytmów Złożoność obliczeniowa algorytmów Notacja dużego O Kiedy stałe mają znaczenie? Złożoność algorytmów zawierających podstawowe instrukcje sterujące Przepływ sekwencyjny Przepływ warunkowy Pętla Złożoność popularnych algorytmów wyszukiwania Algorytm wyszukiwania liniowego Czym jest funkcja w Pythonie? Algorytm wyszukiwania binarnego Popularne klasy złożoności obliczeniowej 8. Przechowywanie i wyodrębnianie cech z grafów, drzew i sieci Zrozumieć grafy, drzewa i sieci Definicja graf Definicja stopień wierzchołka Przykład stopnie wierzchołków Twierdzenie suma stopni wierzchołków Definicja ścieżki Definicja cykle Definicja drzewa lub grafy acykliczne Definicja sieci Definicja grafy skierowane Definicja sieci skierowane Przykład sieć skierowana Definicja wierzchołki sąsiednie Definicja grafy i składowe spójne Zastosowania grafów, drzew i sieci Przechowywanie grafów i sieci Definicja lista sąsiedztwa Definicja macierz sąsiedztwa Przykład lista sąsiedztwa i macierz sąsiedztwa Przykład macierz sąsiedztwa niespójnego grafu Definicja macierz sąsiedztwa dla grafu skierowanego Przykład macierz sąsiedztwa dla grafu skierowanego Przykład przechowywanie macierzy sąsiedztwa w Pythonie Wydajne przechowywanie danych sąsiedztwa Definicja macierz wag sieci Przykład macierz wag sieci Definicja macierz wag sieci skierowanej Przykład macierz wag sieci skierowanej Przykład przechowywanie macierzy wag w Pythonie Wyodrębnianie cech z grafów Stopnie wierzchołków w grafie Liczba ścieżek o określonej długości między wierzchołkami Twierdzenie potęgi macierzy sąsiedztwa Potęgi macierzy w Pythonie Twierdzenie najkrótsza (pod względem liczby krawędzi) ścieżka pomiędzy vi i vj Przykład ścieżki między wierzchołkami grafu z rysunku 8.8 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 Najkrótsze ścieżki w sieciach Inne zastosowania najkrótszych ścieżek Definicja problemu najkrótszej ścieżki Sprawdzenie, czy istnieje rozwiązanie Znajdowanie najkrótszych ścieżek metodą siłową Algorytm Dijkstry znajdowania najkrótszych ścieżek Algorytm Dijkstry Algorytm Dijkstry zastosowany do małego problemu Implementacja algorytmu Dijkstry w Pythonie Przykład najkrótsze ścieżki Przykład sieć bez połączenia III. Praktyczne zastosowania matematyki dyskretnej 10. Analiza regresji za pomocą NumPy i scikit-learn Zbiór danych Linie najlepszego dopasowania i metoda najmniejszych kwadratów Zmienne Zależność liniowa Regresja Linia najlepszego dopasowania Metoda najmniejszych kwadratów i suma kwadratów błędów 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 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 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

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 153854 N, 153855 N (2 egz.)

Książka

W koszyku

Algorytmy w Pythonie : techniki programowania dla praktyków / Piotr Wróblewski. - Gliwice : Helion, 2022. - 552 strony : ilustracje, wykresy ; 24 cm.

Autor

Wróblewski Piotr (informatyka).

Forma i typ

Książki Publikacje fachowe

Odbiorca

Programiści

Temat

Programowanie (informatyka) Python (język programowania)

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Bibliografia na stronach 535-536. Indeks.

Systemy obliczeniowe i podstawy kodowaniaRekurencja Analiza złożoności algorytmów Typy proste wbudowane Modelowanie abstrakcyjnych atruktur danych Przykładowe realizacje wybranych struktur danych Typy złożone wbudowane Struktury danych o dostępie ograniczonym Drzewa i ich reprezentacje Algorytmy przeszukiwania sortowania Derekursywacja i optymalizacja algorytmów Przeszukiwanie tekstów Zaawansowane techniki programowania Algorytmy grafowe Matematyka i Python Kodowanie i kompresja danych

Sygnatura czytelni BWEAiI: XII Ł 207

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 152992 (1 egz.)

Książka

W koszyku

Autor

Ziadé Tarek. Watrak Andrzej.

