Майтак Р.В., Пылов П.А., Протодьяконов А.В. Python, Django, Data Science

Учебное пособие. — Москва; Вологда: Инфра-Инженерия, 2025. — 516 с.: ил. — ISBN: 978-5-9729-2143-0.Показаны основы работы на Python, а также два его основных ответвления – веб-разработка на Django и область прикладного искусственного интеллекта, являющаяся частью Data Science.
Для студентов и сотрудников высших технических учебных заведений, а также специалистов прикладной сферы анализа данных.Основные концепции в Python.
Встроенные функции в в Python.
Форматирование кода и PEP8.
Введение в функции.
Выражения и конструкции.
Переменные.
Типы и структуры данных.
Строки.
Числа в Python.
Логический тип.
Магические методы.
Списки.
Словари.
Кортежи.
Наборы.
Диапазоны.
Функции ZIP.
Изменение объектов в Python.
Функции в Python.
Аргументы функций.
Параметры функций по умолчанию.
Callback-функции.
Работа с функциями.
Операторы.
Логические операторы в Python.
Распаковка словаря.
Функция del в Python.
Соединение строк в Python.
Лямбда-функция.
Обработка ошибок в Python.
Распаковка списков и кортежей.
Условные инструкции if.
Тернарный оператор.
Циклы.
Цикл while.
Сокращенный цикл for in.
Объекты и классы.
Магические методы в классах.
Декораторы.
Модули.
JSON.
Работа с файлами.
Работа с ZIP-архивами.
Работа с CSV-файлами.
Работа с датами и временем.
Модули для работы с числами.
Работа с регулярными выражениями.
Отправка email.
Работа с базой данных SQLite.
Другие встроенные модули.
Виртуальные среды, pip и pipenv.
Django - Введение в веб-фреймворк.
Django - Создание проекта.
Django - Создание приложения.
Django - База данных и миграции.
Django - Создание шаблонов.
Django - Роутинг между страницами.
Django - Создание сервиса API.
Django - Итоги по проекту.
Jupyter Notebook.
Jupyter Lab.
NumPy - Создание массивов.
Pandas - Работа с данными.
Matplotlib - Создание диаграмм.
Scikit-learn - Машинное обучение.
Модель машинного обучения для реальных данных.
Библиографический список.