Python

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

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

С помощью этой практической книги вы получите всестороннее, глубокое введение в язык программирования Python. Основанное на популярном учебном курсе автора Марка Лутца, это обновленное шестое издание поможет вам быстро написать эффективный и качественный код на Python. Это идеальный способ начать, независимо от того, являетесь ли вы новичком в программировании или профессиональным разработчиком, знающим другие языки. В комплекте с тестами, упражнениями и полезными иллюстрациями этот простой в освоении самоучитель поможет вам начать работу с Python 3.12 и всеми другими используемыми сегодня версиями. Прагматично ориентированный на то, что вам нужно знать, он также знакомит с некоторыми расширенными возможностями языка, которые становятся все более распространенными в коде Python.

Машинное обучение стало доминирующим методом решения проблем в современном мире, имеющим широкий спектр применений - от поисковых систем и социальных сетей до самоуправляемых автомобилей и искусственного интеллекта (ИИ). В этом понятном учебнике изложены теоретические основы алгоритмов машинного обучения, а затем каждая концепция проиллюстрирована подробной реализацией на языке Python, что позволит начинающим эффективно применять эти принципы в реальных приложениях. Все основные методы, такие как регрессия, классификация, кластеризация, глубокое обучение и поиск ассоциаций, проиллюстрированы с помощью пошаговых инструкций по программированию, чтобы помочь привить подход "обучение на практике". Книга не имеет предварительных требований и охватывает предмет с нуля, включая подробную вводную главу по языку Python. Поэтому она станет ценным пособием не только для студентов, изучающих информатику, но и для всех, кто ищет основу для изучения предмета, а также для профессионалов, которым нужен готовый справочник.

Быстрое введение в Python для разработчиков среднего уровня - теперь с освещением генеративного ИИ! Это четвертое издание охватывает последние функции Python, структуры управления и библиотеки, а также новое освещение работы с кодом Python, созданным AI. Независимо от того, новичок ли вы в Python или хотите улучшить свои базовые навыки, "Быстрый Python, четвертое издание" быстро научит вас писать эффективный код на Python. В книге в сжатой форме изложены основы программирования, а также глубоко и подробно представлены обширная стандартная библиотека и уникальные возможности Python. Вы также научитесь наилучшим образом использовать инструменты программирования ИИ, такие как Copilot и Colaboratory Google (Colab). Для читателей, знакомых с основами программирования и заинтересованных в изучении Python.

Современное программное обеспечение должно хорошо поддаваться масштабированию, эффективно справляясь при этом с балансировкой нагрузки, отслеживанием состояния и обеспечением безопасности. Узнайте, как можно решать эти и другие важные задачи. В издании рассматриваются все составляющие процесса контейнеризации и развертывания приложения на платформе Kubernetes с точки зрения разработчика. Сначала вы создадите небольшое приложение, способное работать в облачном кластере Kubernetes, а затем поэтапно изучите рекомендуемые практики, позволяющие сделать развертывание стабильным в долгосрочной перспективе, включая методы масштабирования, планирования емкости и оптимизации ресурсов.

В книге подробно представлены три проблемно-ориентированных вида машинного обучения (Machine learning, ML): автоматизированное обучение AutoML без кодирования, обучение BigQuery ML с малым объемом кодирования и обучение с применением пользовательского кода на основе библиотек scikit-learn и Keras. При этом от читателя не требуется глубоких предварительных знаний в ML или программировании, но базовые навыки в этих областях будут полезны. Специализированные библиотеки, фреймворки ML, репозиторий GitHub и другие инструменты описаны по мере их необходимости.

Книга «Публикация пакетов Python» описывает практический процесс масштабируемого совместного использования кода Python с высокой эффективностью и помогает получить опыт работы с новейшими инструментами упаковки. Пособие дает возможность изучить все тонкости тестирования и непрерывной интеграции пакетов, а также предлагает профессиональные советы по созданию поддерживаемого проекта с открытым исходным кодом, включая вопросы лицензирования, документации и создания сообщества участников.