Forma i typ

Publikacje fachowe

Odbiorca

Programiści

Temat

Python (język programowania)

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Tytuł oryginału: Python microservices development.

Na książce także ISBN oryginału.

Indeks.

Rozdział 1. Czym są mikrousługi? (17) Geneza architektury SOA (18) Podejście monolityczne (19) Podejście mikrousługowe (22) Zalety mikrousług (24) Rozdzielenie zakresów odpowiedzialności (24) Mniejsze projekty (24) Skalowanie i wdrażanie (25) Wady mikrousług (26) Nielogiczny podział aplikacji (26) Więcej interakcji sieciowych (27) Powielanie danych (27) Problemy z kompatybilnością (28) Skomplikowane testy (28) Implementacja mikrousług w języku Python (29) Standard WSGI (29) Biblioteki Greenlet i Gevent (31) Platformy Twisted i Tornado (33) Moduł asyncio (34) Wydajność kodu (36) Rozdział 2. Platforma Flask (39) Jaka wersja Pythona? (40) Obsługa zapytań w platformie Flask (41) Kierowanie zapytań (44) Zapytanie (47) Odpowiedź (49) Wbudowane funkcjonalności platformy Flask (50) Obiekt session (51) Zmienne globalne (51) Sygnały (52) Rozszerzenia i pośredniki (53) Szablony (55) Konfiguracja (56) Konspekty (58) Obsługa błędów i diagnostyka kodu (59) Szkielet mikrousługi (62) Rozdział 3. Cykl doskonały: kodowanie, testowanie, dokumentowanie (65) Rodzaje testów (67) Testy jednostkowe (67) Testy funkcjonalne (70) Testy integracyjne (72) Testy obciążeniowe (72) Testy całościowe (75) Pakiet WebTest (76) Narzędzia pytest i tox (78) Dokumentacja programistyczna (80) Ciągła integracja (84) System Travis CI (85) System ReadTheDocs (86) System Coveralls (86) Rozdział 4. Aplikacja Runnerly (89) Aplikacja Runnerly (89) Historie użytkowników (90) Struktura monolityczna (91) Model (92) Widok i szablon (93) Zadania wykonywane w tle aplikacji (96) Uwierzytelnianie i autoryzowanie użytkowników (99) Zebranie elementów w monolityczną całość (102) Dzielenie monolitu (104) Usługa danych (105) Standard Open API 2.0 (106) Dalszy podział aplikacji (108) Rozdział 5. Interakcje z innymi usługami (111) Wywołania synchroniczne (112) Sesje w aplikacji Flask (113) Pula połączeń (116) Pamięć podręczna i nagłówki HTTP (117) Przyspieszanie przesyłania danych (120) Wywołania asynchroniczne (125) Kolejki zadań (125) Kolejki tematyczne (126) Publikowanie i subskrybowanie komunikatów (130) Wywołania RPC w protokole AMQP (130) Testy (131) Imitowanie wywołań synchronicznych (131) Imitowanie wywołań asynchronicznych (133) Rozdział 6. Monitorowanie usług (137) Centralizacja dzienników (138) Konfiguracja systemu Graylog (139) Wysyłanie logów do systemu Graylog (142) Dodatkowe pola (145) Wskaźniki wydajnościowe (146) Wskaźniki systemowe (146) Wskaźniki wydajnościowe kodu (148) Wskaźniki wydajnościowe serwera WWW (150) Rozdział 7. Zabezpieczanie usług (153) Protokół OAuth2 (154) Uwierzytelnienie oparte na tokenach (156) Standard JWT (156) Biblioteka PyJWT (158) Uwierzytelnianie za pomocą certyfikatu X.509 (160) Mikrousługa TokenDealer (162) Stosowanie usługi TokenDealer (165) Zapora WAF (167) Platforma OpenResty: serwer Nginx i język Lua (169) Zabezpieczanie kodu (174) Sprawdzanie odbieranych zapytań (175) Ograniczanie zakresu działania aplikacji (178) Analizator Bandit (179) Rozdział 8. Wszystko razem (183) Tworzenie interfejsu za pomocą biblioteki ReactJS (184) Język JSX (185) Komponenty ReactJS (186) Biblioteka ReactJS i platforma Flask (189) Bower, npm i Babel (190) Współdzielenie zasobów między domenami (193) Uwierzytelnianie użytkowników i autoryzowanie zapytań (195) Komunikacja z usługą danych (195) Uzyskiwanie tokena Strava (196) Uwierzytelnienie w kodzie JavaScript (198) Rozdział 9. Spakowanie i uruchomienie Runnerly (201) Narzędzia pakujące (202) Kilka definicji (203) Pakowanie projektów (204) Wersje projektu (211) Udostępnianie projektu (213) Rozpowszechnianie projektu (215) Uruchamianie mikrousług (218) Zarządzanie procesami (220) Rozdział 10. Usługi kontenerowe (225) Czym jest Docker? (226) Docker od podstaw (227) Uruchamianie aplikacji Flask na platformie Docker (229) Kompletny system - OpenResty, Circus i Flask (231) Platforma OpenResty (232) Menedżer Circus (233) Wdrożenia kontenerowe (236) Docker Compose (237) Klastrowanie i prowizjonowanie kontenerów (239) Rozdział 11. Instalacja w chmurze AWS (243) Chmura AWS (244) Kierowanie zapytań - Route53, ELB i AutoScaling (245) Wykonywanie kodu - EC2 i Lambda (246) Gromadzenie danych - EBS, S3, RDS, ElasticCache i CloudFront (247) Powiadamianie - SES, SQS i SNS (248) Prowizjonowanie i uruchamianie - CloudFormation i ECS (250) Podstawy wdrażania mikrousług w chmurze AWS (250) Utworzenie konta w chmurze AWS (251) Instalowanie instancji EC2 z systemem CoreOS (253) Wdrażanie klastrów przy użyciu usługi ECS (257) Usługa Route53 (262) Rozdział 12. Co dalej? (265) Iteratory i generatory (266) Koprocedury (269) Biblioteka asyncio (270) Platforma aiohttp (271) Platforma Sanic (272) Model asynchroniczny i synchroniczny (273)

