ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Conceptualizing Python in Google COLAB

دانلود کتاب مفهوم سازی پایتون در Google COLAB

Conceptualizing Python in Google COLAB

مشخصات کتاب

Conceptualizing Python in Google COLAB

ویرایش:  
نویسندگان: , ,   
سری:  
ISBN (شابک) : 9789393557438, 9993603865 
ناشر: Shashwat Publication 
سال نشر: 2023 
تعداد صفحات: 329 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 13 Mb 

قیمت کتاب (تومان) : 32,000

در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 5


در صورت تبدیل فایل کتاب Conceptualizing Python in Google COLAB به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب مفهوم سازی پایتون در Google COLAB نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب مفهوم سازی پایتون در Google COLAB

این کتاب می تواند به عنوان کتاب درسی برای فارغ التحصیلان تحصیلات تکمیلی و مرجع برای هر فارغ التحصیل کامپیوتر باشد. همچنین مرجع آسانی برای حرفه ای های کامپیوتری که می خواهند حرفه خود را در یادگیری ماشین با استفاده از پایتون شروع کنند، فراهم می کند.\r\n\r\nColaboratory یا به اختصار «Colab» محصولی از Google Research است. Colab به هر کسی اجازه می دهد تا کد پایتون دلخواه را از طریق مرورگر بنویسد و اجرا کند، و به ویژه برای یادگیری ماشین (ML)، تجزیه و تحلیل داده ها و آموزش مناسب است. اگر در حال کاوش در یادگیری ماشینی هستید اما در تلاش برای شبیه سازی بر روی مجموعه داده های عظیم هستید، یا یک متخصص در حال بازی با ML هستید که از قدرت محاسباتی اضافی ناامید است، Google Colab راه حل عالی برای شما است. Google Colab یا «The Colaboratory» یک سرویس ابری رایگان است که توسط Google میزبانی می‌شود تا تحقیقات یادگیری ماشین و هوش مصنوعی را تشویق کند، جایی که اغلب مانع یادگیری و موفقیت نیاز به قدرت محاسباتی فوق‌العاده است.\r\n\r\nاگر می‌خواهید یک مدل یادگیری ماشینی ایجاد کنید اما رایانه‌ای ندارید که بتواند حجم کار را تحمل کند، Google Colab پلتفرمی برای شماست. حتی اگر یک GPU یا یک کامپیوتر خوب داشته باشید، ایجاد یک محیط محلی با آناکوندا و نصب بسته ها و حل مشکلات نصب مشکل ساز است. Colaboratory یک محیط نوت بوک رایگان Jupyter است که توسط Google ارائه شده است که در آن می توانید از GPU و TPU رایگان استفاده کنید که می تواند همه این مشکلات را حل کند. این شامل تقریباً تمام ماژول‌هایی است که برای تجزیه و تحلیل علم داده نیاز دارید. این ابزارها شامل Numpy، Scipy، Pandas و غیره هستند اما محدود به آن‌ها نیستند.\r\n\r\nاین کتاب دقیقاً در دوازده فصل تنظیم شده است. هر فصل با کمک چندین مفهوم اجرا شده با دقت توسعه داده شده است. تلاش های اختصاصی انجام شده است تا اطمینان حاصل شود که هر مفهومی از پایتون که در این کتاب مورد بحث قرار گرفته است با کمک دستورات مربوطه توضیح داده شده و تصاویری از خروجی ها گنجانده شده است. فصل 1 بر محیط توسعه ارائه شده توسط Google COLAB تمرکز دارد. فصل‌های 2 تا 4 اصول زبان پایتون را با تمرکز بر دستورات کنترل و تکراری، عملگرها و کاربردهای آنها در برنامه‌های پایه پوشش می‌دهند. پایتون از الگوی برنامه نویسی ترکیبی استفاده می کند که در آن رویه ای، شی گرا و کاربردی است. بهترین بخش همه زبان های برنامه نویسی در یک پلتفرم قرار دارد. فصل 5 بر توابع در پایتون با تأکید ویژه بر توابع لامبدا تمرکز دارد. مفاهیم پیشرفته برنامه نویسی پایتون مانند تکرار کننده ها، بسته ها، دکوراتورها، ژنراتورها به طور عمیق در فصل 6 و 7 پوشش داده شده است. دانش خوب و عمیق در مورد مدیریت استثنا، نوشتن یک کد قابل اعتماد و قوی را امکان پذیر می کند. برای رفع این نیاز، فصل 8 ویژگی های برجسته مدیریت استثنا در پایتون را آشکار می کند. ماندگاری داده از طریق مدیریت فایل در فصل 9 پوشش داده شده است. با توجه به کاربرد گسترده عبارات منظم در تطبیق الگو، فصل 10 به طور کامل به درک عبارات منظم در پایتون اختصاص دارد. انواع مختلف خطاهای رایجی که ممکن است در طول اجرای برنامه پایتون رخ دهد در فصل 11 خلاصه شده است. فصل 12 پایانی به اجرای مفاهیم شی گرا در پایتون اختصاص دارد. مطالعه موردی مبتنی بر مفهوم شی گرا به طور عمیق مورد بحث قرار گرفته و در پیوست A پیاده سازی شده است.


