Βασισμένο σε ένα «massive open online course» (MOOC) του MIT, το παρόν βιβλίο εισάγει τους φοιτητές με μικρή ή καθόλου πρότερη προγραμματιστική εμπειρία στην τέχνη της επίλυσης υπολογιστικών προβλημάτων με χρήση της Python και διαφόρων βιβλιοθηκών της Python, όπως τις numpy, matplotlib, random, pandas και sklearn. Στην παρούσα τρίτη έκδοση η βασική επεξηγηματική ύλη επεκτείνεται με επιπλέον προγραμματιστικά παραδείγματα και πολύ περισσότερες «ασκήσεις εμπέδωσης», γεγονός που την καθιστά μια σχετικά ομαλή εισαγωγή στον προγραμματισμό για τους αρχάριους. Σε ένα νέο κεφάλαιο επιδεικνύεται η χρήση του πακέτου pandas για την ανάλυση δεδομένων χρονοσειρών. Όλος ο κώδικας έχει γραφτεί εκ νέου ώστε να συμμορφώνεται με τα πρότυπα του PEP 8. Πέρα από τα παραδοσιακά θέματα, το βιβλίο πραγματεύεται επίσης ένα ευρύ φάσμα θεμάτων που δεν περιλαμβάνονται συνήθως στα εισαγωγικά βιβλία, όπως οπτική αναπαράσταση πληροφορίας, προσομοιώσεις για τη μοντελοποίηση της τυχαιότητας, υπολογιστικές τεχνικές για την κατανόηση δεδομένων, στατιστικές τεχνικές που πληροφορούν (και παραπληροφορούν) και προβλήματα βελτιστοποίησης και δυναμικός προγραμματισμός. Το βιβλίο περιλαμβάνει επίσης έναν συνοπτικό οδηγό αναφοράς της Python 3. (Από την παρουσίαση στο οπισθόφυλλο του βιβλίου) Έγραψαν για τις προηγούμενες εκδόσεις: «Δεν υπάρχει ένα μοναδικό βιβλίο επιστήμης υπολογιστών που να καλύπτει κάθε ανάγκη. Αν όμως έπρεπε να διαλέξετε μόνο ένα, το συγκεκριμένο θα αποτελούσε εξαιρετική επιλογή». [Hal Abelson, συγγραφέας (μαζί με τον Gerald Jay Sussman) του Structure and Interpretation of Computer Programs] «Είναι το βιβλίο πάνω στην "υπολογιστική σκέψη" που όλοι περιμέναμε! Με χιούμορ και ιστορικά ανέκδοτα, ο John Guttag μεταφέρει την ευρύτητα και τη χαρά της επιστήμης υπολογιστών χωρίς δυσνόητες τεχνικές λεπτομέρειες». (Jeannette M. Wing, Αντιπρόεδρος της Microsoft Research και σύμβουλος καθηγήτρια επιστήμης υπολογιστών και πρώην διευθύντρια τμήματος στο Πανεπιστήμιο Carnegie Mellon)

ΠΡΟΛΟΓΟΣ
ΕΥΧΑΡΙΣΤΙΕΣ
1 ΓΕΝΙΚΗ ΕΙΣΑΓΩΓΗ
2 ΕΙΣΑΓΩΓΗ ΣΤΗΝ PYTHON
3 ΜΕΡΙΚΑ ΑΠΛΑ ΑΡΙΘΜΗΤΙΚΑ ΠΡΟΓΡΑΜΜΑΤΑ
4 ΣΥΝΑΡΤΗΣΕΙΣ, ΕΜΒΕΛΕΙΕΣ ΚΑΙ ΑΦΑΙΡΕΣΗ
5 ΔΟΜΗΜΕΝΟΙ ΤΥΠΟΙ ΚΑΙ ΜΕΤΑΛΛΑΞΙΜΟΤΗΤΑ
6 ΑΝΑΔΡΟΜΗ ΚΑΙ ΚΑΘΟΛΙΚΕΣ ΜΕΤΑΒΛΗΤΕΣ
7 ΑΡΘΡΩΜΑΤΑ ΚΑΙ ΑΡΧΕΙΑ
8 ΔΟΚΙΜΗ ΚΑΙ ΑΠΟΣΦΑΛΜΑΤΩΣΗ
9 ΕΞΑΙΡΕΣΕΙΣ ΚΑΙ ΙΣΧΥΡΙΣΜΟΙ
10 ΚΛΑΣΕΙΣ ΚΑΙ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΕΦΗΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
11 ΜΙΑ ΥΠΕΡΑΠΛΟΥΣΤΕΥΜΕΝΗ ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΛΓΟΡΙΘΜΙΚΗ ΠΟΛΥΠΛΟΚΟΤΗΤΑ
12 ΜΕΡΙΚΟΙ ΑΠΛΟΙ ΑΛΓΟΡΙΘΜΟΙ ΚΑΙ ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ
13 ΣΧΕΔΙΑΣΗ ΔΙΑΓΡΑΜΜΑΤΩΝ ΚΑΙ ΠΕΡΙΣΣΟΤΕΡΑ ΓΙΑ ΤΙΣ ΚΛΑΣΕΙΣ
14 ΠΡΟΒΛΗΜΑ ΤΟΥ ΣΑΚΙΔΙΟΥ ΚΑΙ ΠΡΟΒΛΗΜΑΤΑ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ ΓΡΑΦΗΜΑΤΩΝ
15 ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
16 ΤΥΧΑΙΟΙ ΠΕΡΙΠΑΤΟΙ ΚΑΙ ΠΕΡΙΣΣΟΤΕΡΑ ΓΙΑ ΤΗΝ ΟΠΤΙΚΗ ΑΝΑΠΑΡΑΣΤΑΣΗ ΔΕΔΟΜΕΝΩΝ
17 ΣΤΟΧΑΣΤΙΚΑ ΠΡΟΓΡΑΜΜΑΤΑ, ΠΙΘΑΝΟΤΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ
18 ΠΡΟΣΟΜΟΙΩΣΗ MONTE CARLO
19 ΔΕΙΓΜΑΤΟΛΗΨΙΑ ΚΑΙ ΕΜΠΙΣΤΟΣΥΝΗ
20 ΚΑΤΑΝΟΗΣΗ ΠΕΙΡΑΜΑΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ
21 ΤΥΧΑΙΟΠΟΙΗΜΕΝΕΣ ΔΟΚΙΜΕΣ ΚΑΙ ΕΛΕΓΧΟΣ ΥΠΟΘΕΣΕΩΝ
22 ΨΕΜΑΤΑ, ΚΑΤΑΡΑΜΕΝΑ ΨΕΜΑΤΑ ΚΑΙ ΣΤΑΤΙΣΤΙΚΗ
23 ΕΞΕΡΕΥΝΗΣΗ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΟ PANDAS
24 ΜΙΑ ΣΥΝΤΟΜΗ ΜΑΤΙΑ ΣΤΗ ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ
25 ΣΥΣΤΑΔΟΠΟΙΗΣΗ
26 ΜΕΘΟΔΟΙ ΤΑΞΙΝΟΜΗΣΗΣ
ΣΥΝΟΠΤΙΚΟΣ ΟΔΗΓΟΣ ΑΝΑΦΟΡΑΣ ΤΗΣ PYTHON 3.8
ΓΛΩΣΣΑΡΙ
ΕΥΡΕΤΗΡΙΟ