Python 3: from None to Machine Learning

Author

name:Matt Harasymczuk email:matt@astrotech.io www:http://www.astrotech.io facebook:https://facebook.com/matt.harasymczuk linkedin:https://linkedin.com/in/mattharasymczuk slideshare:https://www.slideshare.net/astrotech/presentations github:https://github.com/astromatt

Workshop

Warning

Przed szkoleniem proszę o instalację i konfigurację środowiska zgodnie z Konfiguracja środowiska

• Python Foundations
• Python Intermediate
• Python Advanced
• Django Framework
• Python in Testing
• Python in Science and Engineering
• Python in Machine Learning

Tip

If you’re interested in training course on topics from this book, please email me at matt@astrotech.io

Other books from this series

Python and Machine Learning:  http://python.astrotech.io DevOps and Development Tools Ecosystem:  http://devops.astrotech.io GIT and GIT Flow in CI/CD:  http://git.astrotech.io Agile, Scrum, Kanban, XP, Lean:  http://agile.astrotech.io Software Architecture, Cloud, Microservices and Processes:  http://arch.astrotech.io Linux and Shell Programming with Bash:  http://linux.astrotech.io

Tip

The most up-to-date version of this book is always at http://python.astrotech.io

Workshop

Introduction

Introduction

• 1. About Python Language
  • 1.1. What is Python?
  • 1.2. Which version?
  • 1.3. File types and extensions
  • 1.4. Scripts
  • 1.5. Read–Eval–Print Loop
  • 1.6. Jupyter
• 2. References
  • 2.1. Ehlo World!
  • 2.2. Main Characters
  • 2.3. Addresses
  • 2.4. Dates and timezones
• 3. IDE - Integrated Development Environment
  • 3.1. What is IDE?
  • 3.2. How to choose?
  • 3.3. Which one is the best?
  • 3.4. Assignments

