Praktyczny przewodnik po nauce o danych: Usprawnianie rozwiązań z zakresu nauki o danych przy użyciu Pythona, Scikit-Learn i platformy usługowej Azure ML

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 5 głosach.

Oryginalny tytuł:

Practitioner's Guide to Data Science: Streamlining Data Science Solutions using Python, Scikit-Learn, and Azure ML Service Platform

Zawartość książki:

"Jak ma być realizowany projekt Data Science?" nigdy nie brzmiało bardziej konceptualnie, dzięki pracy przedstawionej w tej książce. Ta książka zapewnia dogłębne spojrzenie na obecny stan danych na świecie i sposób, w jaki Data Science odgrywa kluczową rolę we wszystkim, co robimy.

Książka wyjaśnia i wdraża cały cykl życia nauki o danych przy użyciu dobrze znanych procesów nauki o danych, takich jak CRISP-DM i Microsoft TDSP. Książka wyjaśnia znaczenie tych procesów w związku z wysokim wskaźnikiem niepowodzeń projektów Data Science.

Książka pomaga zbudować solidne podstawy w koncepcjach Data Science i powiązanych frameworkach. Uczy, jak wdrażać rzeczywiste przypadki użycia przy użyciu danych ze zbioru danych HMDA. Wyjaśnia architekturę usługi Azure ML, jej możliwości i implementację dla zespołu DS, który będzie przygotowany do wdrożenia MLOps. Książka wyjaśnia również, jak korzystać z Azure DevOps, aby proces był powtarzalny.

Pod koniec tej książki nauczysz się silnych umiejętności kodowania w języku Python, zdobędziesz solidne zrozumienie takich pojęć, jak inżynieria funkcji, tworzenie wnikliwych wizualizacji i zapoznasz się z technikami budowania modeli uczenia maszynowego.

SPIS TREŚCI

1. Nauka o danych dla biznesu.

2. Metodologie projektów Data Science i procesy zespołowe.

3. Zrozumienie biznesu i jego krajobraz danych.

4. Pozyskiwanie, eksploracja i analiza danych.

5. Wstępne przetwarzanie i przygotowywanie danych.

6. Opracowanie modelu uczenia maszynowego.

7. Okrążenie wokół usługi Azure ML.

8. Wdrażanie i zarządzanie modelami.