Bücher von Jorge Gómez

Lo scopo di questo libro è offrire una guida all'apprendimento a tutti coloro che sono interessati a sviluppare applicazioni con la tecnologia NFC in ambienti desktop e mobili. In modo tale da comprendere inizialmente i concetti relativi a questa tecnologia e da poter implementare da zero un'applicazione su sistemi operativi Windows o Android.Le applicazioni NFC sono infinite e questo libro fornisce le basi per chi è interessato a implementare soluzioni personalizzate o generiche.

L'objectif de ce livre est d'offrir un guide d'apprentissage à tous ceux qui sont intéressés par le développement d'applications avec la technologie NFC dans des environnements de bureau et mobiles. De manière à ce qu'ils comprennent d'abord les concepts liés à cette technologie et qu'ils puissent ensuite mettre en ¿uvre une application à partir de zéro, que ce soit sur les systèmes d'exploitation Windows ou Android. Les applications NFC sont infinies et ce livre fournit les bases pour ceux qui souhaitent mettre en ¿uvre des solutions génériques ou personnalisées.

Das Ziel dieses Buches ist es, all jenen, die sich für die Entwicklung von Anwendungen mit NFC-Technologie in Desktop- und mobilen Umgebungen interessieren, einen Lernleitfaden anzubieten. Auf eine Art und Weise, dass sie zunächst die Konzepte im Zusammenhang mit dieser Technologie verstehen und im Gegenzug von Grund auf eine Anwendung entweder auf Windows- oder Android-Betriebssystemen implementieren können. NFC-Anwendungen sind endlos und dieses Buch bietet die Grundlage für diejenigen, die an der Implementierung von kundenspezifischen oder generischen Lösungen interessiert sind.

The purpose of this book is to offer a learning guide to all those interested in developing applications with NFC technology in desktop and mobile environments. In such a way that they initially understand the concepts related to this technology and in turn can implement from scratch an application either on Windows or Android operating systems. NFC applications are endless and this book provides the foundation for those interested in implementing custom or generic solutions.

O objetivo deste livro é oferecer um guia de aprendizagem a todos os interessados em desenvolver aplicações com tecnologia NFC em ambientes desktop e móveis. De tal forma que compreendam inicialmente os conceitos relacionados com esta tecnologia e possam, por sua vez, implementar de raiz uma aplicação quer no sistema operativo Windows quer no sistema operativo Android. As aplicações NFC são infinitas e este livro fornece as bases para os interessados em implementar soluções personalizadas ou genéricas.

Lo scopo di questo libro è insegnare i diversi modelli di apprendimento non supervisionato, dalle loro basi matematiche all'implementazione di codici in Python. L'idea è quella di introdurre il lettore ai modelli di apprendimento supervisionato, di capire come funzionano e di risolvere problemi utilizzando queste tecniche. Vengono inoltre risolti brevi esercizi che possono essere successivamente replicati in altri scenari. Gli esercizi risolti sono descritti passo per passo, in modo che il lettore possa eseguirli e comprenderne i risultati parziali.

Das Ziel dieses Buches ist es, die verschiedenen Modelle des unüberwachten Lernens zu vermitteln, von ihren mathematischen Grundlagen bis hin zur Implementierung von Codes in Python. Die Idee ist, den Leser in überwachte Lernmodelle einzuführen, zu verstehen, wie sie funktionieren und Probleme mit diesen Techniken zu lösen. Es werden auch kurze Übungen gelöst, die später in anderen Szenarien wiederholt werden können. Die gelösten Aufgaben werden Schritt für Schritt beschrieben, so dass der Leser sie ausführen und ihre Teilergebnisse verstehen kann.

O objetivo deste livro é ensinar os diferentes modelos de aprendizagem não supervisionada, desde os seus fundamentos matemáticos até à implementação de códigos em Python. A ideia é introduzir o leitor aos modelos de aprendizado supervisionado, entender como eles funcionam e resolver problemas usando essas técnicas. Também resolve pequenos exercícios que podem ser replicados posteriormente em outros cenários. Os exercícios resolvidos são descritos passo a passo, para que o leitor possa executá-los e entender seus resultados parciais.

Cel'ü dannoj knigi qwlqetsq izuchenie razlichnyh modelej obucheniq bez nablüdeniq, nachinaq s ih matematicheskih osnow i zakanchiwaq realizaciej kodow na qzyke Python. Ideq zaklüchaetsq w tom, chtoby poznakomit' chitatelq s modelqmi kontroliruemogo obucheniq, ponqt', kak oni rabotaüt, i reshit' zadachi s ispol'zowaniem ätih metodow. V knige takzhe priwodqtsq korotkie uprazhneniq, kotorye wposledstwii mogut byt' wosproizwedeny w drugih scenariqh. Reshenie uprazhnenij opisywaetsq poshagowo, chtoby chitatel' mog wypolnit' ih i ponqt' chastichnye rezul'taty.

The purpose of this book is to teach the different unsupervised learning models, from their mathematical foundations to the implementation of codes in Python. The idea is to introduce the reader to the supervised learning models, to understand how they operate and to solve problems using these techniques. In the same way, short exercises are solved that can later be replicated in other scenarios. The solved exercises are described step by step, so that the reader can execute them and understand their partial results.

