mirpetel.ru

Криволапов Сергей Яковлевич Введение в анализ данных. Поиск структуры данных с применением языка Python. Учебное пособие

В учебном пособии рассматриваются средства языка Python для выявления и последующего использования внутреннего устройства данных с использованием методов марковских процессов, статистического, кластерного и регрессионного анализа данных. Соответствует требованиям федеральных государственных образовательных стандартов высшего образования последнего поколения. Для студентов, аспирантов, научных сотрудников и преподавателей.

Глебов Владимир Ильич, Криволапов Сергей Яковлевич Анализ данных в экономике. Сборник задач. Учебник

Сборник задач по дисциплине «Анализ данных» составлен на основе учебника В.И.?Соловьева «Анализ данных в экономике» и содержит задачи первых шести глав (теория вероятностей, математическая статистика) учебника. Для всех задач даны решения с применением Microsoft Excel, языков R и Python. Для ряда задач, кроме аналитических решений, использовался метод Монте-Карло. Соответствует ФГОС ВО последнего поколения. Для студентов бакалавриата, обучающихся по направлениям подготовки экономики и управления, а также для практических специалистов.

Маккини Уэс Python и анализ данных

В книге "Python и анализ данных" рассматриваются вопросы переформатирования, очистки и обработки данных на Python. Ее можно также рассматривать как современное практическое введение в разработку научных приложений на Python, ориентированных, главным образом, обработку данных. Это книга о тех частях языка Python и библиотек для него, которые необходимы для эффективного решения широкого круга аналитических задач. Книга принадлежит перу Уэса Маккинни, основного автора библиотеки pandas, и содержит великое множество практических примеров. Она идеально подойдет как аналитикам, только начинающим осваивать, так и опытным программистам на Python, еще не знакомым с научными приложениями. Работа с интерактивной оболочкой для начала разработки Введение в средства анализа данных в библиотеке Использование высокопроизводительных инструментов для работы с данными Создание различных графиков и интерактивная визуализация Временные ряды с результатами измерений в заданные моменты времени Методы решения задач, возникающих в веб­аналитике, социальных науках, финансах и экономике, проиллюстрированные подробными примерами

Зумштейн Феликс Python для Excel. Современная среда для автоматизации и анализа данных

Книга посвящена автоматизации Excel с помощью языка программирования Python. Описаны дистрибутив Anaconda Python и современные средства разработки, такие как менеджеры пакетов Conda и pip, блокноты Jupyter и Visual Studio Code. Даны необходимые основы языка Python и введение в анализ данных с помощью библиотеки pandas. Приведены приемы чтения и записи файлов Excel без Excel. Рассмотрено программирование приложений Excel с помощью популярного пакета с открытым исходным кодом xlwings: автоматизация Excel, инструменты на основе технологии Python, трекер пакетов Python, а также функции, определяемые пользователем.Электронный архив на сайте издательства содержит цветные иллюстрации к книге.Для опытных пользователей Excel и программистов

Никитина Татьяна Павловна, Королев Леонид Владимирович Программирование. Основы Python. Учебное пособие для СПО

Пособие посвящено рассмотрению базовых конструкций языка Python, в частности, сначала приведены примеры простейших программ в императивном стиле программирования и примеры решения несложных задач линейной, разветвляющейся и циклической структуры, задач с последовательностями и файлами. Далее дана реализация в виде программ на Python алгоритмов методов вычислительной математики. Большое внимание уделено практике использования библиотек numpy, matplotlib, pandas и turtle, для анализа данных и их графической интерпретации. Соответствует современным требованиям Федерального государственного образовательного стандарта среднего профессионального образования и профессиональным квалификационным требованиям. Учебное пособие предназначено для использования в учебном процессе студентами ссузов.

