Με Εφαρμογές στην Υπολογιστική Μοντελοποίηση και την Κατανόηση Δεδομένων
Βασισμένο σε ένα «massive open online course» (MOOC) του MIT, το παρόν βιβλίο εισάγει τους φοιτητές με μικρή ή καθόλου πρότερη προγραμματιστική εμπειρία στην τέχνη της επίλυσης υπολογιστικών προβλημάτων με χρήση της Python και διαφόρων βιβλιοθηκών της Python, όπως τις numpy, matplotlib, random, pandas και sklearn.
Στην παρούσα τρίτη έκδοση η βασική επεξηγηματική ύλη επεκτείνεται με επιπλέον προγραμματιστικά παραδείγματα και πολύ περισσότερες «ασκήσεις εμπέδωσης», γεγονός που την καθιστά μια σχετικά ομαλή εισαγωγή στον προγραμματισμό για τους αρχάριους. Σε ένα νέο κεφάλαιο επιδεικνύεται η χρήση του πακέτου pandas για την ανάλυση δεδομένων χρονοσειρών. Όλος ο κώδικας έχει γραφτεί εκ νέου ώστε να συμμορφώνεται με τα πρότυπα του PEP 8. Πέρα από τα παραδοσιακά θέματα, το βιβλίο πραγματεύεται επίσης ένα ευρύ φάσμα θεμάτων που δεν περιλαμβάνονται συνήθως στα εισαγωγικά βιβλία, όπως οπτική αναπαράσταση πληροφορίας, προσομοιώσεις για τη μοντελοποίηση της τυχαιότητας, υπολογιστικές τεχνικές για την κατανόηση δεδομένων, στατιστικές τεχνικές που πληροφορούν (και παραπληροφορούν) και προβλήματα βελτιστοποίησης και δυναμικός προγραμματισμός. Το βιβλίο περιλαμβάνει επίσης έναν συνοπτικό οδηγό αναφοράς της Python 3.
Ο John V. Guttag είναι καθηγητής επιστήμης υπολογιστών και ηλεκτρολογικής μηχανικής της έδρας Dugald C. Jackson στο MIT.
