دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Michael Hartl
سری:
ISBN (شابک) : 9780138051051, 0138050953
ناشر: Addison-Wesley
سال نشر: 2023
تعداد صفحات: 782
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 65 Mb
در صورت تبدیل فایل کتاب Learn Enough Python to Be Dangerous: Software Development, Flask Web Apps, and Beginning Data Science with Python (Final) 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 به اندازه کافی پایتون را بیاموزید تا خطرناک باشید: توسعه نرم افزار، برنامه های وب فلاسک و شروع علم داده با پایتون (نهایی) 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.
برای حل مشکلات واقعی با پایتون، تنها چیزی که باید بدانید، و هیچ چیزی که نمی دانید. پایتون یکی از محبوب ترین زبان های برنامه نویسی در جهان است که برای همه چیز از اسکریپت های پوسته گرفته تا توسعه وب و علوم داده استفاده می شود. در نتیجه، پایتون یک زبان عالی برای یادگیری است، اما برای شروع نیازی به یادگیری \"همه چیز\" نیست، فقط اینکه چگونه از آن برای حل مشکلات واقعی استفاده کنید. مایکل هارتل، مربی مشهور، در کتاب Learn Enough Python to Be Dangerous، مفاهیم، مهارتها و رویکردهای خاصی را که برای کارآمدی حرفهای نیاز دارید، آموزش میدهد. حتی اگر قبلاً هرگز برنامهنویسی نکردهاید، هارتل به شما کمک میکند تا به سرعت پیشرفتهای فنی را بسازید و به دانشی که برای موفقیت نیاز دارید تسلط پیدا کنید. هارتل پایتون را هم به عنوان یک زبان همه منظوره و هم به عنوان یک ابزار تخصصی برای توسعه وب و علم داده معرفی میکند و مثالها و تمرینهایی را ارائه میکند که به شما کمک میکند تا آنچه مهم است را درونی کنید، بدون اتلاف وقت برای جزئیاتی که حرفهایها به آن اهمیتی نمیدهند. به زودی، مثل این است که شما با دانستن این چیزها به دنیا آمده اید - و به طور ناگهانی، به طور جدی خطرناک خواهید شد. شما با کاوش در مفاهیم اصلی برنامه نویسی پایتون با استفاده از ترکیبی از مفسر تعاملی پایتون و فایل های متنی اجرا شده در خط فرمان شروع خواهید کرد. نتیجه یک درک کامل از برنامه نویسی شی گرا و برنامه نویسی تابعی در پایتون است. سپس شما بر این پایه و اساس برای توسعه و انتشار یک بسته پایتون ساده و مستقل ایجاد خواهید کرد. سپس از این بسته در یک برنامه وب ساده پویا که با استفاده از چارچوب وب Flask ساخته شده است استفاده خواهید کرد، که آن را نیز در وب زنده مستقر خواهید کرد. در نتیجه، یادگیری کافی پایتون برای خطرناک بودن به ویژه به عنوان یک پیش نیاز برای یادگیری توسعه وب با پایتون مناسب است. پایتون یکی از محبوب ترین زبان های برنامه نویسی در جهان است و دلیل خوبی هم دارد. پایتون دارای یک نحو تمیز، انواع داده های انعطاف پذیر، تعداد زیادی کتابخانه مفید و طراحی قدرتمند و زیبا است که از چندین سبک برنامه نویسی پشتیبانی می کند. پایتون به ویژه برای برنامههای خط فرمان (که به عنوان اسکریپت نیز شناخته میشود، همانطور که در فصل 9 مورد بحث قرار گرفت)، توسعه وب (از طریق چارچوبهایی مانند Flask (فصل 10) و جنگو) و علم داده (بهویژه تجزیه و تحلیل دادهها با استفاده از پانداها و ماشینها) مورد استفاده قرار گرفته است. یادگیری با کتابخانه هایی مانند Scikit-learn (فصل 11)). علم داده رشتهای است که به سرعت در حال توسعه است که ابزارهای محاسباتی و آمار را برای ایجاد بینش و نتیجهگیری از دادهها ترکیب میکند. این توصیف ممکن است کمی مبهم به نظر برسد، و در واقع هیچ تعریف پذیرفته شده جهانی از این رشته وجود ندارد. به عنوان مثال، برخی از مردم فکر می کنند "علم داده" فقط یک اصطلاح فانتزی برای "آمار" است، در حالی که برخی دیگر معتقدند که آمار کم اهمیت ترین بخش علم داده است. خوشبختانه، توافق گسترده ای وجود دارد که پایتون یک ابزار عالی برای علم داده است، هر چه که باشد. همچنین یک توافق کلی در مورد اینکه کدام ابزار خاص پایتون برای این موضوع مفیدتر است، وجود دارد. هدف این فصل