1. คู่มือเรียน เขียนโปรแกรม Python (ภาคปฏิบัติ)
ฉบับอัพเดท เพิ่มการเขียน โปรแกรมด้าน AI จุดเริ่มต้นสำหรับผู้สนใจการเขียนโปรแกรมด้วยภาษา Python ที่แม้แต่บริษัทยักษ์ใหม่อย่าง Google ก็นำมาใช้งาน เรียนรู้ตั้งแต่คำสั่งพื้นฐานไปจนถึงการเขียนโปรแกรม

เนื้อหาโดยสังเขป
ภาษา Python ง่ายต่อการเรียนรู้ มีโครงสร้างของภาษาไม่ซับซ้อน เข้าใจง่าย รูปแบบของคำสั่งง่ายเหมือนภาษา BASIC การกำหนดชนิดของตัวแปรและใช้งาน ทำได้ด้วยวิธีง่าย ๆ ตัว
ภาษามีความยืดหยุ่นสูง และมีคำสั่งในการจัดการกับข้อความ และไฟล์ข้อความ (Text File) ได้เป็นอย่างดี อีกทั้งมีการรวมเอาส่วนดีของภาษาต่าง ๆ เข้ามาไว้ด้วยกัน

หนังสือ คู่มือเรียน เขียนโปรแกรม Python (ภาคปฏิบัติ) เล่มนี้ เขียนขึ้นเพื่อเป็นจุดเริ่มต้นให้ผู้สนใจการเขียนโปรแกรมด้วยภาษา Python ได้ศึกษา ตั้งแต่คำสั่งพื้นฐาน การเชื่อมต่อกับระบบฐานข้อมูล จนถึงการสร้างส่วนติดต่อกับผู้ใช้แบบกราฟิก และการเขียนโปรแกรมด้าน AI โดยเน้นที่การเรียนรู้เชิงปฏิบัติ มีการอธิบายตัวอย่างโปรแกรมอย่างละเอียด ผู้อ่านสามารถทดลองพิมพ์คำสั่งเพื่อให้เห็นการทำงานและสร้างความเข้าใจไปพร้อมกัน ซึ่งจะทำให้เรียนรู้ได้อย่างรวดเร็ว

สารบัญ
บทที่ 1 ประโยชน์จากการใช้งาน Python
บทที่ 2 โครงสร้างและลักษณะการเขียนโปรแกรม
บทที่ 3 รู้จักกับการใช้ตัวแปรของ Python
บทที่ 4 การตรวจสอบเงื่อนไข
บทที่ 5 คำสั่งการวนทำซ้ำ
บทที่ 6 การสร้างโพรซีเจอร์หรือฟังก์ชันของ Python
บทที่ 7 การจัดการกับปัญหาเมื่อเกิดข้อผิดพลาดระหว่างการพัฒนาโปรแกรม
บทที่ 8 Python กับการเชื่อมต่อฐานข้อมูล
บทที่ 9 พื้นฐานการใช้โมดูล Tkinter สำหรับ Graphical User Interface (GUI)
บทที่ 10 ก้าวสู่โลก AI ด้วย Python

รายละเอียดหนังสือ
ISBN: 9786167502946 (ปกอ่อน) 368 หน้า
ขนาดรูปเล่ม: 165 x 240 x 21 มม.
น้ำหนัก: 610 กรัม
เนื้อในพิมพ์: ขาวดำ
ชนิดกระดาษ: กระดาษปอนด์
สำนักพิมพ์: คอร์ฟังก์ชั่น สนพ.

2. จัดการและวิเคราะห์ข้อมูลด้วย Python Data Science
ใช้ประกอบการเรียนรู้เกี่ยวกับ Data Science โดยใช้ภาษา Python ร่วมกับไลบรารีต่างๆ เพื่อให้ผู้อ่านสามารถนำไปจัดการ วิเคราะห์ และทำนายผลข้อมูลในเบื้องต้นได้
ผู้เขียนบัญชา ปะสีละเตสัง