Foundations

Foundations

• 1. Syntax
  • 1.1. Indentation instead of braces
  • 1.2. End lines
  • 1.3. Comments
• 2. Types
  • 2.1. Variables and constants
  • 2.2. Numerical types
  • 2.3. Logical types
  • 2.4. Character types
  • 2.5. Assignments
• 3. Data Structures
  • 3.1. Simple collections
  • 3.2. How to initialize?
  • 3.3. Nested collections
  • 3.4. How Python understands types?
  • 3.5. More advanced topics
  • 3.6. Assignments
• 4. Control Flow Statements
  • 4.1. Conditional Statements
  • 4.2. Complex expressions
  • 4.3. Control Statements
  • 4.4. No switch statement?!
  • 4.5. Assignments
• 5. Operators
  • 5.1. General operators
  • 5.2. Numerical types operators
  • 5.3. Bitwise operators
  • 5.4. Operator precedence
  • 5.5. Assignments
• 6. Loops
  • 6.1. while
  • 6.2. Keywords in loops
  • 6.3. for
  • 6.4. Inline for
  • 6.5. Assignments
• 7. Function Basics
  • 7.1. Function definition
  • 7.2. Returning values
  • 7.3. Function arguments
  • 7.4. Naming convention
  • 7.5. Variable scope
  • 7.6. Recurrence
  • 7.7. Assignments
• 8. Doctest
  • 8.1. Test for bool return values
  • 8.2. Test for int return values
  • 8.3. Test for str return values
  • 8.4. Testing for exceptions
  • 8.5. Using python statements in doctest
  • 8.6. Running doctest from standalone scripts
  • 8.7. Practical example
  • 8.8. Assignments
• 9. Installing Packages
  • 9.1. Virtualenv
  • 9.2. Searching
  • 9.3. Installing
  • 9.4. Using
  • 9.5. Assignments
• 10. Builtin and Keywords
  • 10.1. Keywords
  • 10.2. Builtin functions
  • 10.3. Other builtin functions
• 11. Software Engineering Conventions
  • 11.1. PEP 8 - Style Guide for Python Code
  • 11.2. PEP 20 - The Zen of Python
  • 11.3. Magic number i magic string
  • 11.4. pycodestyle
  • 11.5. Assignment
• 12. Performance Optimization
  • 12.1. Seven strategies
  • 12.2. PyPy
  • 12.3. Use set instead of list
  • 12.4. Use list.append() instead of str + str
  • 12.5. Range between two float
  • 12.6. Inne
  • 12.7. Assignments
• 13. Mathematics
  • 13.1. Builtin
  • 13.2. math
  • 13.3. statistics
  • 13.4. random
  • 13.5. matplotlib
  • 13.6. Assignments
• 14. Debugging
  • 14.1. Run in the console
  • 14.2. print
  • 14.3. pprint
  • 14.4. locals()
  • 14.5. help and docstring __doc__
  • 14.6. object.__dict__
  • 14.7. dir() i object.__dict__
  • 14.8. json.tool
  • 14.9. Using pdb
  • 14.10. breakpoint()
  • 14.11. Using debugger in IDE
• 15. Print Formatting
  • 15.1. Funkcja print
  • 15.2. Konkatenacja stringów
  • 15.3. Interpolacja zmiennych
  • 15.4. Metoda .format()
  • 15.5. f-strings - Python >= 3.6
  • 15.6. Przykład z życia
  • 15.7. PEP 3101 – Advanced String Formatting
  • 15.8. Więcej informacji
  • 15.9. pprint
  • 15.10. Assignments
• 16. Dates and Time
  • 16.1. datetime
  • 16.2. pytz
  • 16.3. calendar
  • 16.4. time
  • 16.5. timeit
  • 16.6. Assignments
• 17. Exceptions
  • 17.1. Po co są wyjątki?
  • 17.2. Podnoszenie wyjątków
  • 17.3. Tworzenie własnych wyjątków
  • 17.4. Przechwytywanie wyjątków
  • 17.5. Przykład z życia
  • 17.6. Najpopularniejsze wyjątki
  • 17.7. Hierarchia wyjątków
  • 17.8. Przykład wyjątków przy czytaniu plików
• 18. Files
  • 18.1. Konstrukcja with
  • 18.2. Czytanie
  • 18.3. Zapis
  • 18.4. Tryby odczytu i zapisu
  • 18.5. Obsługa wyjątków
  • 18.6. Assignments
• 19. Object Oriented Programming
  • 19.1. Object Paradigm
  • 19.2. Classes and Objects
  • 19.3. Fields
  • 19.4. Methods
  • 19.5. Inheritance
  • 19.6. _ and __ - Private, protected, public?!
  • 19.7. More advanced topics
  • 19.8. Assignments
• 20. Dataclass
  • 20.1. Old style classes
  • 20.2. New style dataclasses
  • 20.3. __init__ vs. __post_init__
  • 20.4. More advanced options
  • 20.5. Under the hood
  • 20.6. Assignments
• 21. Exam from basic topics
  • 21.1. Parsowanie /etc/passwd