معرفی برخی از آن ابزارها و استفاده از آنها برای بررسی برخی از جنبههای علم داده است که پایتون برای آنها مناسب است. به اندازه کافی در مورد: استفاده از مفاهیم اصلی پایتون با مفسر تعاملی و خط فرمان نوشتن کد شی گرا با اشیاء بومی پایتون توسعه و انتشار بسته های پایتون مستقل با استفاده از تکنیکهای برنامهنویسی کاربردی قدرتمند، از جمله درک پایتون ساخت اشیاء جدید و گسترش آنها از طریق توسعه تست محور (TDD) استفاده از قابلیت های استثنایی اسکریپت نویسی پوسته پایتون ایجاد و استقرار یک برنامه وب کامل، با استفاده از مسیرها، طرحبندیها، قالبها و فرمها شروع کار با ابزارهای علم داده برای محاسبات عددی، تجسم داده ها، تجزیه و تحلیل داده ها و یادگیری ماشین تسلط بر مهارت های ملموس و غیررسمی که هر توسعه دهنده ای به آن نیاز دارد مجموعه آموزش کافی از مایکل هارتل شامل کتابها و دورههای ویدیویی است که بر مهمترین بخشهای هر موضوع تمرکز دارند، بنابراین لازم نیست برای شروع همه چیز را یاد بگیرید - فقط باید آنقدر یاد بگیرید که خطرناک باشید و خودتان مشکلات فنی را حل کنید. این کتاب را دوست دارید؟ آموزش ویدیویی همراه مایکل هارتل را از دست ندهید، به اندازه کافی Python را یاد بگیرید تا خطرناک باشید LiveLessons. کتاب خود را برای دسترسی راحت به بارگیریها، بهروزرسانیها و/یا تصحیحها به محض دردسترس شدن، ثبت کنید. برای جزئیات به داخل کتاب مراجعه کنید.
All You Need to Know, and Nothing You Don't, to Solve Real Problems with Python. Python is one of the most popular programming languages in the world, used for everything from shell scripts to web development to data science. As a result, Python is a great language to learn, but you don't need to learn "everything" to get started, just how to use it efficiently to solve real problems. In Learn Enough Python to Be Dangerous, renowned instructor Michael Hartl teaches the specific concepts, skills, and approaches you need to be professionally productive. Even if you've never programmed before, Hartl helps you quickly build technical sophistication and master the lore you need to succeed. Hartl introduces Python both as a general-purpose language and as a specialist tool for web development and data science, presenting focused examples and exercises that help you internalize what matters, without wasting time on details pros don't care about. Soon, it'll be like you were born knowing this stuff--and you'll be suddenly, seriously dangerous. You’ll begin by exploring the core concepts of Python programming using a combination of the interactive Python interpreter and text files run at the command line. The result is a solid understanding of both object-oriented programming and functional programming in Python. You’ll then build on this foundation to develop and publish a simple self-contained Python package. You’ll then use this package in a simple dynamic web application built using the Flask web framework, which you’ll also deploy to the live Web. As a result, Learn Enough Python to Be Dangerous is especially appropriate as a prerequisite to learning web development with Python. Python is one of the world’s most popular programming languages, and for good reason. Python has a clean syntax, flexible data types, a wealth of useful libraries, and a powerful and elegant design that supports multiple styles of programming. Python has seen particularly robust adoption for command-line programs (also known as scripting, as discussed in Chapter 9), web development (via frameworks like Flask (Chapter 10) and Django), and Data Science (especially data analysis