Ocena:
Obecnie brak opinii czytelników. Ocena opiera się na 4 głosach.
Python Data Science Essentials - Second Edition: Learn the fundamentals of Data Science with Python
O tej książce.
⬤ Szybkie zapoznanie się z nauką o danych przy użyciu Pythona 3. 5.
⬤ Oszczędzaj czas (i wysiłek) dzięki wszystkim niezbędnym narzędziom.
⬤ Twórz efektywne projekty data science i unikaj typowych pułapek dzięki przykładom i wskazówkom podyktowanym doświadczeniem.
Dla kogo jest ta książka.
Jeśli jesteś początkującym analitykiem danych i masz przynajmniej praktyczną wiedzę na temat analizy danych i języka Python, ta książka pomoże Ci rozpocząć naukę o danych. Analitycy danych z doświadczeniem w R lub MATLAB również uznają tę książkę za kompleksowe źródło informacji, które zwiększy ich umiejętności w zakresie manipulacji danymi i uczenia maszynowego.
Czego się nauczysz.
⬤ Skonfigurować zestaw narzędzi do nauki o danych przy użyciu środowiska naukowego Python w systemach Windows, Mac i Linux.
⬤ Przygotować dane do projektu data science.
⬤ Manipulować, poprawiać i eksplorować dane w celu rozwiązywania problemów związanych z nauką o danych.
⬤ Skonfiguruj potok eksperymentalny, aby przetestować hipotezę nauki o danych.
⬤ Wybierz najbardziej efektywny i skalowalny algorytm uczenia się dla swoich zadań data science.
⬤ Optymalizacja modeli uczenia maszynowego w celu uzyskania najlepszej wydajności.
⬤ Eksploruj i klastruj wykresy, wykorzystując wzajemne połączenia i powiązania w danych.
Szczegóły.
Jako drugie wydanie Python Data Science Essentials, książka ta oferuje zaktualizowaną i rozszerzoną zawartość. Oparta na najnowszych notatnikach Jupyter (opartych na wymiennych jądrach, prawdziwie poliglotycznym systemie nauki o danych), książka ta zawiera wszystkie główne ostatnie ulepszenia w Numpy, pandach i Scikit-learn. Dodatkowo oferuje nowe treści dotyczące głębokiego uczenia się (prezentując Keras - oparty zarówno na Theano, jak i Tensorflow), pięknych wizualizacji (seaborn i ggplot) oraz wdrażania w sieci (przy użyciu butelki).
Książka ta rozpoczyna się od wyjaśnienia, jak skonfigurować niezbędny zestaw narzędzi do nauki o danych w najnowszej wersji Pythona, 3.5, przy użyciu podejścia opartego na jednym źródle (co oznacza, że kod w tej książce będzie można łatwo ponownie wykorzystać w Pythonie 2. 7). Następnie poprowadzi cię przez wszystkie fazy przetwarzania danych i wstępnego przetwarzania.
Wreszcie, uzupełni przegląd, prezentując główne algorytmy uczenia maszynowego, techniczne aspekty analizy grafów oraz narzędzia do wizualizacji i wdrażania.
