Podstawy nauki o danych w Pythonie

Opinie czytelników

Książka na temat nauki o danych w Pythonie otrzymała mieszane recenzje od użytkowników, podkreślając jej mocne strony w zakresie praktycznych wskazówek i ustrukturyzowanej nauki, jednocześnie spotykając się z krytyką za błędy w treści i niewystarczające aktualizacje.

Czytelnicy doceniają przejrzysty styl pisania, praktyczne przykłady i efektywną organizację tematów. Książka została uznana za przydatną zarówno dla początkujących, jak i doświadczonych użytkowników, którzy chcą odświeżyć swoją wiedzę. Książka obejmuje podstawowe koncepcje w nauce o danych i zawiera sekcję poświęconą zaawansowanym tematom, takim jak ograniczone maszyny Boltzmanna.

Niektórzy użytkownicy krytykowali książkę za to, że zawiera liczne błędy w przykładach kodu, brak wsparcia ze strony autora w odniesieniu do tych kwestii i jest przestarzała w swoich odniesieniach (np. nie uwzględnia przejścia z IPython Notebook na Jupyter). Ponadto może nie być wystarczająco kompleksowa dla początkujących, którzy zaczynają od zera.

(na podstawie 6 opinii czytelników)

Oryginalny tytuł:

Python Data Science Essentials

Zawartość książki:

Kluczowe cechy Szybkie zapoznanie się z nauką o danych przy użyciu Pythona Oszczędność czasu - i wysiłku - dzięki objaśnieniu wszystkich niezbędnych narzędzi Tworzenie skutecznych projektów nauki o danych i unikanie typowych pułapek za pomocą przykładów i wskazówek podyktowanych doświadczeniem Opis książki

Książka rozpoczyna się od wprowadzenia do konfigurowania niezbędnego zestawu narzędzi do nauki o danych. Następnie poprowadzi Cię przez wszystkie fazy gromadzenia i wstępnego przetwarzania danych. Zostanie to zrobione w sposób, który wyjaśnia wszystkie podstawowe działania związane z nauką o danych związane z ładowaniem danych, przekształcaniem i naprawianiem ich do analizy, a także eksploracją i przetwarzaniem. Wreszcie, uzupełni przegląd, prezentując główne algorytmy uczenia maszynowego, techniczne aspekty analizy wykresów i wszystkie instrumenty wizualizacji, które mogą ułatwić życie w prezentowaniu wyników.

W tym przewodniku, zorganizowanym jako projekt nauki o danych, zawsze będzie ci towarzyszył przejrzysty kod i uproszczone przykłady, które pomogą ci zrozumieć podstawową mechanikę i rzeczywiste zbiory danych. Czego się nauczysz Skonfiguruj swój zestaw narzędzi do nauki o danych przy użyciu środowiska naukowego Python w systemach Windows, Mac i Linux Przygotuj dane do projektu nauki o danych Manipuluj, naprawiaj i eksploruj dane w celu rozwiązywania problemów związanych z nauką o danych Skonfiguruj potok eksperymentalny, aby przetestować swoją hipotezę dotyczącą nauki o danych Wybierz najbardziej efektywny i skalowalny algorytm uczenia się dla swoich zadań związanych z nauką o danych Zoptymalizuj swoje modele uczenia maszynowego, aby uzyskać najlepszą wydajność Eksploruj i grupuj wykresy, wykorzystując wzajemne połączenia i powiązania w danych Spis treści Pierwsze kroki Gromadzenie danych Potok nauki o danych Uczenie maszynowe Analiza sieci społecznościowych Wizualizacja