Category Archives: Python

Packt Humble Bundle package

I am pleased to announce that my title, Python Machine Learning Cookbook, is part of the Packt Humble Bundle package, currently on sale on the Humble Bundle website until May 27, 2019.

PMLC

Humble Bundle is a distribution platform that sells games, ebooks, software, and other digital content. Since their inception in 2010, their mission has been to support charities (“Humble”) while providing awesome content to customers at great prices (“Bundle”). So far they helped to raise of $140m for a number of featured charities.

www.humblebundle.com

Keras 2.x Projects

9 projects demonstrating faster experimentation of neural network and deep learning applications using Keras.

Keras 2.x Projects explains how to leverage the power of Keras to build and train state-ofthe-
art deep learning models through a series of practical projects that look at a range of
real-world application areas.

To begin with, you will quickly set up a deep learning environment by installing the Keras
library. Through each of the projects, you will explore and learn the advanced concepts of
deep learning and will learn how to compute and run your deep learning models using the
advanced offerings of Keras. You will train fully-connected multilayer networks,
convolutional neural networks, recurrent neural networks, autoencoders and generative
adversarial networks using real-world training datasets. The projects you will undertake
are all based on real-world scenarios of all complexity levels, covering topics such as
language recognition, stock volatility, energy consumption prediction, faster object
classification for self-driving vehicles, and more.

Keras2.xProjects

By the end of this book, you will be well versed with deep learning and its implementation
with Keras. You will have all the knowledge you need to train your own deep learning
models to solve different kinds of problems.

Keras 2.x Projects

Keras Reinforcement Learning Projects

9 projects exploring popular reinforcement learning techniques to build self-learning agents

Reinforcement learning has evolved a lot in the last couple of years and proven to be a successful technique in building smart and intelligent AI networks. Keras Reinforcement Learning Projects installs human-level performance into your applications using algorithms and techniques of reinforcement learning, coupled with Keras, a faster experimental library. In the following the link at the book:

kerasrlsmall

The book begins with getting you up and running with the concepts of reinforcement learning using Keras. You’ll learn how to simulate a random walk using Markov chains and select the best portfolio using dynamic programming (DP) and Python. You’ll also explore projects such as forecasting stock prices using Monte Carlo methods, delivering vehicle routing application using Temporal Distance (TD) learning algorithms, and balancing a Rotating Mechanical System using Markov decision processes.

Once you’ve understood the basics, you’ll move on to Modeling of a Segway, running a robot control system using deep reinforcement learning, and building a handwritten digit recognition model in Python using an image dataset. Finally, you’ll excel in playing the board game Go with the help of Q-Learning and reinforcement learning algorithms.

By the end of this book, you’ll not only have developed hands-on training on concepts, algorithms, and techniques of reinforcement learning but also be all set to explore the world of AI.

Inizializzazione delle variabili in Python

python

L’inizializzazione delle variabili in Python rappresenta una buona pratica di programmazione che ci mette al riparo da situazioni impreviste. Questo perchè è possibile che nel codice che abbiamo realizzato si possano generare degli errori dovuti all’utilizzo di variabili che non risultano iniliazzate.

Ricordiamo allora che per inizializzazione delle variabili in Python s’intende l’operazione di creazione della variabile con l’attribuzione ad essa di un valore valido; vediamone allora un esempio banale:
a = 1
in tale istruzione è stato utilizzato l’operatore di assegnazione (segno di uguale =), con il significato di assegnare appunto alla locazione di memoria individuata dal nome a il valore 1. Il tipo attribuito alla variabile viene stabilito in fase di inizializzazione; sarà allora che si deciderà se assegnare ad essa una stringa di testo, un valore booleano (true e false), un numero decimale etc.

LINK DI APPROFONDIMENTO PER L’ARGOMENTO:

Nomi di variabili in Python

python

I nomi delle variabili in Python rispettano le regole già viste per gli identificatori Python, ricordiamo poi che Python è case sensitive, nel senso che le lettere maiuscole e minuscole rappresentano entità differenti. Allora i nomi Luigi, luigi e LUIGI si riferiscono a tre variabili diverse. Infine è opportuno segnalare che le parole riservate non possono essere utilizzate come nomi di variabile in Python.

Lista delle parole riservate in Python

and continue else for import not raise
assert def except from in or return
break del exec global is pass try
class elif finally if lambda print while

Per la maggior parte dei compilatori, un nome di variabile può contenere fino a 31 caratteri, in modo da poter adottare per una variabile un nome sufficientemente descrittivo, in Python tale limite non viene indicato. La scelta del nome assume un’importanza fondamentale al fine di rendere leggibile il codice; questo perché un codice leggibile sarà facilmente mantenibile anche da persone diverse dal programmatore che lo ha creato.