Sygnatura czytelni BWEAiI: XII Ł 108

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 146538 N (1 egz.)

Książka

W koszyku

Deep Learning : uczenie głębokie z językiem Python : sztuczna inteligencja i sieci neuronowe / Valentino Zocca, Gianmario Spacagna, Daniel Slater, Peter Roelants ; tłumaczenie Radosław Meryk. - Gliwice : Wydawnictwo Helion, 2018. - 356 stron : ilustracje ; 24 cm.

Autor

Zocca Valentino. Spacagna Gianmario. Slater Daniel. Roelants Peter. Meryk Radosław.

Forma i typ

Książki Publikacje fachowe

Temat

Python (język programowania) Sztuczna inteligencja Sieci neuronowe

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Tytuł oryginału: Python deep learning.

Indeks.

Rozdział 1. Uczenie maszynowe - wprowadzenie (17) Czym jest uczenie maszynowe? (18) Różne podejścia do uczenia maszynowego (19) Uczenie nadzorowane (19) Uczenie nienadzorowane (22) Uczenie przez wzmacnianie (23) Fazy systemów uczenia maszynowego (24) Krótki opis popularnych technik (algorytmów) (28) Zastosowania praktyczne (40) Popularny pakiet open source (42) Rozdział 2. Sieci neuronowe (49) Dlaczego sieci neuronowe? (50) Podstawy (51) Neurony i warstwy (52) Różne rodzaje funkcji aktywacji (56) Algorytm propagacji wstecznej (61) Zastosowania praktyczne (68) Przykład kodu sieci neuronowej dla funkcji XOR (70) Rozdział 3. Podstawy uczenia głębokiego (77) Czym jest uczenie głębokie? (78) Podstawowe pojęcia (80) Uczenie się cech (81) Algorytmy uczenia głębokiego (88) Zastosowania uczenia głębokiego (89) Rozpoznawanie mowy (90) Rozpoznawanie i klasyfikacja obiektów (91) GPU kontra CPU (94) Popularne biblioteki open source - wprowadzenie (96) Theano (96) TensorFlow (97) Keras (97) Przykład implementacji głębokiej sieci neuronowej za pomocą biblioteki Keras (98) Rozdział 4. Nienadzorowane uczenie cech (105) Autoenkodery (107) Projekt sieci (110) Metody regularyzacji dla autoenkoderów (113) Autoenkodery - podsumowanie (117) Ograniczone maszyny Boltzmanna (119) Sieci Hopfielda a maszyny Boltzmanna (121) Maszyna Boltzmanna (123) Ograniczona maszyna Boltzmanna (125) Implementacja za pomocą biblioteki TensorFlow (126) Sieci DBN (130) Rozdział 5. Rozpoznawanie obrazów (135) Podobieństwa pomiędzy modelami sztucznymi a biologicznymi (136) Intuicja i uzasadnianie (137) Warstwy konwolucyjne (138) Parametry krok i wypełnienie w warstwach konwolucyjnych (144) Warstwy pooling (145) Dropout (147) Warstwy konwolucyjne w uczeniu głębokim (147) Warstwy konwolucyjne w bibliotece Theano (148) Przykład zastosowania warstwy konwolucyjnej do rozpoznawania cyfr za pomocą biblioteki Keras (150) Przykład zastosowania warstwy konwolucyjnej za pomocą biblioteki Keras dla zbioru danych CIFAR10 (153) Rozdział 6. Rekurencyjne sieci neuronowe i modele języka (159) Rekurencyjne sieci neuronowe (160) RNN - jak implementować i