Warum sollte ein Delphi-Entwickler Python zu seinem Toolbelt hinzufügen wollen? Es geht um Bibliothekszugriff und Skriptfähigkeit. Mit der Open-Source-Bibliothek Python4Delphi (P4D) von Kiriakos Vlahos, Autor der beliebten PyScripter Python IDE , können Sie als Delphi-Entwickler die gesamte Sammlung von Python-Bibliotheken direkt aus Delphi heraus nutzen. Es macht es auch einfach, Python-Skripte einfach auszuführen, neue Python-Module und neue Python-Typen direkt aus Ihrer Delphi-Anwendung heraus zu erstellen. Geben Sie Ihren Delphi-Anwendungen das Beste aus beiden Welten!
Nehmen Sie an diesem zweiteiligen Webinar teil, um zu erfahren, wie Sie Python in Ihren Delphi-Anwendungen einsetzen können, und besuchen Sie den Python4Delphi-Autor Kiriakos Vlahos und den Embarcadero-Entwickleranwalt Jim McKeeth.
Update : Da das Interesse so groß war, handelt es sich um ein zweiteiliges Webinar: Die Stärken von Delphi und Python kombinieren .
- Verwenden von Python-Bibliotheken und -Objekten im Delphi-Code
- Python-basierte Datenanalyse in Delphi-Anwendungen
- Erstellen von Python-Erweiterungsmodulen mit Delphi
- Python-GUI-Entwicklung mit der VCL
Auf welche Art von Python-Bibliotheken können Sie mit Python4Delphi von Delphi aus zugreifen ?
- TensorFlow – Maschinelles Lernen
- TensorFlow, entwickelt von Google in Zusammenarbeit mit Brain Team, wird in fast jeder Google-Anwendung für maschinelles Lernen verwendet.
- Neuronale Netze können mit TensorFlow als eine Reihe von Operationen an Tensoren leicht als Berechnungsgraphen ausgedrückt werden.
- Numpy – Datenbereinigung und -manipulation
- TensorFlow und andere Bibliotheken verwenden Numpy intern, um mehrere Operationen an Tensoren auszuführen. Die Array-Schnittstelle ist das beste und wichtigste Merkmal von Numpy.
- Pandas – Datenmanipulation und -analyse
- Insbesondere bietet es Datenstrukturen und Operationen zur Bearbeitung numerischer Tabellen und Zeitreihen.
- Der Name leitet sich vom Begriff „Paneldaten“ ab, einem ökonometrischen Begriff für Datensätze, die Beobachtungen über mehrere Zeiträume für dieselben Personen umfassen.
- Scikit-Learn – Maschinelles Lernen und Modellieren
- Es bietet verschiedene Klassifizierungs-, Regressions- und Clustering-Algorithmen, darunter Support-Vektor-Maschinen, zufällige Gesamtstrukturen, Gradienten-Boosting, k-means und DBSCAN.
- Natural Language Toolkit (NLTK) – Textverarbeitung
- Eine Reihe von Bibliotheken und Programmen für die symbolische und statistische Verarbeitung natürlicher Sprache (NLP) für Englisch
- Beabsichtigt, Forschung und Lehre in NLP oder eng verwandten Bereichen zu unterstützen, einschließlich empirischer Linguistik, Kognitionswissenschaft, künstlicher Intelligenz, Informationsbeschaffung und maschinellem Lernen
- SciPy – Data Science
- Wird in Naturwissenschaften, Mathematik und Ingenieurwissenschaften verwendet
- Enthält Module für Optimierung, lineare Algebra, Integration, Interpolation, Sonderfunktionen, FFT, Signal- und Bildverarbeitung, ODE-Löser und andere in Wissenschaft und Technik übliche Aufgaben.
- Matplotlib & Seaborn zum Plotten und zur Visualisierung statistischer Daten
- Pillow & MoviePy für die Bild- und Videoverarbeitung