Intermediate

Intermediate

• 1. Virtualenv
  • 1.1. Tworzenie wirtualnego środowiska
  • 1.2. Aktywacja i korzystanie ze środowiska
  • 1.3. Dobra praktyka
  • 1.4. Pakiety i zależności
• 2. Type Annotation
  • 2.1. Sprawdzanie typów
  • 2.2. Dodawanie typów do instniejącego kodu
  • 2.3. Korzystanie z typów
  • 2.4. Introspekcja
• 3. Logowanie zdarzeń
  • 3.1. Korzystanie z logging
  • 3.2. Konfiguracja formatowania logów
  • 3.3. warnings
• 4. CSV Serialization
  • 4.1. Odczytywanie danych z plików CSV
  • 4.2. Zapis do plików CSV
  • 4.3. Parsowanie innych plików za pomocą csv.DictReader()
  • 4.4. Assignments
• 5. Serializacja i deserializacja JSON
  • 5.1. Zapis danych do formatu JSON
  • 5.2. Odczyt danych z formatu JSON
  • 5.3. Problemy z serializacją i deserializacją
  • 5.4. Serializacja i pisanie własnych encoderów
  • 5.5. Deserializacja i pisanie własnych decoderów
  • 5.6. Assignments
• 6. Testy i Jakość
  • 6.1. Glossary
  • 6.2. Built-in frameworks
  • 6.3. Frontend Testing
  • 6.4. Static Code Analysis
  • 6.5. Type Checking
  • 6.6. Automation and Releases
  • 6.7. Testy Mutacyjne
  • 6.8. Transifex
• 7. Advanced Functions
  • 7.1. Callable
  • 7.2. Operator * i **
  • 7.3. Przykładowe zastosowanie
  • 7.4. Assignments
• 8. Object Oriented Programming
  • 8.1. Everything is an object
  • 8.2. Duck typing
  • 8.3. Inheritance vs. Composition (Mixin Classes)
  • 8.4. Duck typing
  • 8.5. Dynamically creating fields
  • 8.6. Accessors
  • 8.7. __str__() and __repr__()
  • 8.8. @staticmethod
  • 8.9. Method Resolution Order
  • 8.10. Hash
  • 8.11. Polymorphism
  • 8.12. Interfaces
  • 8.13. Abstract Classes
  • 8.14. Good Engineering Practises
  • 8.15. Monkey Patching
  • 8.16. Objects and instances
  • 8.17. Metaclass
  • 8.18. Assignments
• 9. Operator Overload
  • 9.1. Przeciążanie operatorów
  • 9.2. Assignment
• 10. Modularyzacja, wersjonowanie i dystrybucja
  • 10.1. Instalacja i korzystanie z zewnętrznych bibliotek
  • 10.2. Importowanie modułów
  • 10.3. Modularyzacja
  • 10.4. Tworzenie paczek
  • 10.5. Przyszłość paczkowania i dystrybucji
• 11. Wyrażenia regularne
  • 11.1. Konstruowanie wyrażeń
  • 11.2. Najczęściej wykorzystywane funkcje
  • 11.3. Regex Flags
  • 11.4. Wyciąganie parametrów (zmiennych)
  • 11.5. Greedy i non-greedy search
  • 11.6. Practical example of Regex usage
  • 11.7. Assignments
• 12. Bazy Danych
  • 12.1. SQL Syntax
  • 12.2. DB API
  • 12.3. sqlite3
  • 12.4. pyMySQL
  • 12.5. psycopg2
  • 12.6. pymongo
  • 12.7. SQLAlchemy
  • 12.8. Django ORM
  • 12.9. Data exploration
  • 12.10. Case Study
  • 12.11. Assignments
• 13. Tworzenie dokumentacji
  • 13.1. reStructuredText vs. Markdown
  • 13.2. Format reStructuredText
  • 13.3. Sphinx
  • 13.4. Read the docs
  • 13.5. Assignments
• 14. Projektowanie GUI
  • 14.1. Graphical User Interfaces with Tkinter
  • 14.2. Biblioteka Tkinter

