Podstawy nauki o danych w Pythonie i MongoDB

Ocena:   (4,4 na 5)

Podstawy nauki o danych w Pythonie i MongoDB (David Paper)

Opinie czytelników

Podsumowanie:

Książka została dobrze przyjęta ze względu na jasne wyjaśnienia i praktyczne przykłady, dzięki czemu jest dostępna zarówno dla początkujących, jak i doświadczonych programistów zainteresowanych nauką o danych. Obejmuje ona podstawowe koncepcje w łatwy do zrozumienia sposób, umożliwiając czytelnikom skuteczne zastosowanie tego, czego się uczą. Niektórzy czytelnicy znaleźli jednak błędy w przykładach kodu i skrytykowali włączenie MongoDB do tytułu, ponieważ uważali, że nie zostało to wystarczająco omówione.

Zalety:

Łatwa do zrozumienia i dobrze zorganizowana treść, która jest dostosowana do wszystkich poziomów.
Świetne przykłady, szczególnie w Pythonie, które pomagają wyjaśnić koncepcje.
Jasne i proste wyjaśnienia bez ciężkiego żargonu, odpowiednie dla początkujących.
Dobra do praktycznego zastosowania umiejętności nauki o danych.
Wszechstronne omówienie tematów istotnych dla różnych dziedzin.

Wady:

Obecność wielu błędów kodowych i koncepcyjnych, w tym nieaktualnych lub niepoprawnych przykładów kodu.
Niektórzy czytelnicy czuli się wprowadzeni w błąd przez włączenie MongoDB do tytułu, oczekując bardziej dogłębnego omówienia.
Kilka krytycznych uwag na temat dogłębności teorii w porównaniu do zastosowań.

(na podstawie 16 opinii czytelników)

Oryginalny tytuł:

Data Science Fundamentals for Python and MongoDB

Zawartość książki:

Zbuduj podstawowe umiejętności nauki o danych niezbędne do pracy i lepszego zrozumienia złożonych algorytmów nauki o danych. Ta oparta na przykładach książka zawiera kompletne przykłady kodowania w języku Python, które uzupełniają i wyjaśniają koncepcje nauki o danych oraz wzbogacają doświadczenie edukacyjne. Przykłady kodowania zawierają wizualizacje, gdy jest to właściwe. Książka jest niezbędnym wstępem do stosowania i wdrażania algorytmów uczenia maszynowego.

Książka jest samodzielna. Obejmuje wszystkie umiejętności matematyczne, statystyczne, stochastyczne i programistyczne wymagane do opanowania treści. Dogłębna znajomość programowania obiektowego nie jest wymagana, ponieważ podano i wyjaśniono kompletne przykłady.

Data Science Fundamentals with Python and MongoDB to doskonały punkt wyjścia dla osób zainteresowanych karierą w nauce o danych. Podobnie jak w przypadku każdej nauki, podstawy nauki o danych są warunkiem wstępnym kompetencji. Bez biegłości w matematyce, statystyce, manipulacji danymi i kodowaniu, droga do sukcesu jest w najlepszym razie "kamienista". Przykłady kodowania w tej książce są zwięzłe, dokładne i kompletne oraz doskonale uzupełniają wprowadzone koncepcje nauki o danych.

Czego się nauczysz

⬤ Przygotuj się na karierę w nauce o danych.

⬤ Praca ze złożonymi strukturami danych w Pythonie.

⬤ Symulować za pomocą algorytmów Monte Carlo i stochastycznych.

⬤ Zastosowanie algebry liniowej przy użyciu wektorów i macierzy.

⬤ Wykorzystanie złożonych algorytmów, takich jak zejście gradientowe i analiza głównych składowych.

⬤ Zarządzanie, czyszczenie, wizualizacja i rozwiązywanie problemów z danymi.

⬤ Wykorzystanie MongoDB i JSON do pracy z danymi.

Dla kogo jest ta książka

Dla nowicjuszy pragnących włamać się do świata nauki o danych i entuzjastów chcących wzbogacić, pogłębić i rozwinąć umiejętności nauki o danych poprzez opanowanie podstawowych podstaw, które czasami są pomijane w pośpiechu, aby być produktywnym. Pewna znajomość programowania obiektowego ułatwi naukę.

Dodatkowe informacje o książce:

ISBN:9781484235966
Autor:
Wydawca:
Język:angielski
Oprawa:Miękka oprawa

Zakup:

Obecnie dostępne, na stanie.

Inne książki autora:

Programowanie webowe dla biznesu: Programowanie obiektowe PHP z Oracle - Web Programming for...
Web Programming for Business: PHP Object-Oriented...
Programowanie webowe dla biznesu: Programowanie obiektowe PHP z Oracle - Web Programming for Business: PHP Object-Oriented Programming with Oracle
Tensorflow 2.X w chmurze Colaboratory Cloud: Wprowadzenie do głębokiego uczenia w chmurze Google -...
Użyj TensorFlow 2.x z produktem Google Colaboratory...
Tensorflow 2.X w chmurze Colaboratory Cloud: Wprowadzenie do głębokiego uczenia w chmurze Google - Tensorflow 2.X in the Colaboratory Cloud: An Introduction to Deep Learning on Google's Cloud Service
Najnowocześniejsze modele głębokiego uczenia w Tensorflow: Nowoczesne uczenie maszynowe w...
1. Tworzenie potoków danych wejściowych TensorFlow2. Zwiększanie...
Najnowocześniejsze modele głębokiego uczenia w Tensorflow: Nowoczesne uczenie maszynowe w ekosystemie Google Colab - State-Of-The-Art Deep Learning Models in Tensorflow: Modern Machine Learning in the Google Colab Ecosystem
Praktyczny Scikit-Learn dla aplikacji uczenia maszynowego: Podstawy nauki o danych w Pythonie -...
Aspirujący specjaliści w dziedzinie nauki o danych mogą...
Praktyczny Scikit-Learn dla aplikacji uczenia maszynowego: Podstawy nauki o danych w Pythonie - Hands-On Scikit-Learn for Machine Learning Applications: Data Science Fundamentals with Python
Podstawy nauki o danych w Pythonie i MongoDB - Data Science Fundamentals for Python and...
Zbuduj podstawowe umiejętności nauki o danych niezbędne do pracy i...
Podstawy nauki o danych w Pythonie i MongoDB - Data Science Fundamentals for Python and MongoDB

Prace autora wydały następujące wydawnictwa:

© Book1 Group - wszelkie prawa zastrzeżone.
Zawartość tej strony nie może być kopiowana ani wykorzystywana w całości lub w części bez pisemnej zgody właściciela.
Ostatnia aktualizacja: 2024.11.13 21:45 (GMT)