Intro to Python for Computer Science and Data Science: Learning to Program with AI, Big Data and The Cloud

 برای دوره های برنامه نویسی و/یا علوم داده در سطح مقدماتی پایتون.

یک پیشگامانه , رویکرد منعطف به علوم کامپیوتر و علوم داده

مقدمه ای به پایتون برای علوم کامپیوتر و علوم داده: یادگیری برنامه نویسی با هوش مصنوعی، داده های بزرگ و ابر یک رویکرد منحصر به فرد برای آموزش برنامه نویسی مقدماتی پایتون، مناسب برای مخاطبان علوم کامپیوتر و علوم داده ارائه می دهد. این کتاب با ارائه جدیدترین پوشش موضوعات و برنامه ها، با مکمل های سنتی گسترده و همچنین مکمل های Jupyter Notebooks همراه شده است. مجموعه داده‌های دنیای واقعی و فناوری‌های هوش مصنوعی به دانش‌آموزان اجازه می‌دهد تا روی پروژه‌هایی کار کنند که در تجارت، صنعت، دولت و دانشگاه‌ها تفاوت ایجاد می‌کنند. صدها مثال، تمرین، پروژه (EEP) و مطالعات موردی پیاده سازی به دانش آموزان مقدمه ای جذاب، چالش برانگیز و سرگرم کننده را با برنامه نویسی پایتون و علم داده عملی می دهد.

کتاب کتاب معماری مدولار مربیان را قادر می‌سازد تا متن را به راحتی با طیف وسیعی از دوره‌های علوم کامپیوتر و علوم داده تطبیق دهند که به مخاطبان برگرفته از رشته‌های مختلف ارائه می‌شود. مدرسان علوم کامپیوتر می توانند موضوعات علوم داده و هوش مصنوعی را به میزان دلخواه خود ادغام کنند، و مدرسان علوم داده می توانند هر چقدر که می خواهند پایتون را با هم ادغام کنند. این کتاب با آخرین ابتکارات برنامه درسی محاسباتی مرتبط با ACM/IEEE CS و با پیشنهاد برنامه درسی مقطع کارشناسی علوم داده که توسط بنیاد ملی علوم حمایت می‌شود، هماهنگ است.

 For introductory-level Python programming and/or data-science courses.

A groundbreaking, flexible approach to computer science and data science

The Deitels’ Introduction to Python for Computer Science and Data Science: Learning to Program with AI, Big Data and the Cloud offers a unique approach to teaching introductory Python programming, appropriate for both computer-science and data-science audiences. Providing the most current coverage of topics and applications, the book is paired with extensive traditional supplements as well as Jupyter Notebooks supplements. Real-world datasets and artificial-intelligence technologies allow students to work on projects making a difference in business, industry, government and academia. Hundreds of examples, exercises, projects (EEPs), and implementation case studies give students an engaging, challenging and entertaining introduction to Python programming and hands-on data science.

The book's modular architecture enables instructors to conveniently adapt the text to a wide range of computer-science and data-science courses offered to audiences drawn from many majors. Computer-science instructors can integrate as much or as little data-science and artificial-intelligence topics as they'd like, and data-science instructors can integrate as much or as little Python as they'd like. The book aligns with the latest ACM/IEEE CS-and-related computing curriculum initiatives and with the Data Science Undergraduate Curriculum Proposal sponsored by the National Science Foundation.