Biblioteki Pythona do AI

Python ma bogaty ekosystem bibliotek, które ułatwiają tworzenie AI i zwiększają jego wydajność. W tej lekcji poznają Państwo trzy niezbędne biblioteki: NumPy, Pandas i Scikit-learn.

Wprowadzenie do NumPy

NumPy (Numerical Python) to biblioteka do pracy z tablicami i wykonywania operacji matematycznych. Jest szybka i wydajna, dzięki czemu idealnie nadaje się do obsługi dużych zbiorów danych w projektach AI.

import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr)

Wprowadzenie do Pandas

Pandas to biblioteka do przetwarzania i analizowania danych. Udostępnia narzędzia do pracy z danymi strukturalnymi, takimi jak tabele i arkusze kalkulacyjne, dzięki czemu cieszy się dużą popularnością wśród analityków danych.

import pandas as pd
data = {'Name': ['Alice', 'Bob'], 'Age': [25, 30]}
df = pd.DataFrame(data)
print(df)

Wprowadzenie do Scikit-learn

Scikit-learn to biblioteka do uczenia maszynowego. Udostępnia narzędzia do zadań takich jak klasyfikacja, regresja i klasteryzacja. Za pomocą Scikit-learn będą Państwo tworzyć i oceniać modele AI.

from sklearn.linear_model import LinearRegression
model = LinearRegression()
print(model)

Instalowanie bibliotek Pythona

Biblioteki te można zainstalować za pomocą pip, menedżera pakietów Pythona. Proszę uruchomić następujące polecenia w terminalu:

• pip install numpy
• pip install pandas
• pip install scikit-learn

Używanie NumPy do pracy z tablicami

NumPy ułatwia wykonywanie operacji na tablicach. Można na przykład obliczyć sumę wszystkich elementów lub zmienić kształt tablicy.

import numpy as np
arr = np.array([[1, 2], [3, 4]])
print('Sum:', np.sum(arr))
print('Reshaped:', arr.reshape(4))

Używanie Pandas do pracy z obiektami DataFrame

Obiekt DataFrame biblioteki Pandas to potężne narzędzie do zarządzania danymi tabelarycznymi. Można filtrować wiersze, obliczać statystyki i wykonywać inne operacje.

import pandas as pd
data = {'Name': ['Alice', 'Bob'], 'Age': [25, 30]}
df = pd.DataFrame(data)
print(df.describe())

Podsumowanie

Poznali już Państwo trzy niezbędne biblioteki Pythona do AI:

• NumPy: Do pracy z tablicami i wykonywania operacji matematycznych.
• Pandas: Do zarządzania danymi strukturalnymi i ich analizowania.
• Scikit-learn: Do tworzenia i oceniania modeli uczenia maszynowego.

Gratulacje!

Ukończyli Państwo lekcję na temat bibliotek Pythona do AI. Proszę kontynuować naukę, aby w następnej lekcji poznać typy i struktury danych w Pythonie.