เนื้อหาโดยสังเขป
Data Science ถือเป็นวิทยาศาสตร์อีกแขนงหนึ่งที่ว่าด้วยการวิเคราะห์และจัดการข้อมูลในรูปแบบต่างๆ นอกจากนี้ ยังเป็นพื้นฐานไปสู่การเรียนรู้เทคโนโลยีแขนงอื่นๆ อีกหลายอย่าง เช่น Data Mining Deep Learning Machine Learning รวมถึง Artificial Intelligence (AI) อีกด้วย ดังนั้น ในปัจจุบันจึงมีผู้สนใจที่จะศึกษา Data Science สำหรับนำไปประยุกต์ใช้กับงานด้านต่างๆ เป็นจำนวนมาก ซึ่งหนังสือเล่มนี้ได้จัดทำขึ้นเพื่อใช้ประกอบการเรียนรู้เกี่ยวกับ Data Science โดยใช้ภาษา Python ร่วมกับไลบรารีต่างๆ เช่น NumPy Pandas Matplotlib และ Scikit-learn ซึ่งนอกจาก Data Science แล้ว ยังกล่าวถึง Machine Learning ขั้นพื้นฐานเอาไว้ด้วย เพื่อให้ผู้อ่านสามารถนำไปจัดการ วิเคราะห์ และทำนายผลข้อมูลในเบื้องต้นได้ รวมทั้งเป็นแนวทางสำหรับการเรียนรู้เพิ่มเติมในระดับที่สูงขึ้นต่อไป

สารบัญ
บทที่ 1 การใช้ Jupyter และ Colab
บทที่ 2 โครงสร้างข้อมูลแบบ Sequence
บทที่ 3 การใช้ไลบรารี NumPy
บทที่ 4 การจัดการข้อมูลด้วยออบเจ็กต์ Series
บทที่ 5 การสร้างและเลือกข้อมูลจาก DataFrame
บทที่ 6 ฟังก์ชันพื้นฐานของ DataFrame
บทที่ 7 การกำหนดสไตล์และออปชัน
บทที่ 8 การใช้แหล่งข้อมูลจากไฟล์
บทที่ 9 ปฏิบัติการกับกลุ่มข้อมูล
บทที่ 10 ข้อมูลอนุกรมเวลา
ฯลฯ

รายละเอียดหนังสือ
ISBN: 9786160839087 (ปกอ่อน) 384 หน้า
ขนาดรูปเล่ม: 190 x 240 x 16 มม.
น้ำหนัก: 655 กรัม
เนื้อในพิมพ์: ขาวดำ
ชนิดกระดาษ: กระดาษปอนด์
สำนักพิมพ์: ซีเอ็ดยูเคชั่น บมจ.

🔺 คู่มือเขียนโปรแกรมด้วย Python
บทที่ 1 ก้าวแรกสู่โลกของภาษาไพธอน (Python)
บทที่ 2 พื้นฐานการเขียนโปรแกรมด้วยภาษาไพธอน
บทที่ 3 การตรวจสอบเงื่อนไขและคำสั่งวนลูป
บทที่ 4 ฟังก์ชัน(Function)
บทที่ 5 โครงสร้างข้อมูล
บทที่ 6 การดักจับข้อผิดพลาด (Exception)
บทที่ 7 ข้อความ (str)
บทที่ 8 การเขียนโปรแกรมเชิงวัตถุ (Object Oriented Programming – OOP)
บทที่ 9 ทำงานกับคลาส dataclass
บทที่ 10 การใช้งาน Lambda
บทที่ 11 โครงสร้างข้อมูล แบบ numpy
บทที่ 12 โครงสร้างข้อมูลแบบ Pandas
บทที่ 13 ทำงานกับไฟล์ข้อความ
บทที่ 14 การทำงาน CRUD กับฐานข้อมูล SQLite
บทที่ 15 พื้นฐานการใช้งานฐานข้อมูล MongoDB
บทที่ 16 การจัดการข้อมูล CRUD กับฐานข้อมูล MongoDB ด้วยไพธอน
บทที่ 17 การดาวน์โหลดและติดตั้งฐานข้อมูล SQL Server
บทที่ 18 การทำงานฐานข้อมูล SQL Server ด้วย SSMS
บทที่ 19 การจัดการข้อมูลในฐานข้อมูล SQL Server ด้วยไพธอน
บทที่ 20 Visualization ด้วย matplotlib
บทที่ 21 การสร้างส่วนแสดงผลด้วย Tkinter
บทที่ 22 การใช้งานไพธอนในหน้าเว็บเพจด้วย PyScript
บทที่ 23 พื้นฐานการสร้าง Web API ด้วย FastAPI
บทที่ 24 การสร้าง Web API ด้วย FastAPI ร่วมกับฐานข้อมูล MongoDB
บทที่ 25 การสร้าง Web API ด้วย FastAPI แบบคอนเทนเนอร์ด้วย Docker