Advanced

Advanced

• 1. Compilers and interpreters
  • 1.1. Interpreters
  • 1.2. Compiling
  • 1.3. zipapp
• 2. Introspekcja
  • 2.1. eval
  • 2.2. Pola obiektu
  • 2.3. Metody obiektu
  • 2.4. Introspekcja obiektów
  • 2.5. Other
• 3. Serializacja i deserializacja
  • 3.1. Serializacja i deserializacja danych Pythona
  • 3.2. Assignments
• 4. XML
  • 4.1. xml
  • 4.2. xslt
• 5. Commandline argument parsing
  • 5.1. argparse
  • 5.2. Example
  • 5.3. docopt
  • 5.4. Assignments
• 6. System Operacyjny
  • 6.1. Accessing Environmental Variables
  • 6.2. Getting filenames and extensions
  • 6.3. Sprawdzanie systemu operacyjnego
  • 6.4. sys
  • 6.5. os
  • 6.6. subprocess
  • 6.7. tempfile
  • 6.8. io
  • 6.9. configparser
  • 6.10. pathlib
  • 6.11. Running commands in parallel across many hosts
  • 6.12. Passwords and secrets
  • 6.13. Allegro Tipboard
  • 6.14. Assignments
• 7. Generatory i list comprehension
  • 7.1. Lazy evaluation
  • 7.2. List comprehension
  • 7.3. Generator expressions
  • 7.4. List comprehension vs. Generator expressions
  • 7.5. Operator yield
  • 7.6. Przykłady
  • 7.7. Assignments
• 8. Iteratory
  • 8.1. Czym jest iterator?
  • 8.2. Iterowanie po obiektach
  • 8.3. Własny iterator
  • 8.4. itertools
  • 8.5. Przykład
  • 8.6. Assignments
• 9. Context Managers
  • 9.1. Zastosowanie
  • 9.2. Przykład
  • 9.3. Przykład praktyczny
• 10. Decorator
  • 10.1. Zastosowanie
  • 10.2. Definicja
  • 10.3. Class Decorators
  • 10.4. Przykład
  • 10.5. Assignments
• 11. Collections
  • 11.1. OrderedDict
  • 11.2. namedtuple
• 12. Programowanie HTTP
  • 12.1. Biblioteki standardowe
  • 12.2. Biblioteki zewnętrzne
  • 12.3. HTML Scrapping
  • 12.4. Standard WSGI
  • 12.5. Frameworki i technologie webowe
  • 12.6. Utils
  • 12.7. Template
  • 12.8. Przykłady praktyczne
  • 12.9. Wersjonowanie API
  • 12.10. Assignments
• 13. Network Programming
  • 13.1. Socket
  • 13.2. Biblioteki sieciowe
  • 13.3. Automatyzacja pracy
  • 13.4. Allegro Ralph
  • 13.5. ldap3
• 14. Kolejki, wątki i procesy
  • 14.1. Kolejki - Queue
  • 14.2. Wątki a procesy
  • 14.3. Wątki
  • 14.4. Procesy
  • 14.5. Assignments
• 15. Concurrency
  • 15.1. High-Level Concurrency
  • 15.2. Coroutine
  • 15.3. Asyncio
  • 15.4. Przykłady praktyczne
• 16. C Extensions
  • 16.1. C Types
  • 16.2. C Modules
  • 16.3. Assignments
• 17. Programowanie funkcyjne
  • 17.1. Rekurencja
  • 17.2. Lambda - funkcje anonimowe
  • 17.3. Closure
  • 17.4. Monady
  • 17.5. złożenia funkcji
  • 17.6. functools
  • 17.7. Assignments
• 18. Metaclass
• 19. Wzorce projektowe
  • 19.1. Przykłady praktyczne
  • 19.2. Inne wzorce
  • 19.3. Creational Design Patterns
  • 19.4. Structural Design Patterns
  • 19.5. Behavioral Design Patterns
• 20. Exam from advanced topics
  • 20.1. Mini Botnet

