معرفی و دانلود کتاب پایتون برای برنامه نویسان

معرفی کتاب پایتون برای برنامه نویسان

کتاب پایتون برای برنامه نویسان نوشته‌ی پل دایتل و هاروی دایتل، به طور عملی جذاب‌ترین و پیشرفته‌ترین فناوری‌های محاسباتی مدرن را به شما می‌آموزد و کمک می‌کند تا برنامه‌نویسی در پایتون را به بهترین نحو یاد بگیرید.

درباره‌ی کتاب پایتون برای برنامه نویسان:

پایتون از پرطرفدارترین زبان‌های برنامه‌نویسی در دنیاست که در مقایسه با سایر زبان‌ها بیشترین رشد را دارد. معمولاً توسعه دهندگان به سرعت متوجه می‌شوند که به پایتون علاقه دارند. علت محبوبیت آن کدنویسی قوی و آسان‌تر، قابلیت تعامل، خلاصه بودن و خوانایی آن است.

با گذشت زمان، سخت افزار کامپیوتر به نسبت گذشته ابعاد کمتر، سرعت بیشتر پیدا کردند و حتی قیمت آن‌ها کاهش پیدا کرد، همچنین پهنای باند اینترنت نیز ارزان‌تر و بزرگتر شد. نرم افزارهای منبع باز به صورت رایگان یا تقریباً رایگان با کیفیت خوب در طیف وسیعی در دسترس مردم است. در آینده‌ای نه چندان دور، میلیاردها دستگاه مختلف با IoT (اینترنت اشیا) به هم وصل می‌شوند. تمام این پیشرفت‌ها با سرعت و مقیاس خیلی بالا، حجم زیادی از داده‌ها را تولید می‌کنند.

به روزترین نوآوری‌ها، در دنیای محاسبات با داده مرتبط است به طور مثال تجزیه و تحلیل داده‌های کلان داده، پایگاه‌های داده NoSQL و NewSQL و ... از این دست هستند. کتاب حاضر هر کدام از این مطالب را به همراه یک روش مبتکرانه در برنامه‌نویسی پایتون توضیح می‌دهد.

کتاب پایتون برای برنامه نویسان مناسب چه کسانی است؟

این کتاب برای برنامه‌نویسان حوزه‌ی پایتون مفید خواهد بود.

(این کتاب دارای حجم بیش از 20 مگابایت هست، لطفا قبل از خرید، نسخه نمونه را دریافت و از صحت نمایش کتاب در موبایل یا تبلت اطمینان حاصل کنید.)

پل و هاروی دایتل را بیشتر بشناسیم:

پل جی دایتل (Paul J. Deitel)، مدیرعامل و مدیر ارشد فنی شرکت دایتل و شرکا، فارغ‌التحصیل MIT است و 38 سال سابقه کار در زمینه کامپیوتر دارد. پل یکی از با تجربه‌ترین مربیان زبان برنامه‌نویسی جهان است که از سال 1992 دوره‌های حرفه‌ای را به توسعه دهندگان نرم‌افزار آموزش داده است. او صدها دوره برنامه‌نویسی را به مشتریان صنعت در سطح بین‌المللی ارائه داده است، از جمله سیسکو، IBM، زیمنس، سان مایکروسیستم (اکنون اوراکل)، دل، فیدلیتی، ناسا در مرکز فضایی کندی، آزمایشگاه ملی طوفان شدید، White Sands Missile Range نرم افزار Rogue have، بوئینگ، شبکه‌های iRobot Puma Nortel و بسیاری دیگر. او و همکارش، دکتر هاروی ام. دایتل، مؤلف پرفروش ترین کتاب‌های زبان برنامه‌نویسی درسی/حرفه‌ای/ویدئو هستند.

دکتر هاروی ام. دایتل (Harvey Deitel)، رئیس و مدیر ارشد استراتژی شرکت دایتل و شرکا، 58 سال تجربه در زمینه کامپیوتر دارد. دکتر دایتل دوره کارشناسی و کارشناسی ارشد خود را در رشته مدرک مهندسی برق از MIT گذرانیده و مدرک دکترای ریاضی خود را از دانشگاه بوستون اخذ کرده است. او قبل از اینکه رشته‌های علوم کامپیوتر مستقل شوند، در هر یک از این مقطع محاسبات را مطالعه می‌کرد. وی قبل از تأسیس شرکت دایتل و شرکا در سال 1991 با پسرش پاول، تجربه گسترده تدریس در کالج، از جمله رئیس گروه علوم کامپیوتر در کالج بوستون را دارد. آثار دایتل به بیش از 100 زبان نظیر ژاپنی، آلمانی، روسی، اسپانیایی، فرانسوی، لهستانی، ایتالیایی، چینی ساده شده، چینی سنتی، کره‌ای، پرتغالی، یونانی، اردو و ترکی به رسمیت ترجمه شده‌اند. دکتر دایتل صدها دوره برنامه‌نویسی را به مشتریان دانشگاهی، شرکت‌های دولتی و نظامی ارائه داده است.

در بخشی از کتاب پایتون برای برنامه نویسان می‌خوانیم:

مدل‌های یادگیری عمیق پیچیده هستند و درک عملکردهای درونی آن‌ها به یک پیش زمینه ریاضی گسترده‌ای نیاز دارند. همان طور که در کل کتاب دیده‌اید، از ریاضیات سنگین اجتناب می‌کنیم و توضیحات انگلیسی را ترجیح می‌دهیم.

همان طور که Scikit-learn برای یادگیری ماشینی است، کراس برای یادگیری عمیق می‌باشد. هر یک از این دو ریاضیات پیچیده را کپسوله می‌کنند و به همین دلیل توسعه دهندگان فقط باید اشیا را تعریف، پارامترسازی و دست کاری کنند. با استفاده از کراس، مدل‌های خود را از اجزای موجود تولید می‌کنید و به سرعت آن اجزا را بر اساس نیازهای منحصر به فرد خود تنظیم می‌کنید. این رویکرد همان چیزی است که در کل کتاب از آن به عنوان برنامه نویسی مبتنی بر شی نام برده‌ایم.

فهرست مطالب کتاب

فصل اول: مقدمه‌ای بر کامپیوترها و پایتون
فصل دوم: مقدمه‌ای بر برنامه‌نویسی پایتون
فصل سوم: دستورات کنترلی
فصل چهارم: توابع
فصل پنجم: دنباله‌ها: لیست‌ها و چندتایی‌ها
فصل ششم: دیکشنری‌ها و مجموعه‌ها
فصل هفتم: برنامه‌نویسی آرایه‌گرا با NumPy
فصل هشتم: رشته‌ها: نگاهی عمیق‌تر
فصل نهم: فایل‌ها و استثناها
فصل دهم: برنامه‌ نویسی شی‌ءگرا
فصل یازدهم: پردازش زبان طبیعی (NLP)
فصل دوازدهم: داده‌کاوی توییت
فصل سیزدهم: محاسبات شناختی و واتسون آی بی ام
فصل چهاردهم: یادگیری ماشینی: طبقه‌بندی، رگرسیون و خوشه‌بندی
فصل پانزدهم: یادگیری عمیق
فصل شانزدهم: کلان داده: هادوب، اسپارک، NoSQL و اینترنت اشیا