trenować? (162) Długa pamięć krótkotrwała (168) Modelowanie języka (171) Modele na bazie słów (171) Modele bazujące na znakach (176) Rozpoznawanie mowy (183) Potok rozpoznawania mowy (183) Mowa jako dane wejściowe (184) Przetwarzanie wstępne (185) Model akustyczny (186) Dekodowanie (189) Modele od końca do końca (190) Rozdział 7. Uczenie głębokie w grach planszowych (195) Pierwsze systemy AI grające w gry (197) Wykorzystanie algorytmu min-max do oceny stanów gry (198) Implementacja gry w kółko i krzyżyk w Pythonie (201) Uczenie funkcji wartości (209) Trenowanie systemu AI do uzyskania mistrzostwa w grze w Go (210) Zastosowanie górnych granic zaufania do drzew (213) Uczenie głębokie w algorytmie przeszukiwania drzewa Monte Carlo (220) Krótkie przypomnienie technik uczenia przez wzmacnianie (222) Metoda policy gradients w funkcjach strategii uczenia (222) Metoda policy gradients w AlphaGo (230) Rozdział 8. Uczenie głębokie w grach komputerowych (235) Techniki uczenia nadzorowanego w odniesieniu do gier (235) Zastosowanie algorytmów genetycznych do grania w gry komputerowe (237) Q-learning (238) Funkcja Q (240) Q-learning w akcji (241) Gry dynamiczne (246) Odtwarzanie doświadczeń (250) Epsilon zachłanny (253) Breakout na Atari (254) Losowy test gry w Breakout na Atari (255) Wstępne przetwarzanie ekranu (257) Tworzenie głębokiej sieci konwolucyjnej (259) Problemy zbieżności w technikach Q-learning (263) Technika policy gradients kontra Q-learning (265) Metody aktor-krytyk (266) Metoda baseline do redukcji wariancji (267) Uogólniony estymator korzyści (267) Metody asynchroniczne (268) Podejścia bazujące na modelach (269) Rozdział 9. Wykrywanie anomalii (273) Co to jest wykrywanie anomalii i wykrywanie elementów odstających? (274) Rzeczywiste zastosowania mechanizmów wykrywania anomalii (277) Popularne płytkie techniki uczenia maszynowego (278) Modelowanie danych (279) Modelowanie wykrywania (279) Wykrywanie anomalii z wykorzystaniem głębokich autoenkoderów (281) H2O (283) Wprowadzenie do pracy z H2O (285) Rozpoznawanie anomalii wykrywania cyfr z wykorzystaniem zestawu danych MNIST (286) Rozdział 10. Budowanie gotowego do produkcji systemu wykrywania włamań (301) Czym jest produkt danych? (302) Trening (304) Inicjalizacja wag (304) Współbieżny algorytm SGD z wykorzystaniem techniki HOGWILD! (306) Uczenie adaptacyjne (308) Uczenie rozproszone z wykorzystaniem mechanizmu MapReduce (314) Sparkling Water (317) Testowanie (320) Walidacja modelu (326) Dostrajanie hiperparametrów (335) Ocena od końca do końca (338) Podsumowanie zagadnień związanych z testowaniem (342) Wdrażanie (343) Eksport modelu do formatu POJO (344) Interfejsy API oceny anomalii (347) Podsumowanie wdrażania (349)

Sygnatura czytelni BWEAiI: XII Ł 111

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 146543 N (1 egz.)

