Python

Inhalt <BR>- Kernkonzepte: Nutzen Sie den interaktiven Python-Interpreter und die Kommandozeile, um die Grundlagen zu erlernen. <BR>- Objektorientierter Code: Schreiben Sie objektorientierten Code mit den nativen Python-Objekten. <BR>- Eigenständige Pakete: Entwickeln und veröffentlichen Sie Ihre eigenen Python-Pakete. <BR>- Funktionale Programmierung: Verwenden Sie elegante funktionale Techniken wie Python Comprehensions. <BR>- Testgetriebene Entwicklung (TDD): Erweitern Sie Ihre Fähigkeiten, indem Sie neue Objekte mit TDD erstellen. <BR>- Shell-Scripting: Nutzen Sie die außergewöhnlichen Shell-Scripting-Fähigkeiten von Python. <BR>- Webanwendungen: Erstellen und bereitstellen Sie vollständige Webanwendungen mit Routen, Layouts, Vorlagen und Formularen. <BR>- Data Science: Starten Sie Ihre Reise in die Welt der Datenanalyse, Visualisierung und maschinellen Lernens.

- Alle Python-Grundlagen, die Sie für Ihren Raspberry Pi 5, 4, 3 oder Zero brauchen- Projekte mit Sensoren, Relais und AD-Wandlern- Einsatz von Peripheriegeräten wie Kameramodul und LautsprecherRaspberry Pi - der Mini-Computer zum ExperimentierenDer Raspberry Pi ist ein preiswerter Computer in der Größe einer Kreditkarte. In Kombination mit der Programmiersprache Python bietet er eine hervorragende Umgebung für die schnelle Realisierung technischer Ideen und Projekte. In diesem Buch lernen Sie alle Grundlagen, die Sie brauchen, um mit dem Raspberry Pi oder dem Raspberry Pi Zero spannende Projekte zu realisieren.Zahlreiche Projekte mit Sensoren, Kamera u.v.m.Sie finden in diesem Buch eine Fülle von kleinen Projekten, die auf die besondere Hardware des Raspberry Pi und das Linux-Betriebssystem Raspberry Pi OS zugeschnitten sind. Dazu gehören sowohl Schaltungen mit Sensoren (Temperatur, Licht, Alkohol), Relais, AD-Wandlern und LEDs als auch die Verwendung des Kameramoduls und des 1-Wire- sowie SPI-Bus zur Datenkommunikation. Zahlreiche Illustrationen und einfache Beispiele zum Ausprobieren erleichtern das Verständnis.Die Programmiersprache Python als GrundlagePython ist - auch für Programmiereinsteiger - einfach zu lernen und deshalb Teil des Gesamtkonzepts des Raspberry Pi. Dieses Buch vermittelt Ihnen anhand anschaulicher Beispiele sowohl die Grundlagen von Python als auch fortgeschrittene Techniken wie Objektorientierung, Internetprogrammierung und grafische Benutzungsoberflächen. Am Ende jedes Kapitels finden Sie Aufgaben mit Lösungen zum Download, mit denen Sie Ihr Wissen festigen, erweitern und vertiefen können.Aus dem Inhalt:- Gerätesteuerung- Messwerterfassung und -visualisierung- Interaktive Spiele mit Schaltern und Sensoren- Animationen und Simulationen- Automatische Textproduktion- Digitale Bildverarbeitung- Morsezeichen senden und Signalmuster erkennen- Projekte mit dem Sense HAT- Farben und Bewegung wahrnehmen- Steuerung mit Potentiometer und AD-Wandler- Auswertung von Daten aus dem Internet- Webserver und WebcamZum Download: Programmcode für alle Projekte sowie Lösungen der Übungsaufgaben

This book provides an introduction to both heterogeneous execution and managed runtime environments (MREs) by discussing the current trends in computing and the evolution of both hardware and software. To this end, it first details how heterogeneous hardware differs from traditional CPUs, what their key components are and what challenges they pose to heterogenous execution. The most ubiquitous ones are General Purpose Graphics Processing Units (GPGPUs) which are pervasive across a plethora of application domains ranging from graphics processing to training of AI and Machine Learning models. Subsequently, current solutions on programming heterogeneous MREs are described, highlighting for each current existing solution the associated advantages and disadvantages. This book is written for scientists and advanced developers who want to understand how choices at the programming API level can affect performance and/or programmability of heterogeneous hardware accelerators, how toimprove the underlying runtime systems in order to seamlessly integrate diverse hardware resources, or how to exploit acceleration techniques from their preferred programming languages.

Data is the indispensable fuel that drives the decision making of everything from governments, to major corporations, to sports teams. Its value is almost beyond measure. But what if that data is either unavailable or problematic to access? That's where synthetic data comes in. This book will show you how to generate synthetic data and use it to maximum effect.Synthetic Data for Deep Learning begins by tracing the need for and development of synthetic data before delving into the role it plays in machine learning and computer vision. You'll gain insight into how synthetic data can be used to study the benefits of autonomous driving systems and to make accurate predictions about real-world data. You'll work through practical examples of synthetic data generation using Python and R, placing its purpose and methods in a real-world context. Generative Adversarial Networks (GANs) are also covered in detail, explaining how they work and their potential applications.After completing this book, you'll have the knowledge necessary to generate and use synthetic data to enhance your corporate, scientific, or governmental decision making.What You Will LearnCreate synthetic tabular data with R and PythonUnderstand how synthetic data is important for artificial neural networksMaster the benefits and challenges of synthetic dataUnderstand concepts such as domain randomization and domain adaptation related to synthetic data generationWho This Book Is ForThose who want to learn about synthetic data and its applications, especially professionals working in the field of machine learning and computer vision. This book will also be useful for graduate and doctoral students interested in this subject.

Paperback

Learn and implement responsible AI models using Python. This book will teach you how to balance ethical challenges with opportunities in artificial intelligence.The book starts with an introduction to the fundamentals of AI, with special emphasis given to the key principles of responsible AI. The authors then walk you through the critical issues of detecting and mitigating bias, making AI decisions understandable, preserving privacy, ensuring security, and designing robust models. Along the way, you'll gain an overview of tools, techniques, and code examples to implement the key principles you learn in real-world scenarios.The book concludes with a chapter devoted to fostering a deeper understanding of responsible AI's profound implications for the future. Each chapter offers a hands-on approach, enriched with practical insights and code snippets, enabling you to translate ethical considerations into actionable solutions. What You Will LearnUnderstand the principles of responsible AI and their importance in today's digital worldMaster techniques to detect and mitigate bias in AIExplore methods and tools for achieving transparency and explainabilityDiscover best practices for privacy preservation and security in AIGain insights into designing robust and reliable AI modelsWho This Book Is ForAI practitioners, data scientists, machine learning engineers, researchers, policymakers, and students interested in the ethical aspects of AI

Optimize, develop, and design PyTorch and TensorFlow models for a specific problem using the Microsoft Neural Network Intelligence (NNI) toolkit. This book includes practical examples illustrating automated deep learning approaches and provides techniques to facilitate your deep learning model development.<BR> <BR> The first chapters of this book cover the basics of NNI toolkit usage and methods for solving hyper-parameter optimization tasks. You will understand the black-box function maximization problem using NNI, and know how to prepare a TensorFlow or PyTorch model for hyper-parameter tuning, launch an experiment, and interpret the results. The book dives into optimization tuners and the search algorithms they are based on: Evolution search, Annealing search, and the Bayesian Optimization approach. The Neural Architecture Search is covered and you will learn how to develop deep learning models from scratch. Multi-trial and one-shot searching approaches of automatic neural network design are presented. The book teaches you how to construct a search space and launch an architecture search using the latest state-of-the-art exploration strategies: Efficient Neural Architecture Search (ENAS) and Differential Architectural Search (DARTS). You will learn how to automate the construction of a neural network architecture for a particular problem and dataset. The book focuses on model compression and feature engineering methods that are essential in automated deep learning. It also includes performance techniques that allow the creation of large-scale distributive training platforms using NNI.<BR> <BR> After reading this book, you will know how to use the full toolkit of automated deep learning methods. The techniques and practical examples presented in this book will allow you to bring your neural network routines to a higher level.<BR>What You Will Learn- Know the basic concepts of optimization tuners, search space, and trials- Apply different hyper-parameter optimization algorithms to develop effective neural networks- Construct new deep learning models from scratch- Execute the automated Neural Architecture Search to create state-of-the-art deep learning models- Compress the model to eliminate unnecessary deep learning layers<BR>Who This Book Is For <BR>Intermediate to advanced data scientists and machine learning engineers involved in deep learning and practical neural network development

Understand the theory and implementation of simulation. This book covers simulation topics from a scenario-driven approach using Python and rich visualizations and tabulations. The book discusses simulation used in the natural and social sciences and with simulations taken from the top algorithms used in the industry today. The authors use an engaging approach that mixes mathematics and programming experiments with beginning-intermediate level Python code to create an immersive learning experience that is cohesive and integrated. After reading this book, you will have an understanding of simulation used in natural sciences, engineering, and social sciences using Python.What You'll LearnUse Python and numerical computation to demonstrate the power of simulationChoose a paradigm to run a simulationDraw statistical insights from numerical experimentsKnow how simulation is used to solve real-world problems Who This Book Is ForEntry-level to mid-level Python developers from various backgrounds, including backend developers, academic research programmers, data scientists, and machine learning engineers. The book is also useful to high school students and college undergraduates and graduates with STEM backgrounds.

Deepen your understanding of human-computer interaction (HCI) in game development and learn how to develop video games that grab players and don't let them go. This book explores HCI design in computer games to maximize collaborative and interactive functions. You'll first gain a basic introduction to fundamental concepts and practices of HCI before diving into the fundamental concepts of game interface design and technology. You'll learn how to design a gaming interface through practical examples using Python. This is followed by a brief look at how HCI can offer immersive gaming experiences for players and a review of key elements such as interface, usability, user-centered design, and user interface in terms of efficacy. You will also learn how to implement usability aspects in gaming interfaces with examples using Python. Additionally, the book discusses major challenges that game publishers and developers face, and how they can be resolved using HCI techniques. The question of playability is reviewed throughout the game production process. After working through this book's practical examples, you'll have the knowledge required to begin developing compelling, can't-put-the-controller down games of your own. What You'll LearnMaster HCI tools and methodologies Understand the concept of HCI strategies in the game development cycleDevelop a game in Python using the HCI approachUtilize gamification techniques in Human-Computer InteractionGrasp concepts of usability, user experience and user-centered design processes and their application Who This Book Is ForProgrammers, engineers, and students interested in creating and implementing computer games using HCI technologies. Prior experience with game development is recommended.

Through a recent series of breakthroughs, deep learning has boosted the entire field of machine learning. Now, even programmers who know close to nothing about this technology can use simple, efficient tools to implement programs capable of learning from data. This bestselling book uses concrete examples, minimal theory, and production-ready Python frameworks (Scikit-Learn, Keras, and TensorFlow) to help you gain an intuitive understanding of the concepts and tools for building intelligent systems. With this updated third edition, author Aurélien Géron explores a range of techniques, starting with simple linear regression and progressing to deep neural networks. Numerous code examples and exercises throughout the book help you apply what you've learned. Programming experience is all you need to get started. - Use Scikit-learn to track an example ML project end to end - Explore several models, including support vector machines, decision trees, random forests, and ensemble methods - Exploit unsupervised learning techniques such as dimensionality reduction, clustering, and anomaly detection - Dive into neural net architectures, including convolutional nets, recurrent nets, generative adversarial networks, autoencoders, diffusion models, and transformers - Use TensorFlow and Keras to build and train neural nets for computer vision, natural language processing, generative models, and deep reinforcement learning