Инфраструктура как код (IaC) – это набор методов и процессов для построения и обслуживания инфраструктуры с использованием скриптов, файлов конфигурации или языков программирования. IaC значительно облегчает тестирование компонентов, реализацию функций и масштабирование системы. Но самое главное – поскольку IaC следует классическим методам разработки, для внесения изменений в масштабах системы достаточно нескольких коммитов кода! Прочитав эту книгу, вы научитесь создавать виртуальные серверы, сети, балансировщики нагрузки, брандмауэры и другие компоненты с помощью Python и Terraform, а также уверенно обновлять инфраструктуру, не прерывая работу системы. Советы экспертов по стратегиям совместной работы в команде помогут вам избежать нестабильности, повысить безопасность системы и сократить расходы.

Если вы хотите создавать готовые к производству приложения с искусственным интеллектом, которые могут рассуждать и получать внешние данные для осознания контекста, вам необходимо освоить LangChain - популярный фреймворк и платформу для создания, запуска и управления агентными приложениями. LangChain используется несколькими ведущими компаниями, включая Zapier, Replit, Databricks и многие другие. Это руководство - незаменимый ресурс для разработчиков, которые знают Python или JavaScript, но являются новичками, стремящимися использовать возможности искусственного интеллекта. Авторы Майо Ошин и Нуно Кампос объясняют использование LangChain с помощью практических советов и подробных руководств. Начиная с базовых концепций, эта книга шаг за шагом покажет вам, как создать готового к производству агента ИИ, использующего ваши данные.

Инженеры по обработке данных, владеющие Databricks, в настоящее время пользуются большим спросом. Поскольку организации собирают больше данных, чем когда-либо прежде, квалифицированные инженеры по обработке данных на таких платформах, как Databricks, становятся критически важными для успеха бизнеса. Сертификация Databricks Data Engineer Associate является подтверждением того, что вы обладаете полным пониманием платформы Databricks и ее возможностей, а также необходимыми навыками для эффективного выполнения различных задач инженерии данных на этой платформе. В этом комплексном учебном пособии вы создадите прочную основу для изучения всех тем, рассматриваемых на сертификационном экзамене, включая Databricks Lakehouse, ее инструменты и преимущества. Вы также научитесь разрабатывать конвейеры ETL в пакетном и потоковом режимах.

В книге на наглядных примерах показано, как использовать встроенные графические примитивы Python – точки, линии и стрелки — для создания сложной графики, визуализации двух- и трехмерных объектов, диаграмм с данными и технических иллюстраций. После прочтения вы сможете создавать привлекательные графические изображения, не ограничиваясь функциями, доступными в су­ществующих библиотеках Python. Приведены примеры из физики (визуализация электронных облаков, изменение климата), астрономии, биологии (изменение динамики популяций), экономики (управление ресурсами) и др. Исходный код Python включен во все приложения, что делает материал более доступным для начинающих программистов.

В пособии представлены основные методы применения языка Python для решения задач моделирования, оптимизации и обработки данных. Каждая рассмотренная тема включает краткие теоретические сведения, подробный разбор практической работы, индивидуальные варианты заданий и контрольные вопросы по теме.

От анализа больших данных и машинного обучения до автоматизации рутинных процессов и создания интерактивных визуализаций — эта часть станет вашим практическим путеводителем.
Вы узнаете, как распределенно обрабатывать данные с помощью Dask и PySpark, строить динамические дашборды с Plotly и Dash, оптимизировать производительность моделей с Cython, и разрабатывать высоконагруженные приложения с использованием Asyncio и CUDA.
Кроме того, особое внимание уделено автоматизации задач, включая парсинг данных, обработку документов и создание рабочих процессов с Airflow. Визуализация геоданных, работа с изображениями и звуком, а также современные подходы к тестированию и развертыванию приложений помогут вам интегрировать Python в самые разнообразные проекты.