LINK DI APPROFONDIMENTO PER L’ARGOMENTO:

Il namespace in Python

python

Con la parola namespace in Python, che tradotto suonerebbe come spazio dei nomi, si intende un dizionario Python che contiene i nomi delle variabili (chiavi) ed i valori di tali variabili (valori) in modo da tenere traccia delle variabili utilizzate in quel particolare contesto.

In generale, uno spazio dei nomi (a volte chiamato anche contesto) è un sistema di denominazione per creare dei nomi univoci onde evitare ambiguità. Tutti noi utilizziamo nella vita quotidiana un sistema del tipo namespace, vale a dire l’identificazione di persone attraverso nome cognome. Un altro esempio è relativo alle reti: ogni dispositivo di rete (workstation, server di stampa, …) ha bisogno di un nome e di un indirizzo univoco. Ancora un altro esempio è la struttura delle directory del file system. Lo stesso nome file può essere utilizzato in diverse directory, i file sono accessibili unicamente attraverso dei percorsi.
Molti linguaggi di programmazione usano spazi dei nomi o contesti per gli identificatori. Un identificatore definito in un namespace è associato a quel namespace. In questo modo, lo stesso identificatore può essere definito indipendentemente in più domini. (Come gli stessi nomi di file in directory nei differenti linguaggi di programmazione), che supportano spazi dei nomi, possono avere regole diverse che determinano a quale spazio dei nomi un identificatore appartiene.

Alcuni spazi dei nomi in Python (namespace in Python) sono:

  • global names
  • local names
  • built-in names

Ed allora ogni blocco di un programma Python, dispone dei suoi namespace, ad esempio una funzione ha il suo namespace, denominato namespace locale, che contiene i riferimenti a tutte le variabili utilizzate dalla funzione, ed i suoi argomenti. Così come un modulo ha il suo namespace, denominato questa volta namespace globale, in quanto contiene i riferimenti alle variabili del modulo, alle funzioni, alle classi, ed infine ai moduli importati. C’è poi il namespace built-in, accessibile da ogni modulo, che contiene le funzioni built-in e le eccezioni.

LINK DI APPROFONDIMENTO PER L’ARGOMENTO:

Le variabili in Python

python

Con il termine variabile ci si riferisce ad un tipo di dato il cui valore è variabile nel corso dell’esecuzione del programma, in questo articolo ci occuperemo delle variabili in Python. È però possibile assegnarne un valore iniziale, si parlerà allora di inizializzazione della variabile. La fase di inizializzazione, assume un importanza fondamentale in quanto rappresenta il momento in cui la variabile viene creata, tale momento coincide con quello in cui ad essa viene associato un dato valore. A differenza dei linguaggi cosiddetti compilativi tale procedura può essere inserita in qualunque punto dello script, anche se i significati possono assumere valori differenti.

Con il termine variabile ci si riferisce ad un tipo di dato il cui valore è variabile nel corso dell’esecuzione del programma. È però possibile assegnarne un valore iniziale, si parlerà allora di inizializzazione della variabile. La fase di inizializzazione, assume un importanza fondamentale in quanto rappresenta il momento in cui la variabile viene creata, tale momento coincide con quello in cui ad essa viene associato un dato valore. A differenza dei linguaggi cosiddetti compilativi tale procedura può essere inserita in qualunque punto dello script, anche se i significati possono assumere valori differenti.

Le variabili in Python possono essere di due tipi di variabili:

  1. variabili globali;
  2. variabili locali;

Come si può intuire, le variabili globali risultano accessibili a livello globale all’interno del programma, le variabili locali invece assumono significato solo ed esclusivamente nel settore di appartenenza, risultando visibili solo all’interno del metodo in cui vengono inizializzate.

Python utilizza due funzioni built-in: locals e globals per specificare i diversi tipi di variabili; tali funzioni forniscono un accesso basato sui dizionari alle variabili locali e globali. 

LINK DI APPROFONDIMENTO PER L’ARGOMENTO:

 

Identificatori in Python

python

Un identificatore in Python  è il nome con cui sono rappresentate costanti, variabili, metodi, classi e moduli. Un identificatore in Python  può essere costituito da una lettera maiuscola, minuscola o dal simbolo underscore seguito da altri caratteri, che a loro volta possono essere una qualsiasi combinazione di lettere maiuscole e minuscole, underscore e cifre. I caratteri minuscoli corrispondono alle lettere minuscole dell’alfabeto dalla a alla z, compreso il simbolo underscore, mentre i caratteri maiuscoli corrispondono alle lettere maiuscole dell’alfabeto dalla A alla Z e le cifre da 0 al 9. Il numero di caratteri che compongono il nome non è limitato.