Меликов П.И. Python для аналитики данных. Практический курс

Учебное пособие представляет собой практический курс, состоящий из 13 занятий (12 из которых интерактивные — для среды JupyterLab). Курс содержит введение в основы языка Python с упором на аналитику данных (работа с наборами данных, статистика, язык SQL, метрики и машинное обучение). Приведен порядок выполнения занятий и архив необходимых файлов, а также дан список заданий для закрепления обучающимися изучаемого материала. Учебное пособие освещает вопросы применения ряда сквозных технологий, приведенных в Национальной программе «Цифровая экономика Российской Федерации», таких как «Технологии хранения и анализа больших данных», «Искусственный интеллект», «Машинное обучение». Подготовлено в соответствии с Федеральным государственным образовательным стандартом высшего образования. Предназначено для студентов технических направлений подготовки и специальностей, учебными планами которых предусмотрено изучение дисциплин «Искусственные нейронные сети», «Нейронные сети и нечеткая логика в задачах управления», «Интеллектуальные системы» и «Аналитика технологических данных», а также при реализации дополнительных образовательных программ с тематикой «Аналитика данных».

Меликов П.И. Python для аналитики данных. Практический курс

Учебное пособие представляет собой практический курс, состоящий из 13 занятий (12 из которых интерактивные — для среды JupyterLab). Курс содержит введение в основы языка Python с упором на аналитику данных (работа с наборами данных, статистика, язык SQL, метрики и машинное обучение). Приведен порядок выполнения занятий и архив необходимых файлов, а также дан список заданий для закрепления обучающимися изучаемого материала. Учебное пособие освещает вопросы применения ряда сквозных технологий, приведенных в Национальной программе «Цифровая экономика Российской Федерации», таких как «Технологии хранения и анализа больших данных», «Искусственный интеллект», «Машинное обучение». Подготовлено в соответствии с Федеральным государственным образовательным стандартом высшего образования. Предназначено для студентов технических направлений подготовки и специальностей, учебными планами которых предусмотрено изучение дисциплин «Искусственные нейронные сети», «Нейронные сети и нечеткая логика в задачах управления», «Интеллектуальные системы» и «Аналитика технологических данных», а также при реализации дополнительных образовательных программ с тематикой «Аналитика данных».

Коробов Дмитрий Сергеевич Основы геоинформатики в археологии (+CD)

Учебное пособие "Основы геоинформатики в археологии" включает 11 разделов, соответствующих шести лекциям (введение в ГИС, основы картографии, использование данных глобального спутникового позиционирования и данных дистанционного зондирования в археологии, геофизические и недеструктивные методы в археологии) и пяти практическим занятиям (основы работы с настольными ГИС Maplnfo 8.0, Arc View 3.1 и ArcGIS 9.0; введение в пространственный анализ и использование трехмерных моделей в ГИС). Пособие снабжено электронным CD-носителем с многочисленными иллюстрациями, несколькими примерами работы в ГИС, а также обширным списком рекомендованной литературы к каждому разделу. Издание предназначено для археологов, историков и широкого круга читателей, интересующихся применением геоинформационных методов в археологии.

Криволапов Сергей Яковлевич Использование языка Python в теории вероятностей. Учебник

В учебнике излагаются основные понятия и методы теории вероятностей и их реализация средствами языка Python. Рассмотрены способы задания многочисленных дискретных, непрерывных и многомерных законов теории вероятностей. Для описания средств Python, реализующих статистические методы, использована документация об используемых классах и функциях Python. Учебник адресован студентам бакалавриата и магистратуры, аспирантам, научны смотрудникам и преподавателям.

Зумштейн Ф. Python для Excel. Современная среда для автоматизации и анализа данных

Книга посвящена автоматизации Excel с помощью языка программирования Python. Описаны дистрибутив Anaconda Python и современные средства разработки, такие как менеджеры пакетов Conda и pip, блокноты Jupyter и Visual Studio Code. Даны необходимые основы языка Python и введение в анализ данных с помощью библиотеки pandas. Приведены приемы чтения и записи файлов Excel без Excel. Рассмотрено программирование приложений Excel с помощью популярного пакета с открытым исходным кодом xlwings: автоматизация Excel, инструменты на основе технологии Python, трекер пакетов Python, а также функции, определяемые пользователем.Электронный архив на сайте издательства содержит цветные иллюстрации к книге.Для опытных пользователей Excel и программистов

