To znakomity podręcznik dla programistów, którzy chcą wykorzystać techniki i wzorce projektowe z funkcyjnych języków programowania, aby tworzyć w Pythonie zwięzłe, eleganckie i ekspresyjne programy - z czytelnym i łatwym w utrzymaniu kodem. Zawiera ogólny przegląd koncepcji funkcyjnych oraz wyjaśnia tak istotne pojęcia jak funkcje pierwszej klasy, funkcje wyższego rzędu, funkcje czyste, leniwe wartościowanie i wiele innych. Wnikliwie omawia sposób korzystania z tych funkcji w Pythonie 3.6, a także techniki przygotowywania i eksploracji danych. Ponadto pokazuje, w jaki sposób standardowa biblioteka Pythona pasuje do funkcyjnego modelu programowania. Co ważne, w książce znalazło się kilka przykładów prezentujących w praktyce opisane koncepcje.

Książka Legendarny osobomiesiąc zyskała już miano kultowej; jest niezmiennie aktualna i wciąż inspiruje programistów na całym świecie. Składa się z kilkunastu esejów, które zawierają informacje i inspiracje bezcenne dla każdego menedżera i programisty. Przy dużych projektach konieczne jest zachowanie ich spójności koncepcyjnej, co w przypadku dużych zadań stanowi warunek dość trudny do spełnienia, dlatego wiele obiecujących przedsięwzięć zakończyło się porażką. Trzeba też zdawać sobie sprawę, że złożone zadanie oznacza dla zespołu dobre i złe chwile. Autor w niezwykle interesujący i praktyczny sposób pokazuje, jak czerpać siły z chwil radości i skutecznie radzić sobie z problemami, aby zakończyć z sukcesem nawet najbardziej złożony projekt programistyczny.

Ta książka jest drugim, wzbogaconym i zaktualizowanym wydaniem znakomitego podręcznika do nauki o danych. Wyczerpująco opisano tu teoretyczne podwaliny uczenia maszynowego. Sporo uwagi poświęcono działaniu algorytmów uczenia głębokiego, sposobom ich wykorzystania oraz metodom unikania istotnych błędów. Dodano rozdziały prezentujące zaawansowane informacje o sieciach neuronowych: o sieciach splotowych, służących do rozpoznawania obrazów, oraz o sieciach rekurencyjnych, znakomicie nadających się do pracy z danymi sekwencyjnymi i danymi szeregów czasowych. Poszczególne zagadnienia zostały zilustrowane praktycznymi przykładami kodu napisanego w Pythonie, co ułatwi bezpośrednie zapoznanie się z tematyką uczenia maszynowego.