توضیحاتی درمورد کتاب به خارجی

This book can serve as textbook for post graduates and reference for any computer graduate. It will also provide easy reference for Computer Professionals who wants to begin their career in Machine Learning using Python. Colaboratory, or ‘Colab’ for short, is a product from Google Research. Colab allows anybody to write and execute arbitrary python code through the browser, and is especially well suited to Machine Learning (ML), data analysis and education. If you are exploring Machine Learning but struggling to conduct simulations on enormous datasets, or an expert playing with ML desperate for extra computational power, Google Colab is the perfect solution for you. Google Colab or ‘the Colaboratory’ is a free cloud service hosted by Google to encourage Machine Learning and Artificial Intelligence research, where often the barrier to learning and success is the requirement of tremendous computational power. If you want to create a Machine Learning model but you don’t have a computer that can take the workload, Google Colab is the platform for you. Even if you have a GPU or a good computer creating a local environment with anaconda and installing packages and resolving installation issues are a hassle. Colaboratory is a free Jupyter notebook environment provided by Google where you can use free GPUs and TPUs which can solve all these issues. It contains almost all the modules you need for Data Science analysis. These tools include but are not limited to Numpy, Scipy, Pandas, etc. Even Deep Learning frameworks, such as Tensorflow, Keras and Pytorch are also included. This book is precisely organized into twelve chapters. Each chapter has been carefully developed with the help of several implemented concepts. Dedicated efforts have been put in to ensure that every concept of Python discussed in this book is explained with help of relevant commands and screenshots of the outputs have been included. Chapter 1 focuses on development environment offered by Google COLAB. Chapters 2 through 4 cover the Python language fundamentals focusing on control and iterative statements, operators along with their applications in basic programs. Python employs blended programming paradigm in which it is procedural, object-oriented and functional. The best part of all programming languages reside in a single platform. Chapter 5 focuses on functions in Python with a special emphasis on Lambda functions. Advanced Python programming concepts such as iterators, closures, decorators, generators are covered at depth in Chapter 6 and 7. A good and in-depth knowledge of exception handling enables in writing a reliable and robust code. To cater to this need Chapter 8 unleashes the salient features of exception handling in Python. Data persistence through file handling is covered in Chapter 9. Due to the wide application of Regular expressions in pattern matching, Chapter 10 is fully devoted to understanding of regular expression in Python. Different types of common errors that might creep in during the execution of a Python program are summarized in Chapter 11. Final Chapter 12 is devoted to implementation of object oriented concepts in Python. The case study based on object oriented concept is discussed at depth and implemented in Appendix A.



فهرست مطالب

iv
Contents
Chapter Page No.
1. Introduction to Google COLAB 1
2. Lab Assignments on Python Language Fundamentals 33
3. Lab Assignment on Python Operators and Control Statements 102
4. Lab Assignment on Basic Programs 117
5. Lab Assignment on Python Functions 130
6. Lab Assignment on Advanced Concepts in Python - I
(Covers Iterators, Closures, Decorators and Generators)
142
7. Lab Assignment on Advanced Concepts in Python - II 157
8. Lab Assignment on Exception Handling in Python 170
9. Lab Assignment on File Handling in Python 204
10. Lab Assignment on Regular Expressions in Python 228
11. Lab Assignment on Language Basics and Error Handling in Python 251
12. Lab Assignment on Object Oriented Programming in Python 257
References 303
Appendix A - Case Study on Object Oriented Programming 304




نظرات کاربران