Зумштейн Ф. Python для Excel. Современная среда для автоматизации и анализа данных

Книга посвящена автоматизации Excel с помощью языка программирования Python. Описаны дистрибутив Anaconda Python и современные средства разработки, такие как менеджеры пакетов Conda и pip, блокноты Jupyter и Visual Studio Code. Даны необходимые основы языка Python и введение в анализ данных с помощью библиотеки pandas. Приведены приемы чтения и записи файлов Excel без Excel. Рассмотрено программирование приложений Excel с помощью популярного пакета с открытым исходным кодом xlwings: автоматизация Excel, инструменты на основе технологии Python, трекер пакетов Python, а также функции, определяемые пользователем.Электронный архив на сайте издательства содержит цветные иллюстрации к книге.Для опытных пользователей Excel и программистов

Никитина Татьяна Павловна, Королев Леонид Владимирович Программирование. Основы Python для инженеров. Учебное пособие для вузов

Пособие посвящено рассмотрению базовых конструкций языка Python, в частности, сначала приведены примеры простейших программ в императивном стиле программирования и примеры решения несложных задач линейной, разветвляющейся и циклической структуры, задач с последовательностями и файлами. Далее дана реализация в виде программ на Python алгоритмов методов вычислительной математики. Большое внимание уделено практике использования библиотек numpy, matplotlib, pandas и turtle, для анализа данных и их графической интерпретации. Учебное пособие предназначено для использования в учебном процессе студентами, обучающимися по направлениям подготовки «Технологические машины и оборудование», «Химия», «Энергетическое машиностроение», «Эксплуатация транспортно-технологических машин и комплексов» и других инженерных специальностей всех форм обучения при изучении дисциплин математического и естественнонаучного цикла. Учебное пособие разработано в соответствиями с требованиями Федерального государственного образовательного стандарта.

Лернер Реувен Python-интенсив. 50 быстрых упражнений

Автор, Реувен Лернер преподает Python и data science компаниям по всему миру. "Python-интенсив: 50 быстрых упражнений" - пособие по программированию для продолжающих, тех, кто владеет теоретической базой языка Python. Книга отлично подойдет всем, кто хочет применить свои знания на практике. Перед каждым упражнением вы найдете теоретическую выжимку, необходимую для успешного выполнения заданий. Пособие также содержит ссылки на разбор упражнений и полезные материалы. С помощью этой книги вы освоите такие базовые понятия языка Python, как: - основные структуры данных, - функции, - генераторы, - объектно-ориентированное программирование - итераторы.

Структуры данных в Python. Шихи Д.

Чернышев Станислав Андреевич Алгоритмы и структуры данных на Python. Учебное пособие

Знакомит обучающихся с базовыми алгоритмами, структурами данных и способами их реализации на языке программирования Python. Код написан с использованием аннотации типов (type hints) в соответствии с руководством по стилю написания кода на Python – PEP8 (Style Guide for Python Code), а код самих структур — с использованием обобщенного программирования (generic, дженериков). Материал подается по принципу «от простого к сложному» и сопровождается большим количеством примеров и упражнений, что позволяет сформировать практические навыки программирования и тестирования. Все исходные коды рассматриваемых примеров можно скачать с репозитория автора на GitHub. Соответствует ФГОС ВО последнего поколения. Для студентов высших учебных заведений, обучающихся по инженерно-техническим направлениям.

Меликов Павел Ильич Изучаем основы Python. Практический курс для дата-аналитиков

Издание представляет собой практический курс, состоящий из 13 разделов (12 из которых интерактивные — для среды JupyterLab). Курс содержит введение в основы языка Python с дальнейшим упором на аналитику данных (работа с наборами данных, статистика, язык SQL, метрики и машинное обучение). Формат материала прост для понимания, а каждый новый раздел включает в себя набор необходимых файлов, ссылок и практических заданий. Предназначено для широкого круга читателей, интересующихся вопросами программирования и аналитики данных на Python. Благодаря рассмотрению основ языка Python потенциальной аудиторией курса могут являться обучающиеся, ранее не изучавшие программирование.