L'objectif de ce livre est d'enseigner les différents modèles d'apprentissage non supervisé, depuis leurs fondements mathématiques jusqu'à l'implémentation des codes en Python. L'idée est d'introduire le lecteur aux modèles d'apprentissage supervisé, de comprendre leur fonctionnement et de résoudre des problèmes à l'aide de ces techniques. Il résout également de courts exercices qui peuvent ensuite être reproduits dans d'autres scénarios. Les exercices résolus sont décrits étape par étape, afin que le lecteur puisse les exécuter et comprendre leurs résultats partiels.

Este libro tiene como propósito, enseñar los distintos modelos aprendizaje no supervisado, desde sus fundamentos matemáticos, hasta la implementación de códigos en Python. La idea es introducir al lector, dentro de los modelos aprendizaje supervisado, entender cómo operan y resolver problemas, utilizando estas técnicas. De igual forma se resuelven breves ejercicios que posteriormente podrán ser replicados en otros escenarios. Los ejercicios solucionados se describen paso a paso, para que el lector los vaya ejecutando y comprendiendo sus resultados parciales.

Dieses Buch richtet sich an diejenigen, die in die Welt des maschinellen Lernens einsteigen wollen, also an Anfänger. Zunächst wird die Datenmanipulation mit Hilfe von Dataframes in der Programmiersprache Python, eingebettet in das Jupyter-Lab-Framework und Pandas, behandelt. Die Daten werden dann aus csv-Dateien extrahiert und in Datenrahmen verwaltet. Indizierung, Auswahl und Zuweisung, Indizierung in Pandas, Tag-basierte Auswahl, bedingte Auswahl, Datenzuweisung, Zusammenfassungsfunktionen, Maps und Gruppierung und Sortierung. Schließlich werden wir mit der Programmierung grundlegender überwachter Lernmodelle fortfahren, wie z. B. der linearen Regression mit einer einzelnen Variable, der linearen Regression mit mehreren Variablen, dem Speichern und Laden des Trainingsmodells, der Datenverwaltung mit Dummy-Variablen und der Trennung von Trainings- und Testdatensätzen.

Este livro foi concebido para aqueles que desejam entrar no mundo da aprendizagem mecânica, ou seja, no modo principiante. Inicialmente, será abordada a manipulação de dados utilizando os dataframes na linguagem de programação Python, integrados na estrutura Jupyter-lab e Pandas. Os dados serão então extraídos de ficheiros csv para serem geridos em ficheiros dataframes. Indexação, selecção e atribuição, indexação em Pandas, selecção baseada em etiquetas, selecção condicional, atribuição de dados, funções de resumo, mapas e agrupamento e classificação. Finalmente, procederemos à programação de modelos básicos de aprendizagem supervisionada, tais como regressão linear com uma única variável, regressão linear com múltiplas variáveis, guardar e carregar o modelo de formação, gestão de dados com variáveis fictícias, separação dos conjuntos de dados de formação e teste.

This book is designed for those who wish to enter the world of machine learning, i.e. beginner mode. Initially, data manipulation through dataframes in the Python programming language, embedded in the Jupyter-lab and Pandas framework, will be addressed. Then data will be extracted from csv files to manage them in dataframes. Indexing, selection and allocation, indexing in Pandas, tag-based selection, conditional selection, data allocation, summary functions, maps and grouping and sorting. Finally, we will proceed to program basic supervised learning models such as linear regression with a single variable, linear regression with multiple variables, saving and loading the training model, data management with dummy variables, separation of the training and test data sets.

Ce livre est destiné à ceux qui souhaitent entrer dans le monde de l'apprentissage automatique, c'est-à-dire en mode débutant. Dans un premier temps, la manipulation des données à l'aide de dataframes dans le langage de programmation Python, intégré au cadre Jupyter-lab et à Pandas, sera abordée. Les données seront ensuite extraites des fichiers csv pour être gérées dans des dataframes. Indexation, sélection et allocation, indexation dans Pandas, sélection basée sur les balises, sélection conditionnelle, allocation de données, fonctions de résumé, cartes et regroupement et tri. Enfin, nous procéderons à la programmation de modèles d'apprentissage supervisé de base tels que la régression linéaire avec une seule variable, la régression linéaire avec des variables multiples, la sauvegarde et le chargement du modèle d'entraînement, la gestion des données avec des variables fictives, la séparation des ensembles de données d'entraînement et de test.

Questo libro è pensato per coloro che desiderano entrare nel mondo dell'apprendimento automatico, cioè per i principianti. Inizialmente verrà affrontata la manipolazione dei dati utilizzando i dataframe nel linguaggio di programmazione Python, integrato nel framework Jupyter-lab e in Pandas. I dati saranno poi estratti da file csv per essere gestiti in dataframe. Indicizzazione, selezione e allocazione, indicizzazione in Pandas, selezione basata su tag, selezione condizionale, allocazione dei dati, funzioni di riepilogo, mappe, raggruppamento e ordinamento. Infine, si procederà a programmare i modelli di base dell'apprendimento supervisionato, come la regressione lineare con una singola variabile, la regressione lineare con variabili multiple, il salvataggio e il caricamento del modello di addestramento, la gestione dei dati con variabili dummy, la separazione dei set di dati di addestramento e di test.