Django

Django

• 1. HTTP
  • 1.1. Narzędzia
  • 1.2. DNS
  • 1.3. HTTP Protocol
  • 1.4. HTTP Methods
  • 1.5. HTML + JS + CSS
• 2. Introduction to Django
  • 2.1. Co to jest Django?
  • 2.2. Dokumentacja
  • 2.3. Wersjonowanie
  • 2.4. setup.cfg
  • 2.5. IDE Support
• 3. Django Framework Architecture
  • 3.1. Framework Architecture
  • 3.2. Request-Response flow
• 4. Installation and Running
  • 4.1. Instalacja
  • 4.2. Starting new project
  • 4.3. IDE Run configuration
• 5. Settings
• 6. Apps
  • 6.1. Reusability
  • 6.2. Location
  • 6.3. Create
  • 6.4. Structure
  • 6.5. Configuration
• 7. Models
  • 7.1. Model Fields
  • 7.2. Model field arguments
  • 7.3. Abstract Models
  • 7.4. Architecture
  • 7.5. Single File vs. Models per file
  • 7.6. Reverse engineering database
  • 7.7. Database schema migration
  • 7.8. Example Model
• 8. URL Router
  • 8.1. Global URLs
  • 8.2. In app URLs
  • 8.3. urlpatterns
  • 8.4. path
  • 8.5. url
  • 8.6. include
  • 8.7. URLs reversing
  • 8.8. URLs in templates
• 9. ORM
  • 9.1. QuerySet
  • 9.2. Field lookups
  • 9.3. Filters can reference fields on the model
  • 9.4. Complex lookups with Q objects
  • 9.5. Comparing objects
  • 9.6. Aggregations
• 10. Views
  • 10.1. Class Based Views
  • 10.2. Generic Views
  • 10.3. Responses
  • 10.4. Decorators
• 11. REST
  • 11.1. RESTful Views
  • 11.2. python -m json.tool
  • 11.3. django-rest-framework
  • 11.4. django-rest-swagger
• 12. Staticfiles
  • 12.1. Settings
  • 12.2. Serving staticfiles
• 13. Templates
• 14. Admin panel
  • 14.1. Customizong
  • 14.2. Permissions
  • 14.3. Model Admin
  • 14.4. Model Inlines
  • 14.5. Extending Admin
  • 14.6. ModelAdmin Example
  • 14.7. django-import-export
  • 14.8. Grapelli
• 15. Management Commands
  • 15.1. Built-in
  • 15.2. Writing own management commands
• 16. i18n and l10n
  • 16.1. Timezone
  • 16.2. i18n - internationalization
• 17. Database
  • 17.1. Database schema migration
  • 17.2. Management commands
  • 17.3. Database settings
  • 17.4. Fixtures
  • 17.5. Multiple DB and db routing
• 18. Cache
• 19. Signals
• 20. Standalone scripts
• 21. Tests and quality
  • 21.1. Tests
  • 21.2. Test URLs
  • 21.3. SonarQube
  • 21.4. Debug Toolbar
• 22. CI/CD - Continuous Integration and Deployment
  • 22.1. Bitbucket Pipelines
  • 22.2. Travis
• 23. Deployment
  • 23.1. Deployment platforms
  • 23.2. Packaging
  • 23.3. Staticfils serving

Scientific and Engineering

Scientific and Engineering

• 1. Code Quality
• 2. Biblioteki w zastosowaniach naukowych i inżynieryjnych
  • 2.1. Środowisko
  • 2.2. Biblioteki do obsługi danych
  • 2.3. Wykresy i grafy
  • 2.4. Biblioteki do nauczania maszynowego
  • 2.5. Other
• 3. Jupyter
  • 3.1. Install
  • 3.2. Run
  • 3.3. Using
  • 3.4. Shortcut keys
  • 3.5. Cells
  • 3.6. Run
  • 3.7. LaTeX
  • 3.8. Magic commands
  • 3.9. Execute terminal commands
  • 3.10. HTML and Javascript
  • 3.11. Kernels
  • 3.12. Functions
  • 3.13. Markdown
  • 3.14. Embedding objects
  • 3.15. Slides
  • 3.16. Assignments
• 4. NumPy
  • 4.1. Import
  • 4.2. Functions
  • 4.3. Polynomial mathematics
  • 4.4. Statistics
  • 4.5. Random numbers
  • 4.6. Data Structures
  • 4.7. Arrays
  • 4.8. Vector and matrix mathematics
  • 4.9. Matrix
  • 4.10. Linear Algebra
  • 4.11. Assignments
• 5. Zastosowanie naukowe
  • 5.1. Scipy
• 6. Pandas
  • 6.1. Series
  • 6.2. DataFrame
  • 6.3. Import
  • 6.4. Export
  • 6.5. Display Output
  • 6.6. Practical Example
  • 6.7. Assignments
• 7. Generowanie wykresów
  • 7.1. Matplotlib
• 8. Matplotlib
  • 8.1. Gallery
  • 8.2. Matplotlib and Jupyter
  • 8.3. Points
  • 8.4. Line Chart
  • 8.5. Multiple Charts
  • 8.6. Box Chart
  • 8.7. Bars
  • 8.8. Annotate
  • 8.9. Scales
  • 8.10. Pie Chart
  • 8.11. 3D
  • 8.12. Grid
  • 8.13. Legend using pre-defined labels
  • 8.14. Radar Chart
• 9. Plotly
  • 9.1. Installation
  • 9.2. Offline usage
  • 9.3. Jupyter Usage
  • 9.4. Plot Controls & IPython widgets
  • 9.5. Charts
  • 9.6. Time Series
  • 9.7. Two plots
  • 9.8. 3D Plotting
• 10. Bokeh
  • 10.1. Installation
  • 10.2. Download Sample Data
  • 10.3. Charts
• 11. Generowanie grafów
  • 11.1. PyDotPlus
  • 11.2. Graphviz
• 12. Numerical Analysis
• 13. Uczenie maszynowe
  • 13.1. Scikit-learn
  • 13.2. PyMC3
  • 13.3. TensorFlow

Machine Learning

Machine Learning

• 1. Wprowadzenie do statystyki
  • 1.1. Rozkłady
  • 1.2. Podstawowe pojęcia
• 2. Wprowadzenie do Machine Learning
  • 2.1. Czym jest uczenie maszynowe?
  • 2.2. Co trzeba wiedzieć przed rozpoczęciem pracy?
  • 2.3. Ważne pytania przed przystąpieniem do tworzenia algorytmu
  • 2.4. Czyszczenie Danych
  • 2.5. Praca z bibliotekami
  • 2.6. Kategorie algorytmów uczenia maszynowego
• 3. Słowniczek intuicyjny
• 4. Słownik Pojęć
• 5. Datasets
  • 5.1. Skąd wziąć dane testowe?
• 6. Machine Learning Algorithms
  • 6.1. Regression Algorithms
  • 6.2. Instance-based Algorithms
  • 6.3. Regularization Algorithms
  • 6.4. Decision Tree Algorithms
  • 6.5. Bayesian Algorithms
  • 6.6. Clustering Algorithms
  • 6.7. Assoication Rule Learning Algorithms
  • 6.8. Artificial Neural Network Algorithms
  • 6.9. Deep Learning Algorithms
  • 6.10. Dimensional Reduction Algorithms
  • 6.11. Ensemble Algorithms
  • 6.12. Other Algorithms
• 7. Features
  • 7.1. Czym są features?
  • 7.2. Przykład praktyczny
  • 7.3. What Makes a Good Feature?
  • 7.4. Assignments
• 8. Classifiers
  • 8.1. Co to jest Classifier?
  • 8.2. Schemat działania classifiera
• 9. scikit-learn
  • 9.1. Loading Sample Datasets
  • 9.2. Fit and Predict
  • 9.3. Classifier
  • 9.4. Feature Selection
  • 9.5. Evaluation
  • 9.6. Label Encoder
  • 9.7. Writing Own Classifier
  • 9.8. Zadania praktyczne
• 10. Model Quality
  • 10.1. Metody doboru modelu i poprawienia jakości
  • 10.2. Słownictwo
  • 10.3. Diagnostyka Bias vs. Wariancja
  • 10.4. Model Evaluation Procedure
  • 10.5. Regularyzacja
  • 10.6. Random Forrest
  • 10.7. Ensemble averaging
• 11. Decision Tree
  • 11.1. Visualizing a Decision Tree
  • 11.2. Zadania praktyczne
• 12. k Nearest Neighbors
  • 12.1. Jak działa algorytm “K najbliższych sąsiadów”
  • 12.2. Przykład praktyczny
  • 12.3. Określanie przynależności do zbioru
  • 12.4. Wyznaczanie odległości
  • 12.5. Zalety i wady
  • 12.6. Assignments
• 13. Bayes
  • 13.1. Co to jest Naiwny klasyfikator Bayesowski?
  • 13.2. Gaussian Naive Bayes
  • 13.3. Przykłady praktyczne
  • 13.4. Plusy i minusy Naiwnego Bayesa
  • 13.5. Aplikacje Naiwnego klasyfikatora Bayesa
  • 13.6. Przykłady praktyczne
  • 13.7. Zadanie kontrolne
• 14. Linear Regression
  • 14.1. Co to jest Linear Regression?
  • 14.2. Przed zastosowaniem
  • 14.3. Wyznaczanie równania prostej
  • 14.4. Przykłady praktyczne
  • 14.5. Assignments
• 15. Logistic Regression
  • 15.1. Co to jest Logistic Regression?
  • 15.2. Podstawowe pojęcia
  • 15.3. Przykład zastosowania
  • 15.4. Assignments
• 16. Support Vector Machines
  • 16.1. TL;DR
  • 16.2. Charakterystyka algorytmu
  • 16.3. Opis algorytmu
  • 16.4. Support Vector Machines (Kernels)
  • 16.5. Przykłady praktyczne
  • 16.6. Assignments
  • 16.7. Lektura uzupełniająca
• 17. Clustering
  • 17.1. Przykłady zastosowania
  • 17.2. Algorytmy klastrowania
  • 17.3. Flat Clustering
  • 17.4. Hierarchical Clustering
  • 17.5. Porównanie algorytmów
  • 17.6. Przykład praktyczny
  • 17.7. Assignments
• 18. Principal Component Analysis (PCA)
  • 18.1. What is Principal Component Analysis?
  • 18.2. 2D example
  • 18.3. 3D example
  • 18.4. Przykłady praktyczne
  • 18.5. Assignments
• 19. Neural Network
  • 19.1. What Is a Neural Network?
  • 19.2. Słownictwo
  • 19.3. Przykład praktyczny
  • 19.4. Tools
  • 19.5. Działanie na sieciach neuronowych
  • 19.6. Przetwarzanie obrazów na przykładzie rozpoznawania odręcznie napisanych cyfr (MNIST)
  • 19.7. Przykłady praktyczne
  • 19.8. Assignments
• 20. Convolutional Neural Network
  • 20.1. Problemy z przetwarzaniem obrazów
  • 20.2. What is and Kernel Convolution?
  • 20.3. What is Convolutional Neural Network (CNN / ConvNet)
  • 20.4. Przydatne odnośniki
• 21. Przydatne odnośniki
  • 21.1. Neural Networks
  • 21.2. Understanding the Bias-Variance Tradeoff
  • 21.3. Bayes
  • 21.4. PyMC3
  • 21.5. Inne
• 22. Notes
  • 22.1. Data Science
  • 22.2. Jupyter
  • 22.3. Machine Learning
  • 22.4. Metody bez nadzoru