В книге рассматриваются модели, системы и фреймворки, специально разработанные для обработки и анализа больших наборов данных. Вы познакомитесь с основными парадигмами и механизмами, применяемыми в анализе больших данных, включая MapReduce, рабочие потоки, массовый синхронный параллелизм, передачу сообщений и SQL-подобные модели. В главах книги описаны примеры использования фреймворков Hadoop, Spark, Storm и MPI и рассмотрены вопросы выбора среды, наиболее подходящей для достижения целевых задач приложения. Книга предназначена разработчикам приложений для работы с большими данными, исследователям и профессионалам бизнеса, основанного на данных. Читатель должен хорошо владеть такими языками, как Java, Python или Scala, и знать основные концепции параллельного и распределенного программирования.

В настоящей книге достаточно популярно излагаются базовые алгоритмы на графах вместе с их реализациями на языке Python. Материал иллюстрирован большим числом примеров и рисунков, способствующих его усвоению.

Если программирование — магия, то веб-скрапинг — настоящее колдовство. Написав простую автоматизированную программу, можно отправлять запросы веб-серверам, получать ответы с данными, а затем анализировать эти данные и извлекать необходимую информацию. Это обновленное третье издание книги не только познакомит вас с веб-скрапингом, но и послужит исчерпывающим руководством по сбору практически любых видов данных в современном Интернете. В части I основное внимание уделено механике веб-скрапинга: как с помощью Python отправлять запросы веб-серверам, обрабатывать ответы и автоматизировать взаимодействие с сайтами. В части II исследуются более конкретные инструменты и приложения, которые пригодятся при любом сценарии веб-скрапинга.

Причинно-следственный анализ – это метод статистического анализа данных, помогающий выявить, как одно событие влияет на другое. Прочитав данную книгу, читатели научатся находить причинно-следственные связи в данных, применять правильные методы анализа и оценивать достоверность полученных выводов. Мы можем реализовать массу всяких красивых вещей с помощью машинного обучения. Единственное требование состоит в том, чтобы мы формулировали наши задачи как задачи прогнозирования. Однако машинное обучение (ML) не является панацеей. Оно может творить чудеса в условиях жестких ограничений и все же может с треском провалиться, если данные немного отклоняются от того, к чему привыкла модель. Машинное обучение, как известно, плохо справляется с такой проблемой, как обратная причинно-следственная связь. Издание предназначено специалистам по анализу данных, а также будет полезно бизнес-аналитикам и инженерам. В книге используется только свободное программное обеспечение, основанное на языке Python.

В этом издании мы расскажем вам о последних достижениях в области технологий искусственного интеллекта, а также о том, какой прогресс достигнут исследователями, разработчиками и энтузиастами, продолжающими расширять границы инноваций. Данная книга представляет собой подробное руководство для разработчиков на Python, желающих научиться создавать приложения с использованием больших языковых моделей. Авторы расскажут об основных возможностях и преимуществах моделей GPT-4 и GPT-3.5, а также принципах их работы. Здесь же вы найдете пошаговые инструкции по разработке приложений с использованием библиотеки для Python от OpenAI, в том числе инструментов для генерирования текста, отправки вопросов и получения ответов и создания интеллектуальных ассистентов. Издание содержит множество легковоспроизводимых примеров, которые помогут применить модели в своих проектах. Все примеры кода на Python доступны в репозитории GitHub.

В книге "Python для начинающих" читатели найдут задания, позволяющие изучить этот язык программирования через решение увлекательных головоломок и создание игр. Каждая глава предлагает новую программу: от создания паролей до генерации шекспировских оскорблений. Издание подойдет для читателей с нулевым или начальным опытом в программировании, а также для тех, кто уже имеет опыт, но хочет изучить новый язык.