Πρακτικό και εύχρηστο, το βιβλίο αυτό είναι το ιδανικό εισαγωγικό εγχειρίδιο για την εκμάθηση της τέχνης της υπολογιστικής επίλυσης προβλημάτων με χρήση της Python και των βιβλιοθηκών της (όπως της PyLab).Απευθύνεται σε φοιτητές με ελάχιστη ή καθόλου προγραμματιστική πείρα και τους βοηθά να μάθουν να χρησιμοποιούν με παραγωγικό τρόπο υπολογιστικές τεχνικές και ορισμένα εργαλεία και τεχνικές της «επιστήμης των δεδομένων» που εφαρμόζονται σε υπολογισμούς για τη μοντελοποίηση και την επεξήγηση δεδομένων.Οι φοιτητές θα γνωρίσουν την Python και τις βασικές αρχές προγραμματισμού μέσα στα πλαίσια υπολογιστικών εννοιών και τεχνικών, όπως η εξαντλητική... Περισσότερα
Πρακτικό και εύχρηστο, το βιβλίο αυτό είναι το ιδανικό εισαγωγικό εγχειρίδιο για την εκμάθηση της τέχνης της υπολογιστικής επίλυσης προβλημάτων με χρήση της Python και των βιβλιοθηκών της (όπως της PyLab).Απευθύνεται σε φοιτητές με ελάχιστη ή καθόλου προγραμματιστική πείρα και τους βοηθά να μάθουν να χρησιμοποιούν με παραγωγικό τρόπο υπολογιστικές τεχνικές και ορισμένα εργαλεία και τεχνικές της «επιστήμης των δεδομένων» που εφαρμόζονται σε υπολογισμούς για τη μοντελοποίηση και την επεξήγηση δεδομένων.Οι φοιτητές θα γνωρίσουν την Python και τις βασικές αρχές προγραμματισμού μέσα στα πλαίσια υπολογιστικών εννοιών και τεχνικών, όπως η εξαντλητική απαρίθμηση, η αναζήτηση διχοτόμησης, και οι αποδοτικοί προσεγγιστικοί αλγόριθμοι.Tο βιβλίο καλύπτει ένα μεγάλο εύρος θεμάτων που δεν συναντώνται στα περισσότερα εισαγωγικά βιβλία, όπως η οπτικοποίηση δεδομένων, οι προσομοιώσεις τυχαιότητας μοντέλων, οι υπολογιστικές τεχνικές για την κατανόηση δεδομένων και οι στατιστικές τεχνικές που χρησιμοποιούνται για την πληροφόρηση. Εξετάζει επίσης κάποια πιο προχωρημένα θέματα, όπως τα προβλήματα βελτιστοποίησης, ο δυναμικός προγραμματισμός και η μηχανική μάθηση.Το βιβλίο έχει βασιστεί σε ένα μάθημα του MIT που αναδείχθηκε το δημοφιλέστερο της σειράς OpenCourseWare. Λιγότερα