Książka

W koszyku

Python i Excel : nowoczesne środowisko do automatyzacji i analizy danych / Felix Zumstein ; przekład: Leszek Sagalara. - Gliwice : Helion, copyright 2022. - 274, [6] stron : ilustracje, wykresy ; 24 cm.

Autor

Zumstein Felix Sagalara Leszek

Forma i typ

Książki Publikacje fachowe

Odbiorca

Informatycy

Temat

Automatyzacja Excel Programowanie (informatyka) Przetwarzanie danych Python (język programowania)

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Wydanie 2. odnosi się do oryginału. W książce także ISBN oryginału.

CZĘŚĆ I. Wprowadzenie do Pythona Rozdział 1. Dlaczego Python w Excelu? Excel jest językiem programowania Excel w wiadomościach Najlepsze praktyki programistyczne Rozdzielenie zagadnień Zasada DRY Testowanie Kontrola wersji Nowoczesny Excel Power Query i Power Pivot Power BI Python dla Excela Czytelność i łatwość utrzymania Biblioteka standardowa i menedżer pakietów Obliczenia naukowe Nowoczesne cechy języka Kompatybilność międzyplatformowa Rozdział 2. Środowisko programistyczne Dystrybucja Anaconda Python Instalacja Anaconda Prompt REPL: interaktywna sesja Pythona Menedżery pakietów: Conda i pip Środowiska Condy Notatniki Jupyter Uruchamianie notatników Jupyter Komórki notatnika Tryb edycji a tryb poleceń Kolejność uruchamiania ma znaczenie Zamykanie notatników Jupyter Visual Studio Code Instalacja i konfiguracja Uruchamianie skryptu Pythona Rozdział 3. Wprowadzenie do Pythona Typy danych Obiekty Zmienne Funkcje Atrybuty i metody Typy liczbowe Operatory matematyczne Logiczny typ danych Łańcuchy znaków Indeksowanie i wycinanie Indeksowanie Wycinanie Struktury danych Listy Słowniki Krotki Zbiory Przepływ sterowania Bloki kodu i instrukcja pass Instrukcja if i wyrażenia warunkowe Pętle for i while Lista, słownik i zbiory składane Organizacja kodu Funkcje Definiowanie funkcji Wywoływanie funkcji Moduły i instrukcja import Klasa datetime PEP 8 przewodnik stylu kodowania w Pythonie PEP 8 i VS Code Informacje o typie CZĘŚĆ II. Wprowadzenie do biblioteki pandas Rozdział 4. Podstawy NumPy Pierwsze kroki z NumPy Tablica NumPy Wektoryzacja i rozgłaszanie Funkcje uniwersalne Tworzenie tablic i operowanie nimi Pobieranie i wybieranie elementów tablicy Przydatne konstruktory tablicowe Widok a kopia Rozdział 5. Analiza danych z biblioteką pandas DataFrame i Series Indeks Kolumny Operowanie danymi Wybieranie danych Wybór na podstawie etykiety Wybór na podstawie pozycji Wybieranie przy użyciu indeksowania logicznego Wybieranie poprzez MultiIndex Ustawianie danych Ustawianie danych na podstawie etykiety lub pozycji Ustawianie danych przy użyciu indeksowania logicznego Ustawianie danych poprzez zamianę wartości Ustawianie danych poprzez dodanie nowej kolumny Brakujące dane Zduplikowane dane Operacje arytmetyczne Praca z kolumnami tekstowymi Stosowanie funkcji Widok a kopia Łączenie obiektów DataFrame Konkatenacja Operacje join i merge Statystyka opisowa i agregacja danych Statystyka opisowa Grupowanie Funkcje pivot_table i melt Tworzenie wykresów Matplotlib Plotly Importowanie i eksportowanie obiektów DataFrame Eksportowanie plików CSV Importowanie plików CSV Rozdział 6. Analiza szeregów czasowych za pomocą pandas DatetimeIndex Tworzenie DatetimeIndex Filtrowanie DatetimeIndex Praca ze strefami czasowymi Typowe operacje na szeregach czasowych Przesunięcia i zmiany procentowe Zmiana podstawy i korelacja Resampling Okna kroczące Ograniczenia związane z pandas 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 