HC gerader Rücken kaschiert

Gain insight into the world of nature-inspired optimization techniques and algorithms. This book will prepare you to apply different nature-inspired optimization techniques to solve problems using Java.You'll start with an introduction to the hidden algorithms that nature uses and find the approximate solutions to optimization problems. You'll then see how living creatures such as fish and birds are able to perform computation to solve specific optimization tasks. This book also covers various nature-inspired algorithms by reviewing code examples for each one followed by crisp and clear explanations of the algorithm using Java code. You'll examine the use of each algorithm in specific industry scenarios such as fleet scheduling in supply chain management, and shop floor management in industrial and manufacturing applications. Nature-Inspired Optimization Algorithms with Java is your pathway to understanding a variety of optimization problems that exist in various industries and domains and it will develop an ability to apply nature-inspired algorithms to find approximate solutions to them.What You'll LearnStudy optimization and its problemsExamine nature-inspired algorithms such as Particle Swarm, Gray wolf, etc.See how nature-inspired algorithms are being used to solve optimization problemsUse Java for solving the different nature-inspired algorithms with real-world examplesWho This Book Is For Software developers/architects who are looking to hone their skills in area of problem solving related to optimization with Java.

Paperback

Python von Grund auf verstehen und eigene Programme Schritt für Schritt entwickeln- Für Kinder und Einsteiger ohne Vorkenntnisse, die Programmieren verständlich lernen möchten- Alle Python-Grundlagen anschaulich mit Bildern erklärt - kurze Texte, klar nachvollziehbare Beispiele- Von ersten kleinen Programmen bis zu eigenen Projekten mit grafischer Oberfläche- Lernen durch Schritt-für-Schritt-Anleitungen, Aufgaben und Challenges mit Lösungen- Ziel ist es, eigene Ideen selbstständig umzusetzen und ein sicheres Verständnis für Programmierlogik aufzubauenKinderleicht programmieren lernen? Kein Problem! Mit diesem Buch lernst du Schritt für Schritt und anhand zahlreicher Beispiele die Grundlagen der Programmiersprache Python. Viele Bilder und kurze anschauliche Texte erleichtern dir das Verständnis. Alle Beispielprogramme werden ganz genau erklärt.Dich erwarten spannende Projekte wie zum Beispiel das Programmieren eines digitalen Assistenten zum Gedichteschreiben, ein Planeten-Ratespiel oder ein Programm zum Verwalten deiner Notizen. Du lernst, wie du Benutzungsoberflächen mit Bildern und Schaltflächen erstellst und wie du mit Daten aus dem Internet das Wetter vorhersagen kannst.Challenges mit Lösungen testen dein Wissen und fordern dich heraus, selbst kreativ zu werden. Damit hast du alles, was du brauchst, um deine eigenen Ideen mit Python umzusetzen und in der Welt der Programmierung durchzustarten.- Die ersten Programme:- Python als Taschenrechner- Begrüßungsautomat und- Zahlenraten- Funktionen im Einsatz:- Computerkunst und - Briefassistent- Daten clever verarbeiten:- Planeten aufzählen- Notizen verwalten und- das Wetter vorhersagen- Programme mit grafischer Oberfläche:- Farbmischer- digitaler Würfel- Dichten mit Goethe und- Quiz

