Formato: eBooks, Documentos
Índice
LIVRO 1: Programação Python para Iniciantes
Introdução
Capítulo 1: História e fundamentos da programação Python
1.1 Origem do Python
1.2 Por que considerar o Python?
1.3 Os benefícios da programação Python
1.4 Restrições do Python
1.5 Terminologias comuns em Python
Capítulo 2: Instalação do Python e estilo de codificação
2.1 Interação de IDLE
2.2 Como codificar em Python
2.3 Palavras-chave
2.4 Identificador
2.5 Fluxo de Controle
2.6 Semi Collins e Recuo
2.7 Caixa de Letras em Python
2.8 Comentários
2.9 Escrevendo o primeiro código Python
Capítulo 3: Variáveis e tipos de dados
3.1 O que são variáveis?
3.2 Aprendendo a força de uma variável
3.3 O operador de atribuição
3.4 Alterar valores
3.5 Atribuições Duplas
3.6 Tipos de dados em Python
Capítulo 4: Estruturas de Controle e Loops
4.1 Declaração Se
4.2 Uma declaração “if-else”
4.3 Loops
4.4 O loop while
4.5 Aninhado enquanto Loops
4.6 O laço “for”
Capítulo 5: Funções
5.1 Funções Definidas pelo Usuário
5.2 Papel da Docstring
Capítulo 6: Programação Orientada a Objetos
6.1 Caracterizar uma classe
6.2 Como uma classe pode ser definida?
6.3 Conceito de Herança de outras classes
6.4 Um programa para fazer uma calculadora simples
Capítulo 7: Conceitos de Python no Nível Intermediário
7.1 Recursão em Python
7.2 Sequência de Fibonacci
7.3 Memorização em Python
7.4 Namespaces em Python
7.5 Cópia profunda vs. superficial de objetos Python
7.6 Testando o código
7.8 Depurador Python
7.9 Projeto Python Simples para Praticar
CAPÍTULO 8: Programação Python para Avançado
8.1 Gerenciamento de arquivos: Arquivos em geral
8.2 Iteradores Python
8.3 Geradores
8.4 Expressões Regulares
8.5 Fechamentos Python
8.6 Decorador de propriedades Python
8.7 Declaração de Asserção do Python
8.8 O que é Perceptron?
8.9 Introdução ao Aprendizado de Máquina:
Conclusão
LIVRO 2: Aprendizado de máquina para iniciantes
Introdução
Capítulo 1: Introdução ao aprendizado de máquina (ML)
1.1 Evolução do Aprendizado de Máquina (ML)
1.2 Por que o Machine Learning (ML) se tornou tão bem-sucedido?
1.3 Utilizações de Machine Learning (ML)
1.4 Inteligência Artificial e sua Importância
1.5 Como o Machine Learning (ML) está relacionado à Inteligência Artificial (AI)
1.6 Funcionamento da Inteligência Artificial (IA)
1.7 Aplicações de Machine Learning (ML)
Capítulo 2: Um tour pelos algoritmos de aprendizado de máquina (ML)
2.1 Tipos de algoritmos de aprendizado de máquina (ML)
2.2 Técnicas de regressão de aprendizado de máquina (ML)
2.3 Guia de Aprendizagem por Reforço
2.4 Guia de Aprendizagem do Conjunto
2.5 Floresta Aleatória
2.6 Árvores de Decisão
2.7 Florestas Aleatórias vs Árvores de Decisão
Capítulo 3: Guia de ciência de dados com aprendizado de máquina
3.1 Por que devemos usar a ciência de dados e como ela pode ajudar nos negócios?
3.2 Por que Python e Ciência de Dados combinam bem?
3.3 Aprendizado Estatístico de Ciência de Dados
3.4 Relação entre Big Data e Machine Learning (ML)
3.5 O que são pipelines de dados?
3.6 O que é Rede Neural?
3.7 O que é Rede Neural Artificial?
3.8 O que é Mineração de Dados?
3.9 Algoritmos de aprendizado de máquina (ML) para ciência de dados
3.10 Machine Learning (ML) vs Inteligência Artificial (AI) vs Deep Learning
3.11 Bibliotecas Python para Machine Learning (ML)
3.12 Como o Machine Learning (ML) está remodelando o marketing?
3.13 Soluções para pequenas empresas usando big data
Conclusão