Funkcja read_excel i klasa ExcelFile Metoda to_excel i klasa ExcelWriter Ograniczenia związane z używaniem pandas z plikami Excela Rozdział 8. Manipulowanie plikami Excela za pomocą pakietów do odczytu i zapisu Pakiety do odczytu i zapisu Kiedy używać którego pakietu? Moduł excel.py openpyxl Odczyt za pomocą openpyxl Zapis za pomocą openpyxl Edycja za pomocą openpyxl XlsxWriter pyxlsb xlrd, xlwt i xlutils Odczyt za pomocą xlrd Zapis za pomocą xlwt Edycja za pomocą xlutils Zaawansowane zagadnienia związane z odczytem i zapisem Praca z dużymi plikami Excela Zapis za pomocą openpyxl Zapis za pomocą XlsxWriter Odczyt za pomocą xlrd Odczyt za pomocą openpyxl Równoległy odczyt arkuszy Formatowanie obiektów DataFrame w Excelu Formatowanie indeksu i nagłówków DataFrame Formatowanie części DataFrame zawierającej dane Studium przypadku (nowe podejście): raportowanie w Excelu CZĘŚĆ IV. Programowanie aplikacji Excel za pomocą xlwings Rozdział 9. Automatyzacja Excela Pierwsze kroki z xlwings Excel jako przeglądarka danych Model obiektowy Excela Uruchamianie kodu VBA Konwertery, opcje i kolekcje Praca z obiektami DataFrame Konwertery i opcje Wykresy, obrazy i zdefiniowane nazwy Wykresy Excela Obrazy wykresy Matplotlib Zdefiniowane nazwy Studium przypadku (nowe podejście): raportowanie w Excelu Zaawansowane zagadnienia związane z xlwings Podstawy xlwings Poprawa wydajności Minimalizacja wywołań między aplikacjami Surowe wartości Właściwości obiektu app Jak obejść brakującą funkcjonalność? Rozdział 10. Narzędzia Excela działające w oparciu o język Python Wykorzystanie Excela jako frontendu za pomocą xlwings Dodatek do Excela Polecenie quickstart Przycisk Run main Funkcja RunPython Funkcja RunPython bez polecenia quickstart Wdrażanie Zależność od Pythona Autonomiczne skoroszyty: sposób na pozbycie się dodatku xlwings Hierarchia konfiguracji Ustawienia Rozdział 11. Tropiciel pakietów Pythona Co będziemy budować? Podstawowa funkcjonalność Web API Bazy danych Baza danych Tropiciela pakietów Połączenia z bazą danych Zapytania SQL Ataki SQL injection Wyjątki Struktura aplikacji Interfejs Zaplecze Debugowanie Rozdział 12. Funkcje definiowane przez użytkownika (UDF) Pierwsze kroki z funkcjami UDF UDF z poleceniem quickstart Studium przypadku: Google Trends Wprowadzenie do Google Trends Praca z obiektami DataFrames i dynamicznymi tablicami Pobieranie danych z Google Trends Tworzenie wykresów za pomocą funkcji UDF Debugowanie funkcji UDF Zaawansowane tematy dotyczące funkcji UDF Podstawowa optymalizacja wydajności Minimalizacja wywołań między aplikacjami Stosowanie surowych wartości Buforowanie Dekorator sub Dodatek A. Środowiska Condy Tworzenie nowego środowiska Condy Wyłączanie automatycznej aktywacji Dodatek B. Zaawansowane funkcjonalności VS Code Debugger Notatniki Jupyter w VS Code Uruchamianie notatników Jupyter Skrypty Pythona z komórkami kodu Dodatek C. Zaawansowane pojęcia związane z Pythonem Klasy i obiekty Praca z obiektami datetime uwzględniającymi strefę czasową Mutowalne i niemutowalne obiekty Pythona Wywoływanie funkcji z obiektami mutowalnymi jako argumentami Funkcje z obiektami mutowalnymi jako domyślnymi argumentami

Sygnatura czytelni BWEAiI: XII Ł 211

dostępna w czytelni

Ta pozycja znajduje się w zbiorach 2 placówek. Rozwiń listę, by zobaczyć szczegóły.

Wypożyczalnia

Wszystkie egzemplarze są obecnie wypożyczone: sygn. 152523 (1 egz.)

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 152522 (1 egz.)