000 | 02629cam a2200253 i 4500 | ||
---|---|---|---|
001 | 19071335 | ||
005 | 20161019152638.0 | ||
007 | ta | ||
008 | 160429s2016 mau 001 0 eng | ||
020 | _a9780262529624 (pbk. : alk. paper) | ||
040 |
_aDLC _beng _cDLC _erda _dDLC |
||
043 | _an-us-ma | ||
082 | 0 | 0 |
_a005.133 _223 _bG985i |
100 | 1 |
_aGuttag, John, _95383 |
|
245 | 1 | 0 |
_aIntroduction to computation and programming using Python : _bwith application to understanding data / _cJohn V. Guttag. |
250 | _a2nd ed. | ||
260 | 3 |
_aCambridge MA (USA) : _bMIT, _c2016 |
|
300 |
_axvii, 447 p. ; _c23 cm |
||
504 | _aIncluye indice | ||
520 | _aEste libro introduce a los estudiantes con poca o ninguna experiencia previa en programación al arte de resolver un problema computacional usando Python y diversas bibliotecas de Python, incluyendo PyLab. Se proporcionan todos los conocimientos que les permitan hacer un uso productivo de las técnicas computacionales, incluyendo algunas de las herramientas y técnicas de la ciencia de datos para el uso de la computación para modelar e interpretar los datos. El libro se basa en un curso de MIT (que se convirtió en el curso más popular ofrecido a través de OpenCourseWare del MIT) y fue desarrollado para uso no sólo en un aula convencional, pero en un mooc (MOOC). Esta nueva edición se ha actualizado para Python 3, reorganizado para que sea más fácil de usar para los cursos que cubren sólo un subconjunto del material, y ofrece material adicional que incluye cinco nuevos capítulos. Los estudiantes son introducidos a Python y los fundamentos de la programación en el contexto de tales conceptos y técnicas como la enumeración exhaustiva, la búsqueda de bisección y eficientes algoritmos de aproximación computacional. Aunque cubre temas tradicionales tales como la complejidad computacional y algoritmos simples, el libro se centra en una amplia gama de temas que no se encuentran en la mayoría de los textos introductorios, incluyendo la visualización de información, simulaciones para modelar la aleatoriedad, técnicas computacionales para entender los datos y las técnicas estadísticas que informan ( y desinformar), así como dos temas relacionados pero relativamente avanzados: problemas de optimización y programación dinámica. Esta edición ofrece material expandido en estadísticas y de aprendizaje automático y nuevos capítulos sobre las estadísticas Frecuentista y bayesianos. | ||
650 | 0 |
_aPYTHON (LENGUAJE DE PROGRAMACIÓN PARA COMPUTADORES) _93894 |
|
650 | 0 |
_923297 _aPROGRAMACIÓN DE COMPUTADORES |
|
942 |
_2ddc _cBK |
||
999 |
_c19393 _d19393 |