Detalles
Este libro introduce a los estudiantes con poca o ninguna experiencia previa en programación para el arte de problema computacional de problemas usando Python y varias librerías de Python, incluyendo PyLab. Se proporciona a los estudiantes las habilidades 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 está basado en un MIT curso (que se convirtió en el más popular de los cursos que se ofrecen a través del MIT OpenCourseWare) y fue desarrollado para su uso no sólo en un aula convencional, pero en una de massive open online course (MOOC). Esta nueva edición ha sido actualizada para Python 3, reorganizado para hacer más fácil su uso para los cursos que cubren sólo un subconjunto de los materiales, y ofrece material adicional, incluyendo cinco nuevos capítulos. Los estudiantes son introducidos a Python y los fundamentos de la programación en el contexto de tales computacional conceptos y técnicas como la enumeración exhaustiva, interseccion de búsqueda y eficiente de los algoritmos de aproximación. Aunque se trata de dichos temas tradicionales 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 la información, simulaciones del modelo de aleatoriedad, de técnicas computacionales para entender los datos, y las técnicas estadísticas que informan (y desinformar), así como dos relacionadas, pero relativamente avanzada temas: problemas de optimización y programación dinámica. Esta edición ofrece material expandido en las estadísticas y de aprendizaje de la máquina y de los nuevos capítulos sobre Frecuentista y Bayesiana de estadísticas.