The field of Artificial Intelligence (AI) has rapidly transformed in recent years, with Machine Learning being now one of its most impactful and widely applied branches. From intelligent recommendation systems to self-driving cars, and from language translation to medical diagnosis, Machine Learning now touches nearly every aspect of modern life. Yet, for those beginning their journey into AI, the field can feel daunting-particularly with the increasing complexity of deep learning and generative models. In the midst of this fast-paced evolution, it is easy to overlook the foundational ideas that make these breakthroughs possible.This book is written to bridge this gap and was born from the belief that a solid understanding of classical machine learning is not just helpful, but essential for truly grasping the advanced and modern models shaping today's AI landscape. The authors' goal is to explain classical models clearly and intuitively, while also providing hands-on Python implementations that bring these models to life and offering, as such, a balanced practical approach.The authors cover a wide range of foundational topics, from linear regression and logistic regression to decision trees, ensemble methods, clustering, dimensionality reduction, neural networks, and convolutional operations. Emerging ideas like Cubixel representation in image processing are also presented, providing a forward-looking perspective on evolving practices. Each chapter builds on the last, combining theory, math, and code in a way that is accessible to students, researchers, and professionals alike.The book assumes a working knowledge of Linear Algebra and Calculus, as many algorithms rely on these mathematical underpinnings. A solid foundation in Python is also recommended, since practical examples and implementations are written in Python with widely used libraries such as NumPy, pandas, scikit-learn, and TensorFlow. Whether you're an aspiring machine learning engineer, a data scientist transitioning from another field, or an academic looking to refresh your knowledge, this book aims to be a practical companion on your learning journey.

US-Bestseller: Gegen stumpfsinnige Computeraufgaben!- Lernen Sie, Python-Programme zu schreiben, die Ihnen automatisch alle möglichen Aufgaben abnehmen.- In wenigen Minuten statt vielen Stunden zum fertigen Programm- Mit detaillierten Schritt-für-Schritt-Anleitungen, verständlichen Erklärungen und praxisnahen BeispielenWenn Sie jemals Stunden damit verbracht haben, Dateien umzubenennen oder Hunderte von Tabelleneinträgen zu aktualisieren, dann wissen Sie, wie stumpfsinnig manche Tätigkeiten sein können. Wie wäre es, den Computer dazu zu bringen, diese Arbeiten zu übernehmen?In diesem Buch lernen Sie, wie Sie mit Python Aufgaben in Sekundenschnelle erledigen können, die sonst viel Zeit in Anspruch nehmen würden. Programmiererfahrung brauchen Sie dazu nicht: Wenn Sie einmal die Grundlagen gemeistert haben, werden Sie Python-Programme schreiben, die automatisch alle möglichen praktischen Aufgaben für Sie abarbeiten:- Dateien nach Texten durchsuchen- Dateien und Ordner erzeugen, aktualisieren, verschieben und umbenennen- Das Web durchsuchen, Inhalte herunterladen- Excel-Dateien aktualisieren und formatieren- PDF-Dateien teilen, zusammenfügen, mit Wasserzeichen versehen und verschlüsseln- Erinnerungsmails und Textnachrichten verschicken- Onlineformulare ausfüllenSchritt-für-Schritt-Anleitungen führen Sie durch jedes Programm und Übungsaufgaben am Ende jedes Kapitels fordern Sie dazu auf, die Programme zu verbessern und Ihre Fähigkeiten auf ähnliche Problemstellungen zu richten.Neu in dieser Auflage: 16 zusätzliche Projekte, darunter die Nutzung von OpenAI Whisper zur Transkription von Audio- und Videodateien, Playwright als Ergänzung zu Selenium zur Browsersteuerung, Texterkennung mit PyTesseract, Text-to-Speech-Funktionen, erweiterte PDF-Verarbeitung mit PyPDF und PDFMiner sowie Diagrammerstellung mit Matplotlib.