using Pandas and Machine Learning with libraries like Scikit-learn (Chapter 11)). Data Science is a rapidly developing field that combines tools from computation and statistics to create insights and draw conclusions from data. That description may sound a little vague, and indeed there is no universally accepted definition of the field; for example, some people think “data science” is just a fancy term for “statistics”, while others hold that statistics is the least important part of Data Science. Luckily, there is broad agreement that Python is an excellent tool for Data Science, whatever it is exactly. There is also a general consensus about which specific Python tools are most useful for the subject. The purpose of this chapter is to introduce some of those tools and use them to investigate some aspects of Data Science for which Python is especially well-suited. Learn enough аbout: Applying core Python concepts with the interactive interpreter and command line Writing object-oriented code with Python's native objects Developing and publishing self-contained Python packages Using elegant, powerful functional programming techniques, including Python comprehensions Building new objects, and extending them via Test-Driven Development (TDD) Leveraging Python's exceptional shell scripting capabilities Creating and deploying a full web app, using routes, layouts, templates, and forms Getting started with data-science tools for numerical computations, data visualization, data analysis, and machine learning Mastering concrete and informal skills every developer needs Michael Hartl's Learn Enough Series includes books and video courses that focus on the most important parts of each subject, so you don't have to learn everything to get started--you just have to learn enough to be dangerous and solve technical problems yourself. Like this book? Don't miss Michael Hartl's companion video tutorial, Learn Enough Python to Be Dangerous LiveLessons. Register your book for convenient access to downloads, updates, and/or corrections as they become available. See inside book for details.
Contents 1 Preface 2 Acknowledgments 3 About the Author 4 Chapter 1 Hello, World! 1 1.1 Introduction to Python 1 1.1.1 System Setup and Installation 2 1.2 Python in a REPL 1 1.2.1 Exercises 2 1.3 Python in a File 1 1.3.1 Exercise 2 1.4 Python in a Shell Script 1 1.4.1 Exercise 2 1.5 Python in a Web Browser 1 1.5.1 Deployment 2 1.5.2 Exercises 3 Chapter 2 Strings 1 2.1 String Basics 1 2.1.1 Exercises 2 2.2 Concatenation and Interpolation 1 2.2.1 Formatted Strings 2 2.2.2 Raw Strings 3 2.2.3 Exercises 4 2.3 Printing 1 2.3.1 Exercises 2 2.4 Length, Booleans, and Control Flow 1 2.4.1 Combining and Inverting Booleans 2 2.4.2 Boolean Context 3 2.4.3 Exercises 4 2.5 Methods 1 2.5.1 Exercises 1 3.2.1 Exercises 2 3.3 List Slicing 1 3.3.1 Exercises 2 3.4 More List Techniques 1 3.4.1 Element Inclusion 2 3.4.2 Sorting and Reversing 3 3.4.3 Appending and Popping 4 3.4.4 Undoing a Split 5 3.4.5 Exercises 6 3.5 List Iteration 1 3.5.1 Exercises 2 3.6 Tuples and Sets 1 3.6.1 Exercises 2 Chapter 4 Other Native Objects 1 4.1 Math 1 4.1.1 More Advanced Operations 2 4.1.2 Math to String 3 4.1.3 Exercises 4 4.2 Times and Datetimes 1 4.2.1 Exercises 2 4.3 Regular Expressions 1 4.3.1 Splitting on Regexes 2 4.3.2 Exercises 3 4.4 Dictionaries 1 4.4.1 Dictionary Iteration 2 4.4.2 Merging Dictionaries