Blogposts

Blogposts

• 1. Wprowadzenie do Machine Learning w Pythonie
  • 1.1. Czym jest uczenie maszynowe?
  • 1.2. Co trzeba wiedzieć przed rozpoczęciem pracy?
  • 1.3. Ważne pytania przed przystąpieniem do tworzenia algorytmu
  • 1.4. Czyszczenie Danych
  • 1.5. Praca z bibliotekami
  • 1.6. Kategorie algorytmów uczenia maszynowego

Appendixes

Appendixes

• 1. SQL
  • 1.1. Data Types
  • 1.2. Constrains
  • 1.3. CREATE
  • 1.4. INSERT
  • 1.5. SELECT
  • 1.6. AUTOINCREMENT
  • 1.7. UPDATE
  • 1.8. GROUP BY
  • 1.9. HAVING
  • 1.10. ALTER
  • 1.11. DROP
  • 1.12. DELETE
  • 1.13. JOIN
  • 1.14. TRUNCATE
  • 1.15. SQL Injection
• 2. History
• 3. BDFL - Guido van Rossum
• 4. Name
• 5. PSF - Python Software Foundation
• 6. Przydatne odnośniki
  • 6.1. Doumentacja
  • 6.2. Środowisko developerskie
  • 6.3. Ponadto
  • 6.4. Humor IT
  • 6.5. Wyzwania i potyczki
• 7. Książki
  • 7.1. Algorytmy
  • 7.2. Bazy danych
  • 7.3. Dobre praktyki i quality
  • 7.4. Design patterns
  • 7.5. Refactoring
  • 7.6. Python
• 8. Video
  • 8.1. Collections
  • 8.2. Python
  • 8.3. Machine Learning and Data Science
  • 8.4. Filmy z ostatnich konferencji
• 9. Python 2 vs. 3
  • 9.1. six
  • 9.2. Lista kompatybilności Python 2 i Python 3
  • 9.3. Unicode i kodowanie znaków
  • 9.4. Biblioteki standardowe w 2 i 3
• 10. Python WAT?!
• 11. Free Code
  • 11.1. GITHub API
  • 11.2. LDAP Expiring Passwords
• 12. Python PEP
• 13. Copyright
  • 13.1. MIT License
• 14. Słownik Pojęć