Allen B. Downey Bücher

Python ist eine moderne, interpretierte, interaktive und objektorientierte Skriptsprache, vielseitig einsetzbar und sehr beliebt. Mit mathematischen Vorkenntnissen ist Python leicht erlernbar und daher die ideale Sprache für den Einstieg in die Welt des Programmierens. Das Buch führt Sie Schritt für Schritt durch die Sprache, beginnend mit grundlegenden Programmierkonzepten, über Funktionen, Syntax und Semantik, Rekursion und Datenstrukturen bis hin zum objektorientierten Design. Zur aktualisierten Auflage Diese Auflage behandelt Python 3, geht dabei aber auch auf Unterschiede zu Python 2 ein. Außerdem wurde das Buch um die Themen Unicode, List und Dictionary Comprehensions, den Mengen-Typ Set, die String-Format-Methode und print als Funktion ergänzt. Jenseits reiner Theorie Jedes Kapitel enthält passende Übungen und Fallstudien, kurze Verständnistests und kleinere Projekte, an denen Sie die neu erlernten Programmierkonzepte gleich ausprobieren und festigen können. Auf diese Weise können Sie das Gelernte direkt anwenden und die jeweiligen Programmierkonzepte nachvollziehen. Lernen Sie Debugging-Techniken kennen Am Ende jedes Kapitels finden Sie einen Abschnitt zum Thema Debugging, der Techniken zum Aufspüren und Vermeiden von Bugs sowie Warnungen vor entsprechenden Stolpersteinen in Python enthält.

Eine der ersten Einführungen in die Programmierung, die virtuelle Assistenten wie ChatGPT (LLMs) aktiv und didaktisch durchdacht für einen besseren Lernerfolg nutzt Die Übungsaufgaben werden mit ChatGPT gelöst und dabei auch der Einsatz von KI-Assistenten als Hilfsmittel für die Programmierung gezeigt Inklusive Prompting, Testen von Code und Debugging mit LLMs Als Lernumgebung werden Jupyter Notebooks genutzt Leichter lernen mit KI-Assistenzen: Wenn Sie mit dem Programmieren beginnen wollen, eignet sich Python hervorragend für den Einstieg. Dieser abwechslungsreiche Praxiskurs führt Sie Schritt für Schritt in die Sprache ein, beginnend mit grundlegenden Programmierkonzepten, über Funktionen, Syntax und Semantik, Rekursion und Datenstrukturen bis hin zu objektorientiertem Design. Für die Übungen nutzt Allen Downey LLMs wie ChatGPT, mit denen der Lernprozess beschleunigt werden kann. Er zeigt Ihnen auch, wie Sie diese KI-Tools verwenden, um die Programmierung in der Praxis zu vereinfachen - z.B. durch effektives Prompting, dem Testen Ihres Codes und der Fehlersuche. Die Kapitel enthalten zahlreiche Übungen, bei denen die KI zum Einsatz kommt, sowie ein Glossar der Fachbegriffe, Fallstudien, kurze Verständnistests und kleinere Projekte in Jupyter Notebooks, an denen Sie die neu erlernten Programmierkonzepte gleich ausprobieren können. Auf diese Weise wenden Sie das Gelernte direkt an, festigen Ihr Verständnis für die konkrete Programmierpraxis und erfahren zudem, wie künstliche Intelligenz Sie auch zukünftig im Programmieralltag unterstützen kann.

Wenn Sie programmieren können, beherrschen Sie bereits Techniken, um aus Daten Wissen zu extrahieren. Diese kompakte Einführung in die Statistik zeigt Ihnen, wie Sie rechnergestützt Datenanalysen mit Python durchführen können. Statt grauer Theorie erleben Sie einen praktischen Programmier-Workshop, der Sie durch ein durchgängiges Fallbeispiel führt – von der Datensammlung über die Berechnung statistischer Kennwerte und Identifikation von Mustern bis hin zum Testen statistischer Hypothesen. Sie werden mit statistischen Verteilungen, Wahrscheinlichkeitsrechnung, Visualisierungsmöglichkeiten und weiteren Konzepten vertraut gemacht. Entwickeln Sie durch das Schreiben und Testen von Code ein Verständnis für die Grundlagen von Wahrscheinlichkeitsrechnung und Statistik: Überprüfen Sie das Verhalten statistischer Merkmale durch Zufallsexperimente, ziehen Sie Stichproben aus unterschiedlichen Verteilungen und nutzen Sie Simulationen, um schwer zugängliche Konzepte zu verstehen. Lernen Sie auch Themen kennen, die in Einführungen oft fehlen, wie die Bayessche Schätzung. Nutzen Sie Python zur Bereinigung und Aufbereitung von Rohdaten aus verschiedenen Quellen und beantworten Sie mit Inferenzstatistik Fragestellungen zu realen Daten.

In Think Complexity, you'll use graphs, cellular automata, and agent-based models to study topics in physics, biology, and economics. Whether you're an intermediate-level Python programmer or a student of computational modeling, you'll delve into examples of complex systems through a series of worked examples, exercises and case studies.

This book offers a straightforward introduction to software design tailored for beginners with no prior programming experience. Utilizing the Python programming language, it focuses on essential concepts and practical applications, making it accessible for newcomers. Readers will learn foundational design principles that can be applied in real-world scenarios, empowering them to build their own software projects confidently.

"Teacher, data scientist, and blogger Allen B. Downey knows well that the human mind has both an innate ability to understand statistics and to be fooled by them. Statistically speaking, you will be less popular than your friends, arrive at a train station during a gap in service, and fail to find a running mate in a race. But more than surprising us, errors in statistical thinking, Downey shows, can have a huge impact. Statistical confusion has led to incorrect patient prognoses, caused mistakes in predicting disasters like earthquakes, hurt vaccination programs, hindered social justice efforts, and led to dubious policy decisions. Written for those who may have once taken a statistics course, but now forget almost everything they've learned, the book includes a diversity of examples that use real data and have real world impacts. Building understanding incrementally, Downey engagingly and accessibly helps readers understand what we might learn when we get the mathematics right, and the consequences when we get it all wrong"--

Think DSP: Digital Signal Processing in Python is an introduction to signal processing and system analysis using a computational approach. The premise of this book (like the others in the Think X series) is that if you know how to program, you can use that skill to learn other things.

Modeling and Simulation in Python teaches readers how to analyze real-world scenarios using the Python programming language, requiring no more than a background in high school math. Modeling and Simulation in Python is a thorough but easy-to-follow introduction to physical modeling—that is, the art of describing and simulating real-world systems. Readers are guided through modeling things like world population growth, infectious disease, bungee jumping, baseball flight trajectories, celestial mechanics, and more while simultaneously developing a strong understanding of fundamental programming concepts like loops, vectors, and functions. Clear and concise, with a focus on learning by doing, the author spares the reader abstract, theoretical complexities and gets right to hands-on examples that show how to produce useful models and simulations.

Think Java is a hands-on introduction to computer science and programming used by many universities and high schools around the world. Its conciseness, emphasis on vocabulary, and informal tone make it particularly appealing for readers with little or no experience.