Praktyczna nauka o danych z Pythonem: Poznaj narzędzia i techniki na praktycznych przykładach, aby wydobyć wgląd w dane

Opinie czytelników

Książka stanowi kompleksowe i dobrze zorganizowane wprowadzenie do nauki o danych przy użyciu Pythona, dzięki czemu jest odpowiednia zarówno dla nowicjuszy, jak i osób z pewnym doświadczeniem w tej dziedzinie. Obejmuje szeroki zakres tematów, od podstawowej instalacji Pythona po zaawansowane techniki uczenia maszynowego, uzupełnione praktycznymi przykładami i wyjaśnieniami. Niektórzy czytelnicy uważają jednak, że może być ona zbyt zaawansowana dla zupełnie początkujących.

⬤ Dokładny i wciągający styl pisania, który jest dostępny dla czytelników o różnym poziomie wiedzy w Pythonie i nauce o danych.
⬤ Kompleksowe omówienie różnych ważnych tematów związanych z nauką o danych, w tym zarządzania danymi, uczenia maszynowego i korzystania z kluczowych bibliotek Pythona.
⬤ Przejrzyste wyjaśnienia i praktyczne przykłady pomagają w zrozumieniu złożonych pojęć.
⬤ Dostępność zasobów, takich jak kod GitHub i przykłady Jupyter Notebook.
⬤ Książka z powodzeniem równoważy szczegółowe informacje z praktycznymi zastosowaniami, dzięki czemu jest przydatna zarówno dla początkujących, jak i bardziej zaawansowanych praktyków.

⬤ Niektóre sekcje są uważane za zbyt zaawansowane dla zupełnie początkujących, co czyni je potencjalnie mylącymi dla osób bez wcześniejszej znajomości Pythona.
⬤ Niektórzy czytelnicy uznali część książki za suchą lub przytłaczającą ze względu na ilość prezentowanych informacji.
⬤ Początkowe rozdziały obejmujące podstawy Pythona mogą być niepotrzebne dla doświadczonych użytkowników Pythona, powodując, że będą oni przeglądać materiał, który już rozumieją.

(na podstawie 12 opinii czytelników)

Oryginalny tytuł:

Practical Data Science with Python: Learn tools and techniques from hands-on examples to extract insights from data

Zawartość książki:

Naucz się efektywnie zarządzać danymi i realizować projekty data science od początku do końca przy użyciu Pythona

Kluczowe cechy:

⬤ Zrozumienie i wykorzystanie narzędzi nauki o danych w Pythonie, takich jak wyspecjalizowane algorytmy uczenia maszynowego i modelowanie statystyczne.

⬤ Zbuduj solidne podstawy nauki o danych dzięki najlepszym narzędziom nauki o danych dostępnym w Pythonie.

⬤ Zwiększ wartość dla siebie, swojej organizacji i społeczeństwa, wydobywając przydatne informacje z surowych danych.

Opis książki:

Praktyczna nauka o danych w Pythonie uczy podstawowych pojęć związanych z nauką o danych, z realistycznymi i realistycznymi przykładami oraz wzmacnia przyczepność do podstawowych i zaawansowanych zasad przygotowywania i przechowywania danych, statystyki, teorii prawdopodobieństwa, uczenia maszynowego i programowania w Pythonie, pomagając zbudować solidne podstawy do zdobycia biegłości w nauce o danych.

Książka rozpoczyna się od przeglądu podstawowych umiejętności Pythona, a następnie wprowadza podstawowe techniki nauki o danych, po czym następuje dokładne wyjaśnienie kodu Pythona potrzebnego do wykonania tych technik. Zrozumiesz kod poprzez pracę z przykładami. Kod został podzielony na małe fragmenty (kilka linii lub funkcji na raz), aby umożliwić dokładną dyskusję.

W miarę postępów dowiesz się, jak przeprowadzać analizę danych, poznając funkcje kluczowych pakietów Pythona do nauki o danych, w tym pandas, SciPy i scikit-learn. Wreszcie, książka obejmuje kwestie etyki i prywatności w nauce o danych i sugeruje zasoby do doskonalenia umiejętności w zakresie nauki o danych, a także sposoby na bycie na bieżąco z nowymi osiągnięciami w dziedzinie nauki o danych.

Pod koniec książki powinieneś być w stanie wygodnie używać Pythona do podstawowych projektów nauki o danych i powinieneś posiadać umiejętności wykonywania procesu nauki o danych na dowolnym źródle danych.

Czego się nauczysz:

⬤ Efektywnie korzystać z pakietów nauki o danych w Pythonie.

⬤ Czyścić i przygotowywać dane do pracy data science, w tym inżynierii cech i selekcji cech.

⬤ Modelowanie danych, w tym klasyczne modele statystyczne (np. testy t) i podstawowe algorytmy uczenia maszynowego (ML), takie jak lasy losowe i modele wzmocnione.

⬤ Ocena wydajności modelu.

⬤ Porównywać i rozumieć różne metody uczenia maszynowego.

⬤ Interakcja z arkuszami kalkulacyjnymi Excel za pomocą Pythona.

⬤ Tworzenie zautomatyzowanych raportów data science za pomocą Pythona.

⬤ Zapoznanie się z technikami analizy tekstu.

Dla kogo jest ta książka:

Książka jest przeznaczona dla początkujących, w tym studentów rozpoczynających lub zamierzających rozpocząć naukę o danych, analitykę lub pokrewny program (np. studia licencjackie, magisterskie, bootcamp, kursy online), niedawnych absolwentów szkół wyższych, którzy chcą nauczyć się nowych umiejętności, aby wyróżnić się na rynku pracy, profesjonalistów, którzy chcą nauczyć się praktycznych technik nauki o danych w Pythonie, oraz tych, którzy chcą zmienić swoją karierę na naukę o danych.

Książka wymaga podstawowej znajomości języka Python. Sekcja "rozpoczęcie pracy z Pythonem" została dołączona, aby ułatwić naukę początkującym.