Datenanalyse für Einsteiger - mit Python und KIPython programmieren lernen, ohne sich mit 'Hello World' aufzuhalten! In diesem Buch finden Sie praxisnahes Python- und KI-Wissen, das Sie auf Ihre Daten und alltäglichen Probleme anwenden können. Python ist die perfekte Lösung für die Datenanalyse. Der Autor lässt Sie keine lästigen Fingerübungen absolvieren, sondern zeigt Praxisfälle, die Sie für Ihre Zwecke adaptieren können. Anhand konkreter Beispiele lernen Sie die Programmierung mit Python und bekommen hilfreiche Tools für Uni, Wissenschaft und Büro an die Hand.- KI einsetzen, Daten analysieren, Routineaufgaben automatisieren- Mit wichtigen Werkzeugen wie Jupyter Notebooks, pandas und Matplotlib- Für Daten aus Excel, Datenbanken, Web-Scraping, XML und vielen mehrAus dem Inhalt:- Loslegen mit Python - ein erstes Script- Arbeiten mit Dateien- Datenanalyse und -visualisierung- Machine Learning und KI- Datenbanken- APIs nutzen- Web-Projekte erstellen

In Deep Learning with PyTorch, Second Edition, you'll learn how to create your own neural network and deep learning systems and take full advantage of PyTorch's built-in tools for automatic differentiation, hardware acceleration, distributed training, and more. PyTorch makes it easy to build the powerful neural networks that underpin many modern advances in artificial intelligence.

Alles zu Python 3 in einem Buch, mit vielen Beispielen und ÜbungenVerständlich, umfassend, praxisnah: Dieses Python-Handbuch ist die erste Wahl für alle, die Python in der Software-Entwicklung einsetzen. Ob Sie gerade anfangen, mit Python zu programmieren oder bei Ihrer Arbeit etwas nachschlagen möchten - in diesem großen Kompendium finden Sie alles, was Sie zu Python wissen müssen. Angefangen mit einem Einstieg in die Sprache und ersten einfachen Beispielen bieten Ihnen Johannes Ernesti und Peter Kaiser in diesem Buch eine Sprachreferenz und die Beschreibung der Standardbibliothek. Die Praxis steht immer im Vordergrund, auch wenn die beiden Autoren professionelle Themen ins Visier nehmen wie GUI-Entwicklung, Webentwicklung, wissenschaftliches Rechnen oder Data Science.Überall im Buch finden Sie Praxisbeispiele, die Ihnen helfen, das Gelernte zu festigen und Ihre Programmierfähigkeiten zu trainieren oder zu vertiefen. Die Programme stehen Ihnen auch als Download zur Verfügung, zusammen mit weiteren Anwendungsbeispielen.Ein Muss für alle, die mit Python Software entwickeln oder Python lernen wollen.- Über 1.000 Seiten Python-Wissen: Einführung, Praxis, Referenz- Sprachgrundlagen, Objektorientierung, Modularisierung- Parallele Programmierung, Debugging, Webentwicklung mit Django, GUIs, Netzwerkkommunikation, Data Science u. v. m. Aus dem Inhalt:- Sprachgrundlagen und objektorientierte Programmierung- Einführung in Python- Modularisierung- Reguläre Ausdrücke- Datums- und Zeitfunktionen- Thread-Programmierung- GUI-Programmierung- Webentwicklung mit Django- Mathematische Module- Schnittstellen zum Betriebssystem- Netzwerkkommunikation- Distribution von Python-Projekten- Programmoptimierung- Wissenschaftliches Rechnen- Data Science

Your first step toward thinking like a coder Coding For Dummies is one of the most popular get-started guides for new coders. This all- new edition demystifies essential coding concepts before diving into building simple apps in Python and JavaScript. For anyone brand-new to writing code, this book is an ideal first step, because you'll get an overview of how coding works, the essential tools of coding, and how to apply coding in different ways. Plus, you'll get insight into how new tools like AI can quickly boost your coding know-how. Enter the world of code with this easy-to-follow Dummies guide! - Learn the basics of coding, including key concepts you'll need in every coding language - Get a rundown of the most popular language, and start coding in JavaScript and Python - Follow step-by-step instructions to build your first apps - Discover how AI can help you become a better, faster coder Looking for a foundation in the basics of coding, plus simple tasks to help you get started? Coding For Dummies is the book for you.