Un identificatore in Python può essere scelto applicando le seguenti regole:

  • Un identificatore non può contenere degli spazi vuoti.
  • I nomi delle classi iniziano con una lettera maiuscola e tutti gli altri identificatori con una lettera minuscola.
  • Se il nome inizia con un underscore ciò indica per convenzione che l’identificatore è destinato ad essere privato.
  • Se invece l’identificatore inizia con due caratteri di sottolineatura ciò indica un identificatore fortemente privato.
  • Se l’identificatore, inoltre, termina con due simboli di sottolineatura, l’identificatore è un nome definito speciale.

C’è da precisare che non possono essere usate come nomi degli identificatori alcune parole, che sono quindi riservate ad opportuni impieghi dall’interprete.

Parole riservate in Python

Parole riservate in Python

LINK DI APPROFONDIMENTO PER L’ARGOMENTO:

Indentazione del codice in Python

python

Un caratteristica essenziale del linguaggio di programmazione Python è il metodo che utilizza per delimitare i blocchi di programma, e cioè l’indentazione del codice.

Per indentazione del codice in Python, si intende quella tecnica utilizzata nella programmazione attraverso la quale si evidenziano dei blocchi di programma con l’inserimento di una certa quantità di spazio vuoto all’inizio di una riga di testo allo scopo di aumentarne la leggibilità. Così ogni riga viene indentata di un certo numero di spazi che dipende dalla sua posizione all’interno della struttura logica del programma.

Nell’indentazione del codice in Python, si utilizzano gli spazi bianchi, che vengono ignorati dall’interprete, allo scopo di separare più chiaramente le istruzioni ed in modo di rappresentare esplicitamente le relazioni di annidamento. La tecnica consiste nell’anteporre a ogni istruzione una quantità di spazio bianco proporzionale al numero di strutture di controllo o blocchi a cui tale istruzione appartiene.

indentazione del codice in Python

Indentazione del codice in Python

Allora Python, invece di usare parentesi o parole chiave, usa l’indentazione stessa per indicare i blocchi nidificati; a tal proposito si possono usare sia una tabulazione, sia un numero arbitrario di spazi bianchi, ma lo standard Python prevede  4 spazi bianchi. La cosa da ricordare è che la indentazione in Python non è facoltativa ma è una regola, nel senso che se si omette l’indentazione in una struttura condizionale, ad esempio, che rappresenta di norma una struttura nidificata, allora l’interprete ci restituirà un messaggio di errore.

Nell’utilizzo di tale tecnica è necessario ricordare delle semplici regole:

  • il numero di spazi da utilizzare è variabile;
  • tutte le istruzioni del blocco di programma devono presentare lo stesso numero di spazi di indentazione.

LINK DI APPROFONDIMENTO PER L’ARGOMENTO:

Opzioni da linea di comando in Python

python

In questo post impareremo a lanciare dei comandi Python attraverso l’utilizzo di una finestra di terminale. La prima cosa che risulta utile sapere è come impartire i comandi Python all’interprete; per fare questo possiamo utilizzare il seguente formato:

Python [option] [ nomefile | -c command | -m module | - ]          [arg]

dove:

  • option – rappresenta l’opzione che può essere passata all’interprete per eseguire una particolare azione;
  • nomefile – rappresenta il nome dello script Python che si vuole eseguire;
  • -c command – specifica un comando Python da eseguire;
  • -m module – lancia un modulo contenuto nella libreria a corredo dell’interprete: sarà allora ricercato il modulo nel sys.path, ed una volta individuato sarà lanciato come top-level file;
  • arg – indica che nient’altro sarà passato all’interprete python.

LINK DI APPROFONDIMENTO PER L’ARGOMENTO:

Documentazione ActivePython

python

ActivePython Documentation rappresenta una nutrita collezione di documentazione che viene fornita a corredo della IDE già dettagliatamente descritta nelle pagine precedenti.

Si tratta di una raccolta davvero completa che ci fornirà tutti gli argomenti necessari per apprendere le caratteristiche di base del linguaggio di programmazione Python se siamo dei principianti, mentre ci permetterà di arricchire le nostre competenze se siamo già pratici della sintassi di questo potente ma snello strumento per la programmazione ad oggetti.

Documentazione Python

Documentazione Python

Il sommario che si apre quando richiamiamo la documentazione Python ci offre i seguenti argomenti:

  • Active Python User Guide
  • What’s New
  • Python Documentation
  • Helpful Resources
  • PyWin 32 Documentation

 Come è possibile verificare, la documentazione a corredo del pacchetto ci permette di accedere ad una Guida all’uso di Active Python, alle novità introdotte dalla nuova versione, ad una raccolta di documenti su Python, alle risorse di aiuto ed infine alla documentazione su PyWin 32.

LINK DI APPROFONDIMENTO PER L’ARGOMENTO: